Oggi il team Qwen rilascia ufficialmente Qwen3.8-Max, il modello più capace della famiglia fino ad ora. E per la prima volta apriranno i pesi di un modello di classe Max — la settimana prossima su Hugging Face e ModelScope.
2,4 trilioni di parametri. Sì, quella cifra che fa girare la testa. Di cui 95 miliardi attivi. E non è il solito annuncio pieno di promesse: Qwen3.8-Max scrive codice autonomamente per giorni, porta a termine progetti complessi dall’inizio alla fine, e lo fa con una coerenza che fino a ieri sembrava fuori portata. Coding, ricerca, lavoro d’ufficio, task che si allungano per settimane — il modello non si limita a rispondere, consegna risultati finiti.
Dieci giorni di codice autonomo, senza pause
Partiamo dal caso più impressionante. Qwen3.8-Max ha costruito da zero il progetto oh-my-cli e, nell’arco di oltre 10 giorni di esecuzione continua, ha creato un harness auto-evolutivo. Niente intervento umano: il modello raccoglie feedback dagli utenti, implementa best practice dalla community, esegue i propri test, normalizza i requisiti in issue GitHub, li assegna ad agenti, scrive il codice, lo testa, lo integra. Un loop ingegneristico completo.
Il sistema funziona così: ogni nuova richiesta diventa una issue su GitHub. Una macchina a stati la prende in carico e la muove attraverso gli stati ready → leased → active. Una volta completata l’implementazione, partono i test end-to-end e i controlli CI. Se tutto passa, il PR viene mergiato. Se qualcosa va storto, il sistema lo rileva, torna indietro sulla issue o sul PR rilevante, corregge e ri-verifica.
Al 30 luglio 2026 — quindi circa 16 giorni dopo l’avvio — il repository aveva accumulato 265 commit, 127 pull request e 151 issue. Tutto generato autonomamente da un’AI che continua a evolvere senza supervisione.
Il vero colpo: riprodurre un paper scientifico e migliorarlo
Hanno dato a Qwen3.8-Max un paper di ricerca recente — ‘Unified Data Selection for LLM Reasoning’ — e gli hanno chiesto: riproduci l’esperimento in codice, poi prova a fare meglio. Il paper affronta un problema praticissimo: quando hai più dati di quanti ne puoi permetterti di usare in training, quali esempi tieni? La risposta del paper: tieni quelli pieni di ‘hard decision points’, i momenti in cui il modello era davvero incerto su quale strada prendere.
Il trucco? Qwen3.8-Max partiva da zero. Solo il paper e un set di GPU. Niente codice di partenza, niente pipeline pronta. Gli script di pre-processing, il codice di training, il setup di evaluation — tutto scritto da zero. Esattamente il tipo di lavoro che richiede giorni a un ingegnere esperto.
In circa cinque giorni (~125 ore di lavoro continuo), il modello ha scritto circa 7.600 righe di codice, eseguito oltre 1.100 azioni e lanciato 33 round di training su GPU. Prima ha speso ~37 ore a ricostruire l’intera pipeline del paper da zero, riproducendo i suoi sei principali risultati — ripetutamente fine-tuning un modello Qwen3-8B sui dati selezionati e confermando i guadagni sui benchmark matematici più difficili (per esempio, il metodo del paper batte la selezione casuale di +7,7% su AIME24).
Poi è andato oltre. Nei successivi ~88 ore ha eseguito un loop di ricerca auto-migliorante — formula un’ipotesi → scrivi il codice → eseguilo sulle GPU → analizza → riprova — inventando e testando 18 idee di miglioramento proprie in quattro round. I risultati di ogni round alimentavano le ipotesi del round successivo. Diagnosticando cosa andava storto in ogni tentativo, alla fine ha evoluto un nuovo metodo che batte l’approccio del paper stesso: +2,7 punti su AIME24, un benchmark matematico di livello competitivo.
Battere centinaia di team umani in 24 ore
Hanno poi iscritto Qwen3.8-Max a una competizione online reale — il WWW2025 Multimodal Dialogue Intent Recognition Challenge, ospitato su Tianchi di Alibaba Cloud, con 526 team umani in gara. L’obiettivo: leggere chat di customer service — sia il testo che gli screenshot — e capire correttamente cosa vuole il cliente.
Lavorando completamente da solo e con un limite rigoroso di 24 ore, Qwen3.8-Max ha letto le regole della competizione e costruito una soluzione completa in codice. Per il testo, ha fatto fine-tuning ed ensemble di diversi modelli linguistici cinesi — BERT, MacBERT, RoBERTa. Per gli screenshot dei prodotti, ha fatto fine-tuning di un modello vision-language, Qwen2.5-VL-7B, supportato da un modello Chinese-CLIP per le immagini di cui il modello principale era incerto. Poi ha fuso tutto in un sistema di voto pesato, calibrando quanto dovesse contare il voto di ciascun modello tramite cross-validation e aggiungendo votanti extra per le immagini per rompere i pareggi.
Attraverso 45 submission — ogni round di feedback guidava il round successivo di fine-tuning e ri-pesatura — l’accuratezza è salita costantemente da 0,60 a un finale 0,853, battendo 458 dei 526 team umani (l’87% del campo).
Lavoro vero: dall’ufficio alla finanza, fino al chip design
Qwen3.8-Max non è solo coding. È lavoro vero — i task disordinati, multi-step, pieni di tool che riempiono la giornata lavorativa in quasi ogni professione. Hanno testato la sua capacità di delivery su centinaia di professioni ad alto valore economico. Qualche esempio rappresentativo:
Avvocato compliance aziendale — Qwen3.8-Max ha individuato 1.284 clausole rilevanti in un corpus di centinaia di documenti in un solo passaggio, completando l’intera revisione in meno di un’ora. Una revisione del genere richiede tipicamente a un team di paralegal che lavora in collaborazione circa una settimana.
UI/UX designer — Ha prodotto un prototipo interattivo ad alta fedeltà per l’app di digital banking NOVA — 8 schermate con un design system coerente, consegnato al primo colpo con zero round di revisione umana, contro i 3–5 round di revisione di un workflow convenzionale.
Fondatore di un brand di ristorazione — Ha letto oltre cento brief di fornitori di ingredienti e prodotto un menu completo di 26 piatti in un passaggio. Ogni piatto è annotato con il suo valore calorico medio e la provenienza degli ingredienti, con il rapporto food-cost mantenuto al 33,8%. Uno sviluppo menu del genere richiederebbe normalmente a uno chef e a un team operativo settimane di test iterativi di ricette, calcoli dei costi e affinamenti.
Ingegnere strutturale — Da un singolo set di disegni, ha ricostruito il modello strutturale sismico di una torre per uffici di 30 piani nel browser, con periodo naturale, taglio alla base e rapporto di drift inter-piano tutti disponibili per ispezione in tempo reale al passaggio del mouse. In un workflow tradizionale, un ingegnere dovrebbe costruire il modello manualmente in software di modellazione specializzato, impiegando tipicamente oltre una settimana.
Analista dati sportivi — Ha analizzato ~8.400 possessi offensivi/difensivi per giocatore in un profilo tattico pronto all’uso e report per l’allenatore in decine di minuti. Un team di analytics tradizionale dovrebbe completare manualmente segmentazione tattica, attribuzione causale e scrittura del report — un processo che tipicamente richiede diversi giorni lavorativi.
Design autonomo di chip e ottimizzazione a feedback chiuso
Quando si affrontano task altamente complessi, a lungo orizzonte e multi-vincolo, Qwen3.8-Max dimostra una pianificazione autonoma eccezionale a livello di sistema e apprendimento adattivo end-to-end a circuito chiuso. Che si tratti di vincoli fisici stringenti nel design di chip digitali o simulazioni di business altamente competitive e strategiche, il modello raggiunge un refactoring algoritmico e strategico profondo attraverso migliaia di round di interazione tramite un loop azione-feedback-iterazione.
Qwen3.8-Max ha eseguito autonomamente l’intero flusso di design del silicio, dalla ristrutturazione logica all’ottimizzazione multi-vincolo, fino alla generazione del layout fisico. Il design target è un acceleratore hardware crittografico GCD/RSA che integra esponenziazione modulare e moltiplicazione modulare. Sotto un framework di verifica cocotb randomizzato, il modello deve mantenere la correttezza funzionale bit-exact attraverso configurazioni a 4, 6, 8 e 16 bit minimizzando il gate count sintetizzato (Yosys cell count) — un affrontare diretto del classico trade-off tra area e correttezza nel design hardware front-end.
In un singolo run autonomo continuo, Qwen3.8-Max ha completato circa 500 turni e 71 valutazioni attraverso 13 milestone chiave, eseguendo una ristrutturazione end-to-end del design. Il modello ha gestito autonomamente editing RTL, debug di simulazione, analisi di sintesi, localizzazione di ridondanze e ri-architecting iterativo del datapath — avanzando dal fixing iniziale dei bug fino a riscritture profonde a livello algoritmico. Mentre il suo primo design funzionalmente valido misurava 8.298 gate, Qwen3.8-Max lo ha ridotto a 678 gate, superando tutti i modelli valutati.
E-commerce: 365 giorni di simulazione, 4,16x di ritorno
E-Commerce Bench è un benchmark di simulazione operativa e-commerce a ciclo lungo di 365 giorni. Costruito su dati transazionali reali e desensibilizzati da Taobao e Tmall, replica profondamente un ecosistema complesso con 12 tipi di negozi, 60 categorie di prodotti, quasi 600 fornitori e 7.000 prodotti. Al modello vengono dati ¥100.000 di capitale iniziale per gestire simultaneamente più negozi online.
Qwen3.8-Max ha dimostrato capacità di apprendimento continuo nelle negoziazioni. Ha condotto sondaggi approfonditi sugli stessi prodotti dagli stessi fornitori, ottenendo riduzioni progressive nei prezzi di approvvigionamento e aumenti costanti del profitto round dopo round. Inoltre, ha navigato efficacemente i rischi nascosti sotto la superficie. Nella matrice di quasi 600 fornitori, il benchmark aveva incorporato segretamente 152 commercianti fraudolenti, comprendendo pattern di truffa classici come ‘trappole delle quote associative’, ‘esca a basso prezzo’ e ‘prodotti non come descritto’.
Qwen3.8-Max ha alla fine raggiunto il saldo totale più alto di ¥416.252 (un ritorno 4,16x), superando il secondo classificato GLM 5.2 del 38%. Questo rappresenta anche un miglioramento del 152% rispetto alla sua precedente generazione flagship, Qwen3.7-Max.
Agenti multimodali: dalla visione all’azione
Da tutto ciò che vede a tutto ciò che fa, Qwen3.8-Max non è semplicemente capace di comprendere immagini, documenti e video. Fornisce un’intelligenza visiva che attraversa l’intero ciclo di vita del task.
Quando lavora con report finanziari e PDF complessi di oltre 200 pagine, può comprendere testo, grafici e layout del documento attraverso le pagine, estrarre insight chiave da grandi volumi di informazioni e trasformarli in report strutturati o esperienze web pronte per la produzione. Quando elabora video più lunghi di 100 ore, può fare più che localizzare momenti specifici e rispondere a domande dettagliate. Può organizzare persone, eventi, timestamp e scene in un grafo di memoria video, costruendo continuamente connessioni attraverso lunghi intervalli di tempo per ricostruire progressioni di eventi, relazioni tra personaggi e momenti critici.
Oltre a comprendere, Qwen3.8-Max può eseguire task di produzione visiva reali. Può editare filmati personali in un vlog, trasformare una domanda in un’animazione educativa immersiva, ricostruire un progetto frontend completo da un singolo screenshot di interfaccia, trasformare una planimetria in una visualizzazione interna 3D basata su Blender, e sviluppare giochi e applicazioni interattive da una richiesta in linguaggio naturale.
Più importante ancora, la visione non è limitata alla fase di input. Durante l’esecuzione, Qwen3.8-Max osserva e valuta continuamente i propri risultati intermedi. Può ispezionare layout di pagina, orientamenti di oggetti, relazioni spaziali, qualità delle animazioni e risultati di interazione. Quando rileva problemi — come una televisione rivolta nella direzione sbagliata, un’interfaccia disallineata o un risultato visivo che non corrisponde al design previsto — può identificare la deviazione, rivedere il suo piano e correggere l’output autonomamente.
RecreationBench: l’agente ibrido che ricrea app dal nulla
Nel mondo digitale, finire un task complesso da solo spesso richiede due cose contemporaneamente: scrivere codice per implementare la logica sottostante e operare l’interfaccia a mano per guidare il task e osservare il risultato. Questa capacità di Hybrid Agent — l’accoppiamento di coding e operazione GUI — rende i due canali complementari: il coding fa il lavoro pesante in modo efficiente e su scala, mentre l’operazione GUI raggiunge qualsiasi cosa un umano possa vedere e toccare e, altrettanto importante, fornisce feedback su ciò che realmente accade in un sistema live.
Per misurare questo, introducono RecreationBench, un benchmark di ricreazione applicativa a lungo orizzonte che abbraccia cinque piattaforme — desktop (Ubuntu, macOS, Windows), mobile (Android) e web. Il modello può osservare un’applicazione reale in esecuzione solo come una scatola nera — niente codice sorgente, niente accesso a internet — dandole senso puramente attraverso interazione e feedback, poi ricostruendo l’intera applicazione da zero. Qui Qwen3.8-Max dimostra già capacità di Hybrid Agent a livello frontier, convergendo sull’originale passo dopo passo attraverso cicli ripetuti di coding iterativo e feedback interattivo.
Disponibile ora via API, pesi open source la prossima settimana
Qwen3.8-Max è disponibile ora tramite QwenCloud. Si integra con i framework di agenti più popolari e assistenti di coding — Claude Code, Codex, Qoder CLI, Qwen Code, OpenClaw. Supporta il protocollo API OpenAI e Anthropic, quindi lo si può usare praticamente ovunque.
E viene con un parametro reasoning_effort che si può usare per regolare la profondità del ragionamento e controllare i costi: xhigh (default) per task complessi che richiedono analisi approfondita, medium per bilanciare accuratezza e velocità, low per ragionamento efficiente ottimizzando per velocità e costo.
I pesi — tutti i 2,4 trilioni di parametri — arriveranno la prossima settimana su Hugging Face e ModelScope. Open source, come promesso. Il primo modello di classe Max rilasciato con pesi aperti. Questo significa che chiunque potrà scaricarlo, modificarlo, fine-tunarlo, usarlo commercialmente. Apache 2.0 — che tradotto significa: fateci quello che volete.
I benchmark? Qwen3.8-Max batte o eguaglia Claude Opus 4.8, Fable 5, GPT 5.6 Sol e Gemini 3.1 Pro su decine di test — coding agent, general agent, multimodal reasoning, visual agent, document intelligence, video intelligence. Su Terminal Bench 2.1 fa 86,6. Su PaperBench 93,0. Su RecreationBench 51,7. Su VideoMME con sottotitoli 90,4. Non sono numeri di marketing, sono risultati verificabili.
Il team Qwen invita la community a dare feedback e vedere cosa costruirete. Perché un modello così — capace di lavorare autonomamente per giorni, di auto-correggersi, di consegnare risultati finiti — non è solo un benchmark migliore. È una nuova categoria di strumento.
