Ответ на Kimi K3: зачем Alibaba выкатила 2,4-триллионную Qwen3.8

На конференции WAIC в Шанхае Alibaba представила Qwen3.8 — новую мультимодальную модель на 2,4 трлн параметров. По заявлению компании, архитектура уступает по производительности только Claude Fable 5, хотя независимых бенчмарков пока нет.

Куда интереснее другой анонс: разработчики пообещали в ближайшее время выложить веса Qwen3.8 в открытый доступ. Предыдущий флагман компании, Qwen3.7-Max, распространялся исключительно по API.

Если смотреть на релиз через призму инфраструктуры и рынка, вырисовывается вполне прагматичная картина. А теперь, давайте поподробнее.

Математика «открытых» весов

Если обещание будет выполнено, Qwen3.8 станет самой крупной ИИ-моделью с открытыми весами, когда-либо выпущенной Alibaba, и задаст новую планку для всего open-source сообщества. Но нужно понимать, что 2,4 триллиона параметров — это объем, который делает открытый доступ номинальным для 99% разработчиков.

В формате bf16 веса займут около 4,8 ТБ. Даже если квантовать модель до 4 бит (int4), потребуется порядка 1,2 ТБ видеопамяти только под сами веса. 

С учетом контекстного окна (KV-кэша) минимальный сетап для инференса такой модели — это кластер из 16–20 ускорителей класса H100 (по 80 ГБ). Капитальные затраты на такую инфраструктуру огромны, поэтому для тестов или дообучения подобных моделей бизнесу сегодня гораздо прагматичнее использовать готовые GPU-кластеры ^[1], чем сначала пытаться собрать их on-premise.

Динамика семейства Qwen за последние два года показывает, как быстро китайский бигтех заносит ресурсы в объемы: разработчики форсируют закон Мура, сменив постепенную эволюцию ^[2] на агрессивную циклическую стратегию.

График демонстрирует 33-кратный рост объема параметров флагманских ИИ-моделей: от Qwen2.5-72B до мультитриллионной Qwen3.8 (2400B). Если вас привлек локальный спад на Qwen3.5 (397B), то он отражает переход на более экономичную архитектуру MoE.

Выкатывая такие веса в паблик, Alibaba не целится в комьюнити. Это демонстрация вычислительных мощностей перед инвесторами и сигнал для рынка: компания может позволить себе отдавать бесплатно то, на инференс чего у других нет железа.

Каталог готовых ИИ-моделей

Сервис для запуска и управления LLM в облаке Selectel. Выберите модель, конфигурацию и получите готовый эндпоинт для работы с ней.

Подробнее → ^[3]

Экстенсивная гонка и реакция рынка

Китайский ИИ-рынок сейчас находится в фазе прямого наращивания объемов. За несколько дней до Alibaba стартап Moonshot AI показал Kimi K3 на 2,8 трлн параметров. Переход от 1 трлн (у Qwen3-Max полгода назад) к 2,4 трлн требует капитальных затрат на инфраструктуру.

Рынок отреагировал на это однозначно: акции Alibaba выросли на 5,4%, а вот котировки локальных конкурентов посыпались. Бумаги ИИ-стартапа Zhipu (одного из главных дебютантов Гонконгской биржи) упали суммарно на 44% за два торговых дня. Инвесторы понимают, что у стартапов нет инфраструктурного запаса прочности для поддержки моделей такого масштаба.

Интеграция с Apple

Параллельно с релизом Qwen3.8 стало известно, что ИИ-функции Apple Intelligence на территории Китая будут работать на технологиях Alibaba (использование OpenAI и собственных серверных моделей Apple там ограничено регулятором).

Получив монополию на экосистему Apple в регионе и задав неподъемную для стартапов планку по железу, Alibaba фактически фиксирует свой статус главного инфраструктурного провайдера на местном рынке.

А как вы оцениваете такой «open-source»? В гонке Kimi и Qwen останется ли место для локальной разработки, или эта эскалация просто быстрее схлопнет ИИ-пузырь? Делитесь мнением в комментариях — обсудим, кому на самом деле нужны открытые веса такого объема.