A taxa de compartilhamento e o limite de faturamento que definirá quem será considerado um “grande usuário” ainda não foram divulgados publicamente . Portanto, “pesos abertos” não significará necessariamente uma licença tão permissiva quanto a Apache 2.0 usada em versões anteriores da família Qwen.
O Qwen3.8-Max é apresentado pela Alibaba como seu modelo mais avançado até agora. Ele reúne 2,4 trilhões de parâmetros em uma arquitetura esparsa de mistura de especialistas, que ativa cerca de 95 bilhões de parâmetros por operação. O sistema também suporta uma janela de contexto de até 1 milhão de tokens, capaz de lidar com grandes volumes de informação, e foi projetado para programação, raciocínio multimodal, pesquisa e tarefas de longa duração .
A empresa afirma que o desempenho do modelo se aproxima do de sistemas líderes da Anthropic e da OpenAI em determinados benchmarks . A Alibaba também alinhou sua API a preços praticados por modelos fechados dos Estados Unidos: US$ 2 por milhão de tokens de entrada e US$ 6 por milhão de tokens de saída .
A principal novidade, porém, está nos termos comerciais. Segundo a Reuters, citando duas pessoas familiarizadas com os planos, usuários considerados relevantes pela Alibaba terão de negociar um acordo de compartilhamento de receita .
A medida vem depois de uma guinada adotada pela empresa em 2026. Modelos como Qwen3.6-Max e Qwen3.7-Plus passaram de uma abordagem aberta para ofertas fechadas, acessíveis apenas por API e com cobrança por uso . O Qwen3.8-Max representa um retorno aos pesos abertos, mas com condições comerciais para operações de grande escala.
A estratégia da Alibaba segue o precedente da Moonshot AI, startup chinesa responsável pelo Kimi K3. Os pesos do Kimi K3 foram publicados em 27 de julho de 2026 sob uma licença própria, chamada “kimi-k3”, que permite ampla utilização básica, mas cria exigências para negócios de maior porte .
| Critério | Alibaba Qwen3.8-Max | Moonshot Kimi K3 |
|---|---|---|
| Tipo de licença | Personalizada; termos ainda não divulgados | Licença personalizada “kimi-k3” |
| Limite para grandes usuários | Ainda não especificado; o plano menciona usuários comerciais relevantes | Mais de US$ 20 milhões em receita acumulada em qualquer período consecutivo de 12 meses para negócios de MaaS |
| Compartilhamento de receita | Acordo de divisão de receita previsto para grandes usuários; percentual ainda desconhecido | Até 30%, segundo uma das fontes |
| Exigência de atribuição | Ainda desconhecida | Produtos com mais de 100 milhões de usuários ativos mensais ou mais de US$ 20 milhões em receita mensal devem exibir “Powered by Kimi K3” |
| Oferta como serviço | Regras ainda desconhecidas | Grandes provedores de MaaS precisam de autorização separada da Moonshot |
| Usuários menores | Uso esperado sem cobrança de participação na receita | Uso gratuito, sem exigência de relatório |
A diferença central é a transparência dos termos. A licença do Kimi K3 já está publicada e define seus gatilhos comerciais no GitHub. No caso do Qwen3.8-Max, a Alibaba ainda não havia divulgado a licença em 7 de agosto de 2026, embora a publicação dos pesos fosse esperada para os dias seguintes .
Com base nas informações divulgadas pela Reuters, o modelo deverá seguir uma divisão entre usuários menores e grandes operações comerciais :
A licença publicada do Kimi K3 é mais específica :
Na prática, os dois modelos mantêm uma porta de entrada gratuita para desenvolvedores e empresas menores, mas tentam capturar valor das plataformas que transformam os pesos abertos em um serviço de IA vendido em grande escala.
Treinar modelos de fronteira exige investimentos bilionários em computação, dados e infraestrutura. A popularidade de um modelo não se converte automaticamente em receita para seu criador, especialmente quando os pesos podem ser baixados e executados fora da nuvem da empresa.
A mudança para APIs pagas em modelos anteriores e a possível divisão de receita no Qwen3.8-Max são respostas à necessidade de criar uma fonte de receita mais previsível . O formato lembra uma estratégia “freemium”: acesso amplo para estimular adoção, com cobrança direcionada aos usuários comerciais de maior escala.
O lançamento também ocorre em meio à disputa entre empresas chinesas e laboratórios dos Estados Unidos. Alibaba, Moonshot, DeepSeek e outras companhias vêm acelerando a divulgação de modelos com pesos abertos, enquanto afirmam reduzir a distância em relação a sistemas de empresas como Anthropic e OpenAI .
Ao disponibilizar os pesos, a Alibaba amplia as possibilidades de uso por startups, pesquisadores e empresas que preferem hospedar a tecnologia em sua própria infraestrutura, em vez de depender exclusivamente de APIs estrangeiras . Ao mesmo tempo, os acordos comerciais podem preservar uma forma de monetização quando o modelo for incorporado a plataformas de grande faturamento.
Os controles americanos sobre a exportação de semicondutores avançados não impediram os laboratórios chineses de apresentar modelos de alto desempenho, segundo as reportagens citadas . Nesse cenário, a distribuição de pesos abertos funciona como uma forma de ampliar a adoção global e desafiar a predominância de modelos fechados americanos.
Mas a abertura também cria um dilema: quanto mais fácil for baixar e executar um modelo, mais difícil pode ser para a empresa controladora cobrar diretamente por cada uso. Licenças com limites de receita tentam resolver essa tensão sem abandonar completamente a distribuição aberta.
A reação do mercado dependerá principalmente da licença final do Qwen3.8-Max. Desenvolvedores estão acompanhando o anúncio com cautela porque “open-weight” descreve a disponibilidade dos arquivos, mas não garante, por si só, direitos comerciais irrestritos .
Antes de colocar o modelo em um produto, empresas deverão verificar pelo menos três pontos: o limite de receita que acionará a negociação, a definição de serviço MaaS e o percentual ou formato da participação exigida. Até que a Alibaba publique esses detalhes, não é possível afirmar se o modelo seguirá uma estrutura próxima à do Kimi K3 ou se adotará regras diferentes.