О компании Alibaba

$9988 Alibaba вкладывает $300 млн в ИИ-стартап UniPat AI. https://www.finam.ru/landings/demoaccount/?int_source=finam_publication_item_quote_infoВ сделке по финансированию UniPat AI также планирует принять участие Tencent. Однако не сообщается, какую именно сумму китайская инвестфирма планирует вложить в стартап.UniPat AI оценивается в $2,5 млрд. Компания, основанная в 2025 году, занимается исследованиями в области искусственного интеллекта и разработкой систем машинного обучения для применения в реальном мире.

$9988 Alibaba выпустила новую ИИ-модель Qwen-3.8-Max-0902, которая сразу заняла первое место в рейтинге Code Arena WebDev. При этом по соотношению возможностей и стоимости она заметно опережает более дорогие решения конкурентов, включая модели Anthropic. Qwen-3.8-Max-0902 располагает 2,4 трлн параметров, а ее использование обходится в $2 за миллион входных токенов и $6 за миллион выходных. Стоимость попадания в явный кеш составляет $0,17, неявного — $0,25 за миллион токенов. В Code Arena WebDev модель набрала 1629 баллов, уступив только Claude Opus 5 (Max) с результатом 1688, однако стоимость последней составляет уже $20 за миллион входных токенов. Qwen-3.8-Max-0902 также возглавила категории Data & Analytics и Consumer Product, заняла второе место в Brand & Marketing, Gaming и Simulations и третье в Content Creation Tools и Reference-Based Design.Новая модель появилась примерно через две недели после Qwen-3.8 27B — открытой модели с 27 млрд параметров, которая демонстрирует сопоставимые с Opus 4.5 возможности в программировании и способна работать на одном MacBook. Столь быстрый прогресс Alibaba уже породил предположения о дистилляции чужих моделей, однако подтверждений этому нет. Примечательно, что сама компания недавно запретила сотрудникам использовать Claude Code, назвав инструмент высокорисковым

$9988 Компания Alibaba представила Qwen3.8-2.4T-A95B — первую открытую ИИ-модель в своём флагманском семействе Qwen-Max. Как сообщает команда Qwen, новинка содержит 2,4 трлн параметров, из которых при обработке каждого токена задействуются только 95 млрд. Это результат архитектуры Mixture-of-Experts («смесь экспертов»): модель состоит из 512 «экспертов», и под конкретный запрос активируется лишь часть из них — такой подход снижает вычислительные затраты без потери в размере модели.Ключевая особенность — работа с очень длинным контекстом и агентными сценариями. Нативно модель удерживает в «памяти» 262 144 токена, а с расширением — примерно до 1 млн, что важно для долгих автономных сессий и анализа больших объёмов документов. Разработчики сделали упор на сложные агентные задачи, профессиональную разработку, программирование и глубокие исследования, отдельно отметив улучшенное автономное планирование и обработку обратной связи от среды — то есть более надёжное выполнение задач от начала до конца. Управлять «глубиной размышлений» можно через отдельный параметр.Свою модель Alibaba сравнивает с ведущими решениями — Claude Opus 4.8 и Claude Fable 5 от Anthropic, GPT-5.6 Sol от OpenAI, а также с предыдущей версией Qwen3.7-Max. По заявленным разработчиком результатам, в агентных задачах программирования новинка заметно прибавила относительно прошлой версии, а в ряде тестов общего назначения и профессиональных доменов (медицина, право, финансы) держится на уровне флагманов, местами опережая их, а местами уступая. Стоит учитывать, что это внутренние бенчмарки самой компании: они дают представление о возможностях модели, но не всегда отражают её поведение в реальных задачах, а единой модели «на все случаи» не существует.Важный нюанс: опубликованные на площадках Hugging Face и ModelScope веса — это базовая, дообученная версия модели. Более функциональный вариант Qwen3.8-Max, доступный через API, дополнительно умеет работать с изображениями, поддерживает контекст в 1 млн токенов и встроенные инструменты. При этом практическая ценность открытой версии для рядового пользователя ограничена ресурсами: запуск модели такого масштаба требует очень серьёзной серверной инфраструктуры, поэтому многие разработчики, вероятно, предпочтут облачный API вместо самостоятельного развёртывания. Тем не менее сам факт выхода сверхкрупной модели с триллионами параметров в открытый доступ показателен — возможности, прежде доступные только в проприетарных облачных нейросетях, постепенно приходят в open source.