Si vous suivez la vague estivale 2026 des modèles chinois de pointe et devez décider si Qwen3.8-Max mérite une place en API de production, un statut « en attente des poids » ou une priorité derrière Kimi K3 et DeepSeek V4, cet article couvre chronologie, spécifications, confrontation directe et zones d'ombre. Réponse courte sur l'ouverture : pas encore — Alibaba a tagué le modèle « Open-Source » le jour du GA (3 août), mais aucun dépôt Hugging Face n'existe, et chaque benchmark provient du harness interne du fournisseur.
Chronologie : ce qui est livré — et ce qui ne l'est pas
- 16 juillet : Moonshot AI lance Kimi K3 (MoE 2,8T).
- 19 juillet : Preview Qwen3.8-Max à 10 % du tarif final, sans nombre de paramètres actifs.
- 27 juillet : Kimi K3 publie ses poids sur Hugging Face.
- 31 juillet : DeepSeek V4-Flash dépasse V4-Pro sur neuf benchmarks agentiques sans ajouter de paramètres.
- 3 août : GA de Qwen3.8-Max, produit agent « Qwen Office ». Action Alibaba +7 % (HK).
- « La semaine prochaine » (~10 août) : poids Qwen3.8-Max et Qwen3.8-27B promis — pas de repo ni de licence.
Sur l'Arena Text Arena (snapshot du 1er août) : #5 à 1 496 points (Preliminary) — seul modèle non-Anthropic du top 8. Tous les scores sont exécutés par le vendeur.
Les chiffres publiés par Alibaba
| Spécification | Qwen3.8-Max |
|---|---|
| Paramètres totaux / actifs | 2,4T / 95B |
| Architecture | MoE sparse + attention hybride |
| Contexte | 1M tokens |
| Tarif API | $2 / $6 par million input/output |
| Arena Text | #5, 1 496 pts (Preliminary) |
| Poids ouverts | promis, non publiés |
Ce que signifient réellement 2,4 billions de paramètres
Seuls 95B paramètres s'activent par token — le coût d'inférence suit le nombre actif, d'où $2/$6 face à Claude Opus 5 ($5/$25) et Fable 5 ($10/$50). reasoning_effort propose low/medium/xhigh via enable_thinking ou reasoning.effort compatible Anthropic.
- Vérifier la compatibilité API OpenAI/Anthropic.
- Choisir
reasoning_effortselon la tâche pour maîtriser les coûts. - Attendre Qwen3.8-27B pour un déploiement local réaliste.
- Lancer des tests A/B sur votre propre charge.
- Surveiller le dépôt Hugging Face et la licence.
- Benchmarker contre Kimi K3 et DeepSeek V4 déjà ouverts.
Qwen3.8-Max vs Kimi K3 vs DeepSeek V4 vs Claude
| Modèle | Prix (in/out) | Poids ouverts | Benchmark indép. |
|---|---|---|---|
| Qwen3.8-Max | $2 / $6 | promis | aucun |
| Kimi K3 | $3 / $15 | 27 juillet | Artificial Analysis ≈ 57,11 |
| DeepSeek V4-Flash | non publié intégralement | oui | 9 benches > V4-Pro |
| Claude Fable 5 | $10 / $50 | fermé | Arena Text #1 |
Seul test indépendant en aveugle (269 fichiers, architecture) : Kimi K3 83, Qwen3.8-Max-Preview 80 — match serré. Contexte tarifaire : baisse de prix GPT-5.6.
Faits vérifiables et sources
- Efficacité MoE : 2,4T total / 95B actifs (matériel Alibaba).
- Arena : snapshot 1er août, #5, Preliminary (Arena.ai).
- Test aveugle : 83 vs 80 (tiers, non Alibaba).
Arena.ai — classements publics
Alibaba Cloud — annonces et tarifs
Le problème du label open source
- Tag « Open-Source » au GA, poids absents.
- Tous les benchmarks exécutés en interne.
- Preview sans paramètres actifs ni model card.
FAQ
Qwen3.8-Max est-il open source aujourd'hui ?
Non. API disponible, poids absents de Hugging Face/ModelScope. « Semaine prochaine » sans date fixe.
Comparaison avec Kimi K3 ?
83 vs 80 en test aveugle — quasi-égalité. Kimi K3 a des poids publics ; Qwen3.8-Max offre une API moins chère et plus multimodale.
Tant que les poids et les reproductions indépendantes ne sont pas là, valider Qwen3.8-27B ou des workflows agent sur du vrai Apple Silicon demande souvent un hôte physique dédié, réinitialisable à la demande — un profil où le Mac mini cloud de VMSPIN (location à la journée, MDM, SSH + VNC) s'inscrit naturellement dans les flux créateurs et développeurs Apple. Voir aussi guide location Mac mini M4 et tarifs.