Qwen 3.8 Max pesos abertos dia 10: o que dá (e o que não dá) pra rodar dos 2,4 trilhões

Na segunda-feira, 3 de agosto, a Alibaba anunciou o Qwen3.8-Max e prometeu uma coisa que nunca tinha feito: publicar os pesos de um modelo classe Max. O Qwen 3.8 Max com pesos abertos chega "semana que vem" — ou seja, a partir de segunda, 10 de agosto, no Hugging Face e no ModelScope.

São 2,4 trilhões de parâmetros. Mixture-of-Experts, ~95 bilhões ativados por token, 1 milhão de contexto, entrada nativa de texto, imagem e vídeo. Pelos números da própria casa, é o modelo mais capaz que a Qwen já treinou.

E aí vem a pergunta que todo dev faz na thread e quase ninguém responde com número: dá pra rodar? Este post separa as três coisas que estão sendo tratadas como uma só — peso aberto, licença permissiva e hardware viável. Spoiler: só uma delas está confirmada, e não é a que você quer.

TL;DR

• O que é: Qwen3.8-Max, MoE de 2,4T de parâmetros totais e ~95B ativados, contexto de 1M tokens (991K de entrada máxima, 131K de saída), multimodal na entrada. Anunciado em 03/08/2026.
• Pesos abertos: prometidos para a semana de 10/08 no Hugging Face e ModelScope. É a primeira vez que a Qwen abre um checkpoint da linha Max.
• Junto vem o Qwen3.8-27B: o irmão pequeno, também open-weights. Esse sim é o que a maioria vai conseguir rodar.
• Licença: não anunciada. Qwen 3.5 e 3.6 saíram em Apache 2.0, mas nada garante que a Max siga o mesmo caminho.
• API hoje: US$ 2 por milhão de entrada, US$ 6 na saída, US$ 0,25 em cache implícito. Disponível via Alibaba Cloud Model Studio.

Qwen 3.8 Max com pesos abertos: por que isso muda o jogo

Até agora a Qwen operava com uma divisão clara: a linha aberta (7B, 27B, 235B) puxava o ecossistema open source, e a linha Max ficava fechada, atrás da API, como produto comercial. Todo lab chinês grande trabalha assim. A Moonshot foi a primeira a quebrar o padrão publicando o Kimi K3 com 2,8 trilhões de parâmetros em 26 de julho. Duas semanas depois, a Alibaba responde com o dela.

Isso não é detalhe de release notes. É mudança de estratégia competitiva: quando o topo da linha vira commodity distribuível, o diferencial do lab deixa de ser o modelo e passa a ser a infraestrutura de servir aquele modelo. Quem lucra com isso são os provedores de inferência e as empresas que já sabem operar cluster. Quem não muda nada é o dev que achou que "aberto" significava "cabe na minha máquina".

E é justamente aí que quase todo mundo erra a leitura. Peso aberto responde a pergunta da permissão. Não responde a da capacidade — e a distância entre as duas é medida em terabytes de VRAM e em cláusula de licença que ninguém leu ainda. Ler release de modelo separando essas camadas é uma habilidade de engenharia, não de acompanhar timeline: é o tipo de conta que a gente faz junto toda semana, ao vivo, no Clã Beer and Code, com número na mesa em vez de screenshot de benchmark. É pago, é assinatura, e é o ambiente que este post descreve.

O que a Alibaba diz que o modelo faz (e o asterisco)

Quando o modelo foi apresentado em julho, a gente já tinha ido atrás do que havia de real na primeira leva de benchmarks do Qwen 3.8 Max. Agora saiu a tabela oficial, e os números divulgados são fortes:

Agora o asterisco, que importa mais que a tabela: todos esses scores vêm de runs internas da Alibaba. Não há verificação independente publicada até agora. A única leitura de terceiro que apareceu no ar coloca o modelo empatado com Claude Opus 4.7 no Vals Index, a um custo por teste cerca de 2,3x menor — o que é ótimo, e é uma história diferente de "bate o GPT-5.6".

Trate a tabela como o que ela é: o vendedor descrevendo o próprio produto. A conclusão honesta que sobra é a de custo. A US$ 2 / US$ 6 por milhão de tokens, o Qwen3.8-Max entrega performance de fronteira num preço de terceiro escalão. Isso é o suficiente pra colocar ele na sua matriz de decisão sem depender de nenhum benchmark ser verdade.

Rodar o Qwen 3.8 Max local: a conta de hardware dos 2,4 trilhões

Aqui está o ponto que a manchete engole. Um MoE de 2,4T ativa ~95B por token — ou seja, o custo de computação por token é o de um modelo denso de 95 bilhões, o que é perfeitamente razoável. O problema não é FLOP. É memória: os 2,4 trilhões inteiros precisam estar carregados, porque o roteador pode chamar qualquer expert a qualquer camada.

Quanto isso pesa depende do formato que a Alibaba publicar — e isso ainda não foi dito:

Agora cruze com o hardware que existe de verdade, lembrando que ainda sobra KV cache, ativações e overhead de runtime por cima:

Repare na linha do H200. É a mesma armadilha do K3: 8 × 141 GB parece muito até você comparar com o número certo. Não fecha.

Por isso os relatos de quem já se preparou para servir o modelo falam em mínimo de 8 aceleradores classe B200, com provedores recomendando configurações de supernó com 64+ GPUs para atender carga real com contexto longo. Não é "roda no meu setup caseiro com offload agressivo". É projeto de datacenter, com interconnect de datacenter — e num MoE, interconnect ruim dói muito mais que num modelo denso, porque o roteamento de token atravessa a rede a cada camada.

Se você quer a versão completa dessa conta, com break-even de aluguel contra API, ela está no post do Kimi K3. A aritmética não muda de nome só porque o modelo mudou de logo.

O Qwen3.8-27B é o modelo que interessa pra você

Enterrado no mesmo anúncio está o checkpoint que quase toda a cobertura tratou como nota de rodapé: o Qwen3.8-27B, também indo para pesos abertos no dia 10.

Vinte e sete bilhões de parâmetros, denso. Aqui as contas ficam humanas:

Duas ressalvas honestas nesses números. Primeira: eles são estimativa de terceiro pela contagem de parâmetros, porque a Alibaba não publicou spec sheet nem benchmark do 27B — o modelo foi anunciado, não documentado. Segunda, e essa é armadilha de produção de verdade: o KV cache não encolhe quando você quantiza os pesos. Quantizar de BF16 pra INT4 corta 39 GB de peso e zero byte de cache. Se o seu plano é contexto longo, o cache vira o gargalo e você precisa quantizar ele separadamente.

Regra prática que vale pra qualquer modelo dessa faixa: INT4 é ótimo pra classificação, extração e roteamento — tarefas de um passo, onde perder um ponto de precisão custa pouco. Para trabalho agêntico multi-etapa, fique em FP8 pra cima. Erro composto em cadeia de 20 chamadas transforma degradação pequena de acurácia em queda grande de tarefa concluída.

Para o passo a passo de subir isso na sua máquina, temos o guia de como rodar um LLM local com Ollama e a discussão de hardware.

Licença do Qwen 3.8 Max: o detalhe que decide tudo (e ainda não existe)

Este é o buraco no meio do anúncio, e é o que eu olharia primeiro no dia 10.

A Alibaba não anunciou sob qual licença os pesos vão sair. Nem para o Max, nem para o 27B. Não existe texto publicado para ler. Qwen 3.5 e Qwen 3.6 saíram em Apache 2.0, o que cria uma expectativa razoável — mas expectativa não é cláusula, e um checkpoint de fronteira classe Max é exatamente o tipo de ativo que faz o jurídico de um lab inventar termo customizado.

O espectro de possibilidades vai de:

• Apache 2.0 — uso comercial livre, sem teto de receita, sem obrigação de atribuição na interface. Cenário melhor.
• MIT modificada (o que a Moonshot fez no K3) — comercial liberado, com gatilhos acima de certa receita ou número de usuários.
• Licença comunitária customizada — restrições de uso aceitável, cláusula de território, obrigação de atribuição, veto a treinar outros modelos com as saídas.

A diferença entre a primeira e a terceira opção não é filosófica. Ela decide se o modelo entra ou não no seu produto. Circularam na comunidade leituras de que haveria restrição de uso em EUA, União Europeia, Reino Unido e Coreia — sem nenhuma confirmação da Alibaba e sem texto de licença para checar. Não tome decisão de arquitetura em cima disso antes do dia 10.

O checklist do dia que os pesos caírem, na ordem:

1. Abrir o LICENSE do repositório antes de olhar qualquer benchmark.
2. Procurar por gatilho de receita, teto de usuários, obrigação de atribuição e restrição geográfica.
3. Conferir o formato publicado (BF16, FP8, FP4) — é ele que define a tabela de VRAM lá de cima.
4. Só então avaliar se o modelo entra na sua matriz.

# no dia 10, comece por aqui — o LICENSE antes do model card
hf download Qwen/Qwen3.8-27B LICENSE --local-dir ./qwen3.8-27b

# baixar o 27B completo (formato e nome exato do repo confirmam no dia)
hf download Qwen/Qwen3.8-27B --local-dir ./qwen3.8-27b --resume

# servir com vLLM, FP8, contexto conservador
vllm serve ./qwen3.8-27b \
  --quantization fp8 \
  --max-model-len 32768 \
  --gpu-memory-utilization 0.90

O nome exato do repositório só se confirma quando publicarem. Trate os comandos acima como forma, não como copiar e colar.

Limitações e pontos de atenção

"Semana que vem" não é uma data. A Alibaba disse "next week", a imprensa arredondou para 10 de agosto. Não há data oficial com dia e hora. Já vimos lab entregar antes do prometido (a Moonshot soltou o K3 um dia adiantado) e já vimos lab escorregar semanas. Não monte cronograma de sprint em cima disso.

Contexto de 1M é teto anunciado, não default operacional. Cada token de janela ocupa memória que compete com o peso do modelo no mesmo nó. Em produção você vai definir um limite bem menor por request, e vai ficar mais feliz com o resultado.

Multimodal na entrada, texto na saída. O modelo aceita imagem e vídeo, mas devolve texto. Se o seu caso pede geração de imagem, esse não é o modelo.

Benchmark não é o seu domínio. Vale sempre, vale em dobro quando os números são auto-reportados. Sem suite de evals própria em cima dos seus dados, "o Qwen3.8-Max é melhor" é opinião com tabela bonita.

FAQ rápido

Consigo rodar o Qwen3.8-Max na minha máquina, com quantização agressiva? Não. Mesmo em FP4, os pesos ficam em torno de 1,2 TB — cerca de 37x a VRAM de uma RTX 5090. Offload para RAM e disco tecnicamente "roda", no sentido de que você vê um token aparecer de vez em quando. Para local de verdade, o alvo é o 27B.

Qual a licença do Qwen 3.8 Max? Ainda não foi anunciada, nem para o Max nem para o 27B. Qwen 3.5 e 3.6 usaram Apache 2.0, o que é um indicativo, não uma garantia. Só dá pra responder isso lendo o arquivo LICENSE quando os pesos subirem.

Vale mais a pena a API ou self-host? A US$ 2 / US$ 6 por milhão de tokens, a API ganha para praticamente todo mundo no critério de custo. Self-host do Max só fecha por outros motivos: soberania de dado, requisito regulatório que proíbe a inferência sair do perímetro, ou fine-tuning sobre os pesos. Se o argumento é economia, refaça a planilha.

O que muda para quem hoje usa Qwen 3.6 local? Provavelmente pouco no curto prazo, porque o 27B novo saiu sem benchmark publicado. A migração racional é esperar os primeiros números independentes, rodar as suas próprias evals contra o 3.6 e só trocar se ganhar no seu domínio. Modelo mais novo não é automaticamente melhor no seu caso.

Conclusão

O Qwen3.8-Max sendo aberto é notícia grande e verdadeira: é a primeira vez que um lab dessa escala publica o topo da própria linha, e confirma o movimento que o Kimi K3 abriu duas semanas antes. O teto do open-weights subiu de novo.

O que não subiu foi a quantidade de gente que consegue usar isso. Continua sendo um artefato de datacenter, com uma licença que ninguém leu, benchmarks que ninguém verificou e um irmão de 27B que a cobertura tratou como rodapé sendo, na prática, o único dos dois que vai rodar na sua infra.

A leitura que vale levar para o dia 10 é essa: quando o modelo de fronteira vira arquivo público, a vantagem competitiva migra inteira para quem sabe operar. Modelo virou commodity. Engenharia, não.