<div class="key-takeaways"><ul><li>Alibaba เปิดตัว Qwen3.8-Flash-Next โมเดล Multimodal MoE ขนาด 125B พร้อมพารามิเตอร์ใช้งานจริง 6B</li><li>โครงสร้างการทำงานใช้ MoE 512 ผู้เชี่ยวชาญ และรองรับบริบทเนทีฟสูงสุด 262,144 โทเค็น</li><li>ต้นทุนการฝึกอบรมลดลงเหลือราว 1 ใน 9 เมื่อเทียบกับรุ่น Qwen3.7-Plus</li><li>โหมดการคิดทำงานเป็นค่าเริ่มต้น พร้อมรองรับเฟรมเวิร์กยอดนิยมอย่าง vLLM และ SGLang</li></ul></div><p>ทีมพัฒนา Qwen จาก Alibaba ได้สร้างความฮือฮาให้กับวงการปัญญาประดิษฐ์อีกครั้งด้วยการปล่อยโมเดลรุ่นใหม่ล่าสุดในชื่อ Qwen3.8-Flash-Next ซึ่งถือเป็นตัวอย่างล่วงหน้าของสถาปัตยกรรม Qwen4 ที่กำลังจะมาถึง โมเดลนี้ถูกออกแบบมาเพื่อเน้นประสิทธิภาพและความคุ้มค่าในการประมวลผลขั้นสูง โดยขนาดไฟล์บนดิสก์พุ่งสูงถึง 180 พันล้านพารามิเตอร์ เนื่องจากประกอบด้วยโมเดลหลักขนาด 125 พันล้านพารามิเตอร์ พารามิเตอร์ N-gram embedding อีก 51 พันล้าน และโมดูลทำนายหลายโทเค็นขนาด 4 พันล้านพารามิเตอร์</p><p>แม้ขนาดโมเดลจะใหญ่โต แต่การเปิดใช้งานจริงกลับใช้พารามิเตอร์เพียง 6 พันล้านพารามิเตอร์ต่อหนึ่งโทเค็นเท่านั้น เนื่องจากการใช้กลไก Sparse activation ที่ช่วยลดภาระการคำนวณอย่างมหาศาลโดยไม่กระทบต่อขนาดการจัดเก็บข้อมูล โมเดลตัวนี้มีความต้องการฮาร์ดแวร์ระดับสูงในการรันบนระบบ โดยจุดตรวจสอบแบบ FP8 มีขนาดอยู่ที่ 172.78 GiB และ BF16 มีขนาดสูงถึง 335.28 GiB ซึ่งตามสูตรของ vLLM กำหนดให้ใช้ค่า TP2 เป็นขั้นต่ำสำหรับการรันบนชิป GB300 และแนะนำให้ใช้ TP4 ในขณะที่โหนด 8×H200 จำเป็นต้องใช้ TEP8</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/alibaba_qwen3_8_flash_next_moe_125b_mtad9n0j_inline_1_0da4b3d588.jpg" alt="computer processor microchip hardware" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><p>สถาปัตยกรรมเบื้องหลังความสำเร็จนี้ขับเคลื่อนด้วย 4 ปัจจัยสำคัญ โดยเลเยอร์ MoE บรรจุผู้เชี่ยวชาญ (experts) มากถึง 512 ตัว โดยจะเปิดใช้งานแบบ routed จำนวน 10 ตัว และแบบ shared อีก 1 ตัว ที่ขนาดมิติระดับกลางของผู้เชี่ยวชาญเท่ากับ 640 นอกจากนี้ตัวโมเดลยังรองรับความยาวบริบทพื้นฐาน (Native context) ที่ 262,144 โทเค็น และสามารถขยายเพิ่มได้สูงสุดถึง 1,000,000 โทเค็นผ่านเทคโนโลยี YaRN</p><div class="stat-row"><div class="stat-item"><span class="stat-number">180B</span><span class="stat-label">พารามิเตอร์รวมบนดิสก์</span></div><div class="stat-item"><span class="stat-number">6B</span><span class="stat-label">พารามิเตอร์ใช้งานต่อโทเค็น</span></div><div class="stat-item"><span class="stat-number">512</span><span class="stat-label">จำนวนผู้เชี่ยวชาญใน MoE</span></div></div><p>ในด้านผลการทดสอบประสิทธิภาพ Qwen3.8-Flash-Next ทำคะแนนบน DeepSWE 1.1 ได้ 58.7, บน SWE-bench Pro ได้ 62.5, SWE-bench Multilingual ได้ 81.0 และ LiveCodeBench v6 ทำได้ถึง 91.9 ส่วนงานด้านเอเจนต์ (Agentic tasks) ทำคะแนนบน CoWorkBench ได้ 73.9, JobBench ที่ 55.7 และ Toolathlon Verified ที่ 73.5 ด้านผลงานมัลติมีเดียทำคะแนนบน AndroidWorld ได้ 84.5, LVBench ที่ 76.6, RealWorldQA ที่ 88.5 และ MathVision (เมื่อใช้ร่วมกับ code interpreter) สูงถึง 95.7</p><div class="ai-insight"><p>การที่โมเดลตระกูล Flash เลือกใช้สถาปัตยกรรม MoE (Mixture of Experts) ควบคู่กับ Sparse activation ถือเป็นแนวทางหลักของวงการ LLM ยุคปัจจุบันในการแก้ปัญหาคอขวดด้านพลังงานและการประมวลผล การที่โมเดลขนาดใหญ่ระดับร้อยพันล้านพารามิเตอร์เลือกเปิดใช้งานพารามิเตอร์จริงเพียงเล็กน้อยต่อหนึ่งโทเค็น ช่วยให้ความเร็วในการตอบสนองสูงขึ้นอย่างก้าวกระโดดโดยยังคงรักษาความฉลาดของโมเดลไว้ได้ ซึ่งเทคนิคนี้กำลังกลายเป็นมาตรฐานใหม่ก่อนก้าวไปสู่เจเนอเรชันถัดไป</p></div><p>อย่างไรก็ตาม โมเดลไม่ได้เป็นผู้ชนะในทุกสนาม โดยในหัวข้อการทดสอบ Frontier reasoning อย่าง HLE นั้น Claude Opus 4.6 (Max) ทำคะแนนนำอยู่ที่ 40.0 ขณะที่ Qwen ทำได้ 35.9 และในหมวด NL2Repo-Bench ทาง DeepSeek-V4-Flash-0731 นำอยู่ด้วยคะแนน 54.2 เทียบกับ 48.1 ของ Qwen นอกจากนี้ Alibaba ยังระบุว่าต้นทุนในการฝึกอบรมโมเดลรุ่นนี้ลดลงเหลือเพียงประมาณ 1 ใน 9 ของรุ่น Qwen3.7-Plus เท่านั้น พร้อมทั้งทำความเร็วในการเสิร์ฟข้อมูลผ่านเคอร์เนล QSA ได้สูงถึง 7.6 เท่าสำหรับการ prefill และ 4.9 เท่าสำหรับการ decode ที่ 1 ล้านโทเค็น</p><p>สำหรับการใช้งานจริง โมเดลนี้รองรับการให้บริการผ่านเฟรมเวิร์กหลากหลาย เช่น vLLM, SGLang, TokenSpeed, transformers serve และ llama.cpp สำหรับการแปลงไฟล์ GGUF รวมถึงรองรับการปรับแต่งโมเดล (Fine-tuning) ผ่าน Unsloth, Swift และ LLaMA-Factory อีกทั้งยังถูกนำไปขับเคลื่อนโหมด "Standard" บนแพลตฟอร์ม QwenWork และทำงานร่วมกับ Qwen Code เรียบร้อยแล้ว โดยโหมดการคิด (Thinking mode) จะถูกเปิดใช้งานเป็นค่าเริ่มต้นพร้อมระดับความเข้มข้นที่ปรับได้</p><p class="source-attribution">ที่มา: <img src="https://www.google.com/s2/favicons?domain=www.marktechpost.com&sz=64" alt="MarkTechPost" class="source-logo" width="16" height="16" /> <a href="https://www.marktechpost.com/2026/08/26/alibabas-qwen-team-releases-qwen3-8-flash-next-a-125b-multimodal-moe-with-6b-active-parameters-previewing-the-qwen4-architecture/" target="_blank" rel="noopener noreferrer">MarkTechPost</a></p>

<div class="key-takeaways"><ul><li>Alibaba launches Qwen3.8-Flash-Next, a 125B multimodal MoE with 6B active parameters</li><li>Features 512 experts in the MoE layer and supports up to 1M native context with YaRN</li><li>Training costs reduced to roughly one-ninth compared to the previous Qwen3.7-Plus</li><li>Comes with default thinking mode and broad framework support including vLLM and SGLang</li></ul></div><p>Alibaba's Qwen team has officially rolled out its latest advanced model, Qwen3.8-Flash-Next, serving as a direct preview of the upcoming Qwen4 architecture. The new model combines a 125B main model, 51B N-gram embedding parameters, and a 4B multi-token prediction module, resulting in a total disk footprint of 180 billion parameters.</p><p>Despite its massive total size, the model activates only 6 billion parameters per token through sparse activation techniques, which cuts down compute requirements without sacrificing storage. Running the model requires substantial hardware resources: the FP8 checkpoint takes 172.78 GiB and the BF16 version requires 335.28 GiB. According to vLLM recipes, TP2 is the minimum validated FP8 configuration on GB300 chips, with TP4 recommended, while an 8×H200 node requires TEP8.</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/alibaba_qwen3_8_flash_next_moe_125b_mtad9n0j_inline_1_0da4b3d588.jpg" alt="computer processor microchip hardware" loading="lazy" /><p class="color-gray-500 text-sm mt-10">Stock photo for illustration only, not from the actual event</p></div><p>Four primary structural updates drive the model's performance. Its Mixture of Experts (MoE) layer carries 512 total experts, activating 10 routed experts alongside 1 shared expert at an intermediate dimension of 640. Furthermore, the model handles a native context length of 262,144 tokens, which is seamlessly extensible up to 1,000,000 tokens using YaRN technology.</p><div class="stat-row"><div class="stat-item"><span class="stat-number">180B</span><span class="stat-label">Total Disk Parameters</span></div><div class="stat-item"><span class="stat-number">6B</span><span class="stat-label">Active Parameters/Token</span></div><div class="stat-item"><span class="stat-number">512</span><span class="stat-label">Experts in MoE Layer</span></div></div><p>In benchmark evaluations, Qwen3.8-Flash-Next achieved 58.7 on DeepSWE 1.1, 62.5 on SWE-bench Pro, 81.0 on SWE-bench Multilingual, and 91.9 on LiveCodeBench v6. For agentic capabilities, it scored 73.9 on CoWorkBench, 55.7 on JobBench, and 73.5 on Toolathlon Verified. Multimodal test results include 84.5 on AndroidWorld, 76.6 on LVBench, 88.5 on RealWorldQA, and an impressive 95.7 on MathVision when paired with a code interpreter.</p><div class="ai-insight"><p>The widespread adoption of Mixture of Experts (MoE) architectures paired with sparse activation highlights an industry-wide shift toward balancing immense model capacity with operational efficiency. By scaling total parameter counts while keeping active computation per token low, developers can achieve breakthrough speeds and reasoning capabilities without triggering exponential hardware costs during inference.</p></div><p>However, the model does not lead across every single category. Frontier reasoning benchmarks show Claude Opus 4.6 (Max) leading HLE at 40.0 compared to Qwen's 35.9, while DeepSeek-V4-Flash-0731 outpaces it on NL2Repo-Bench with 54.2 versus 48.1. On the economic front, Alibaba reports that training costs dropped to roughly one-ninth of Qwen3.7-Plus, while serving speeds demonstrate QSA kernel speedups of up to 7.6× for prefill and 4.9× for decoding at 1M tokens.</p><p>For deployment, the model integrates natively with serving engines like vLLM, SGLang, TokenSpeed, transformers serve, and llama.cpp for GGUF quantizations. Fine-tuning is fully supported through frameworks such as Unsloth, Swift, and LLaMA-Factory. It already powers the Standard mode on QwenWork and operates directly alongside Qwen Code, with thinking mode enabled by default across customizable reasoning effort levels.</p><p class="source-attribution">Source: <img src="https://www.google.com/s2/favicons?domain=www.marktechpost.com&sz=64" alt="MarkTechPost" class="source-logo" width="16" height="16" /> <a href="https://www.marktechpost.com/2026/08/26/alibabas-qwen-team-releases-qwen3-8-flash-next-a-125b-multimodal-moe-with-6b-active-parameters-previewing-the-qwen4-architecture/" target="_blank" rel="noopener noreferrer">MarkTechPost</a></p>

medium_alibaba-เปิดตัว-qwen3-8-flash-next-โมเดล-moe-125b-mtad9n0j.jpg

small_alibaba-เปิดตัว-qwen3-8-flash-next-โมเดล-moe-125b-mtad9n0j.jpg

thumbnail_alibaba-เปิดตัว-qwen3-8-flash-next-โมเดล-moe-125b-mtad9n0j.jpg

alibaba-เปิดตัว-qwen3-8-flash-next-โมเดล-moe-125b-mtad9n0j.jpg

Alibaba เปิดตัว Qwen3.8-Flash-Next โมเดล Multimodal MoE ขนาด 125 พันล้านพารามิเตอร์ ทำงานจริงเพียง 6 พันล้านพารามิเตอร์ต่อโทเค็น พร้อมเผยโครงสร้างสถาปัตยกรรมล่วงหน้าก่อนเข้าสู่ยุค Qwen4

Alibaba's Qwen team has released Qwen3.8-Flash-Next, a 125B multimodal MoE model featuring 6B active parameters per token, previewing the upcoming Qwen4 architecture.

Alibaba เปิดตัว Qwen3.8-Flash-Next โมเดล MoE 125B

Alibaba Releases Qwen3.8-Flash-Next 125B MoE Model

<div class="key-takeaways"><ul><li>Alibaba ปล่อยน้ำหนักโมเดล Qwen3.8-Max บน Hugging Face เมื่อวันที่ 12 สิงหาคม 2026</li><li>ธุรกิจที่นำโมเดลไปให้บริการและมีรายได้เกิน 50 ล้านดอลลาร์ต้องทำสัญญาแบ่งรายได้</li><li>Moonshot AI จากปักกิ่งเคยใช้เงื่อนไขเก็บส่วนแบ่ง 30% กับโมเดล Kimi K3 มาก่อน</li><li>มาตรการใหม่นี้สร้างความเสี่ยงและความท้าทายท่ามกลางกระแสการแข่งขันของแล็บ AI จีน</li></ul></div><p>Alibaba ได้นำน้ำหนักโมเดล (Weights) ของ Qwen3.8-Max ซึ่งเป็นโมเดลปัญญาประดิษฐ์ระดับท็อปของบริษัทขึ้นสู่แพลตฟอร์ม Hugging Face เมื่อวันที่ 12 สิงหาคม 2026 เพื่อให้ผู้สนใจดาวน์โหลดไปติดตั้งใช้งานในดาต้าเซ็นเตอร์ของตนเองได้ อย่างไรก็ตาม การปล่อยโมเดลรอบนี้มาพร้อมกับเงื่อนไขทางการค้าแบบใหม่ที่ต่างจากรุ่นก่อนหน้า โดยกำหนดให้ธุรกิจที่นำโมเดลไปให้บริการต่อและทำรายได้ถึงเกณฑ์ที่กำหนดต้องเข้ามาทำสัญญาเชิงพาณิชย์และแบ่งรายได้ส่วนหนึ่งกลับให้กับ Alibaba</p><p>แหล่งข่าววงในเปิดเผยว่า ทางบริษัทตั้งใจจะเรียกเก็บส่วนแบ่งรายได้จากผู้ใช้งานรายใหญ่ของ Qwen3.8-Max แม้ว่าอัตราการจัดเก็บที่แท้จริงจะยังอยู่ในระหว่างการเจรจากับพาร์ตเนอร์แต่ละราย แต่ทิศทางดังกล่าวก็ชัดเจนว่าโมเดลที่เคยเปิดให้ดาวน์โหลดฟรีเริ่มมีเงื่อนไขทางการเงินเข้ามาเกี่ยวข้องแล้ว</p><p>สำหรับตัวโมเดลที่ปล่อยออกมาบน Hugging Face ใช้ชื่อว่า Qwen3.8-2.4T-A95B โดยมีพารามิเตอร์รวม 2.4 ล้านล้านตัว แต่ประมวลผลจริงเพียง 95 พันล้านตัว หรือราว 4% ต่อหนึ่งครั้งผ่านสถาปัตยกรรม Mixture-of-Experts (MoE) เวอร์ชันนี้ถูกตัดความสามารถด้านภาพออกและเน้นเฉพาะข้อความ พร้อมทั้งเป็นโมเดลระดับดาต้าเซ็นเตอร์ที่มีขนาดไฟล์ BF16 ราว 4.89 เทระไบต์ ต้องติดตั้งบนเครื่อง NVIDIA GB300 NVL72 ที่รวมชิป 72 ตัวในแร็กเดียว ทำให้กลุ่มเป้าหมายจำกัดอยู่แค่ผู้ให้บริการคลาวด์และองค์กรขนาดใหญ่เท่านั้น</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/alibaba_qwen3_8_max_mt37d9z7_inline_1_e908ee587e.jpg" alt="datacenter server hardware technology" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><p>สิ่งที่ Alibaba กำลังดำเนินการอยู่นี้ไม่ใช่เรื่องใหม่ในวงการ AI จีน เนื่องจาก Moonshot AI สตาร์ทอัพจากปักกิ่งได้ซุกเงื่อนไขลักษณะเดียวกันไว้ในไลเซนส์ของ Kimi K3 ตั้งแต่ช่วงกลางเดือนกรกฎาคม 2026 โดยกำหนดให้ธุรกิจที่ให้บริการ MaaS (Model as a Service) และมีรายได้รวมต่อปีเกิน 20 ล้านดอลลาร์ ต้องทำสัญญาเชิงพาณิชย์แยกต่างหาก รวมถึงต้องแสดงชื่อ Kimi K3 บนหน้าจอผลิตภัณฑ์หากมีผู้ใช้งานต่อเดือนเกิน 100 ล้านราย หรือมีรายได้เกิน 20 ล้านดอลลาร์ต่อเดือน</p><div class="stat-row"><div class="stat-item"><span class="stat-number">30%</span><span class="stat-label">สัดส่วนรายได้สูงสุดที่ Moonshot เรียกเก็บจากพาร์ตเนอร์</span></div><div class="stat-item"><span class="stat-number">50ล้าน$</span><span class="stat-label">เกณฑ์รายได้ 12 เดือนของ Alibaba ที่ต้องขอไลเซนส์เชิงพาณิชย์</span></div></div><p>แหล่งข่าวระบุว่าตัวเลขส่วนแบ่งที่ Moonshot เรียกเก็บนั้นสูงถึง 30% ของรายได้ และเริ่มมีดีลเกิดขึ้นจริงแล้ว เช่น Chinasoft International ที่แจ้งต่อตลาดหลักทรัพย์ฮ่องกงในเดือนกรกฎาคมว่าได้ทำข้อตกลงแบ่งรายได้จากโทเคนกับ Moonshot เพื่อสร้างโซลูชัน AI Agent สำหรับภาคพลังงาน ไฟฟ้า และการเงิน ส่งผลให้ราคาหุ้นของ Chinasoft พุ่งขึ้นกว่า 30% ภายในวันเดียว</p><p>เงื่อนไขของ Qwen3.8-Max เดินตามแนวทางเดียวกันแต่ขยับเกณฑ์ขึ้น โดยธุรกิจที่ให้บริการโมเดลหรือผู้ช่วย AI ที่มีรายได้ย้อนหลัง 12 เดือนเกิน 50 ล้านดอลลาร์ จำเป็นต้องขอไลเซนส์เชิงพาณิชย์แบบมีค่าใช้จ่าย ขณะที่การใช้งานภายในองค์กรยังคงทำได้ฟรี และเงื่อนไขการแสดงชื่อบนหน้าจอยังคงอิงเกณฑ์ผู้ใช้ 100 ล้านรายหรือรายได้ 20 ล้านดอลลาร์ต่อเดือนเช่นเดิม</p><blockquote class="pull-quote"><p>"เราจ่ายเพื่อร่วมงานกับแล็บที่ทำโมเดล Open-weight เหล่านี้ ให้มั่นใจว่าการนำไปติดตั้งใช้งานถูกปรับให้ดีที่สุด และจ่ายเพื่อได้เข้าถึงโมเดลเวอร์ชันถัดไปก่อนคนอื่น"</p><cite>Paddy Srinivasan, ประธานเจ้าหน้าที่บริหารของ DigitalOcean Holdings</cite></blockquote><div class="ai-insight"><p>กลยุทธ์การปรับเปลี่ยนจากโอเพนซอร์สแบบเปิดโล่งมาสู่โมเดลธุรกิจที่มีเงื่อนไขรายได้ สะท้อนให้เห็นถึงความพยายามของบรรดาแล็บ AI ในการสร้างรายได้ที่ยั่งยืนหลังจากทุ่มงบประมาณมหาศาลในการพัฒนา โมเดลธุรกิจแบบ Freemium ในลักษณะนี้ช่วยให้บริษัทเทคโนโลยีสามารถขยายฐานผู้ใช้งานในวงกว้างได้อย่างรวดเร็วก่อนจะเริ่มสร้างรายได้จากลูกค้าองค์กรขนาดใหญ่ แต่ในขณะเดียวกันก็สร้างความท้าทายเรื่องการแข่งขันกับทางเลือกอื่นๆ ที่ยังคงเปิดให้ใช้งานฟรีโดยไม่มีเงื่อนไขซับซ้อน</p></div><p class="source-attribution">ที่มา: <img src="https://www.google.com/s2/favicons?domain=techsauce.co&sz=64" alt="Techsauce" class="source-logo" width="16" height="16" /> <a href="https://techsauce.co/ai/alibaba-qwen3-8-max-open-weight-revenue-share" target="_blank" rel="noopener noreferrer">Techsauce</a></p>

<div class="key-takeaways"><ul><li>Alibaba uploaded Qwen3.8-Max model weights to Hugging Face on August 12, 2026</li><li>Businesses generating over $50 million must secure paid commercial licenses</li><li>Beijing-based Moonshot AI previously introduced a similar 30% revenue share for Kimi K3</li><li>The new policy introduces strategic risks and shifts in the open-weight AI landscape</li></ul></div><p>Alibaba has released the model weights for Qwen3.8-Max, its most advanced AI model, on Hugging Face on August 12, 2026, allowing entities to deploy it within their own data centers. However, this release introduces unprecedented commercial conditions compared to previous Qwen models. Businesses that utilize the model to provide services and hit specific revenue thresholds are now required to enter into commercial agreements and share a portion of their revenue back with Alibaba.</p><p>Sources familiar with the company's plans indicate that Alibaba aims to extract revenue shares from major users of Qwen3.8-Max. Although exact rates remain under negotiation with individual partners, the strategic direction is clear: freely downloadable models are beginning to carry financial strings attached.</p><p>The published Hugging Face artifact is designated as Qwen3.8-2.4T-A95B, featuring a total of 2.4 trillion parameters while activating only 95 billion parameters per inference pass via a Mixture-of-Experts (MoE) architecture. Stripped of vision capabilities to focus purely on text, the model requires a data center setup with BF16 weights totaling roughly 4.89 terabytes and deployment on NVIDIA GB300 NVL72 hardware containing 72 GPUs per rack, targeting cloud providers and large enterprises directly.</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/alibaba_qwen3_8_max_mt37d9z7_inline_1_e908ee587e.jpg" alt="datacenter server hardware technology" loading="lazy" /><p class="color-gray-500 text-sm mt-10">Stock photo for illustration only, not from the actual event</p></div><p>Alibaba's approach is not entirely unprecedented in China, as Beijing startup Moonshot AI embedded similar terms into the license for Kimi K3 upon its release in mid-July 2026. Under Moonshot's terms, entities offering Model as a Service (MaaS) with over $20 million in annual revenue must execute separate commercial contracts, while products exceeding 100 million monthly active users (MAU) or $20 million in monthly revenue must visibly display the Kimi K3 brand.</p><div class="stat-row"><div class="stat-item"><span class="stat-number">30%</span><span class="stat-label">Maximum revenue share percentage collected by Moonshot</span></div><div class="stat-item"><span class="stat-number">$50M</span><span class="stat-label">Alibaba's 12-month trailing revenue threshold for commercial licenses</span></div></div><p>Sources report that Moonshot's revenue cut reaches up to 30%, with concrete deals already materializing. Chinese IT services firm Chinasoft International announced to the Hong Kong Stock Exchange in July that it formed a token-based revenue-sharing agreement with Moonshot to build AI agent solutions for energy, power, and financial sectors, sending Chinasoft shares up over 30% in a single day.</p><p>Alibaba's Qwen3.8-Max license follows this exact framework while raising the bar. Businesses offering model services or AI assistants with trailing 12-month revenues exceeding $50 million must purchase a paid commercial license. Internal enterprise usage without exposing capabilities to third parties remains free, and branding requirements are triggered at 100 million monthly users or $20 million in monthly revenue.</p><blockquote class="pull-quote"><p>"We pay to work with the labs making these open-weight models, to make sure the deployment is optimized, and to get early access to the next generation of models."</p><cite>Paddy Srinivasan, Chief Executive Officer of DigitalOcean Holdings</cite></blockquote><div class="ai-insight"><p>The transition from pure open-source accessibility to conditional revenue-sharing models highlights how top AI labs are striving for sustainable monetization after heavy infrastructure investments. This freemium-style approach allows companies to rapidly capture user adoption before extracting value from large commercial clients, though it introduces new competitive dynamics against alternative models that remain entirely free.</p></div><p class="source-attribution">Source: <img src="https://www.google.com/s2/favicons?domain=techsauce.co&sz=64" alt="Techsauce" class="source-logo" width="16" height="16" /> <a href="https://techsauce.co/ai/alibaba-qwen3-8-max-open-weight-revenue-share" target="_blank" rel="noopener noreferrer">Techsauce</a></p>

medium_article-3682.jpg

small_article-3682.jpg

thumbnail_article-3682.jpg

article-3682.jpg

Alibaba ปล่อยโมเดล AI Qwen3.8-Max บน Hugging Face พร้อมเงื่อนไขใหม่บังคับธุรกิจรายใหญ่แบ่งรายได้ เดินรอยตาม Moonshot AI

Alibaba launches Qwen3.8-Max on Hugging Face, imposing revenue-sharing terms for large enterprises mirroring Moonshot AI.

Alibaba ปล่อยโมเดล Qwen3.8-Max พร้อมเงื่อนไขแบ่งรายได้

Alibaba Releases Qwen3.8-Max with Revenue Share Terms

<div class="key-takeaways"><ul><li>Apple พัฒนาโมเดล AI สำหรับตลาดจีนร่วมกับ Alibaba</li><li>การจับมือข้ามชาติครั้งนี้เกิดขึ้นก่อนการเปิดตัว Apple Intelligence</li><li>Apple ได้ลงทะเบียนบริการ AI บนอุปกรณ์กับหน่วยงานกำกับดูแลของจีนแล้ว</li></ul></div><p>Apple ได้ดำเนินการฝึกฝนโมเดลปัญญาประดิษฐ์แบบเฉพาะสำหรับตลาดประเทศจีนโดยร่วมมือกับยักษ์ใหญ่ด้านเทคโนโลยีในท้องถิ่นอย่าง Alibaba นับเป็นความร่วมมือข้ามพรมแดนที่หาได้ยากยิ่ง ท่ามกลางความตึงเครียดทางการค้าระหว่างกรุงวอชิงตันและกรุงปักกิ่งที่นับวันยิ่งเพิ่มสูงขึ้น</p><p>รายงานจากสำนักข่าวรอยเตอร์ส (Reuters) ซึ่งอ้างอิงแหล่งข่าววงในที่ไม่เปิดเผยนามสามราย ระบุว่าโมเดลภาษาขนาดใหญ่หรือ Large Language Model ที่มุ่งเน้นตลาดจีนโดยเฉพาะนี้ ได้รับการพัฒนาขึ้นด้วยความช่วยเหลือและการสนับสนุนด้านการฝึกฝนจาก Alibaba</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/apple_alibaba_ai_mssu6hvy_inline_1_f2f75e5f57.jpg" alt="smartphone mobile device technology China" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><p>การพัฒนาโมเดลเฉพาะของตนเองเช่นนี้ถือเป็นการปรับเปลี่ยนกลยุทธ์ครั้งสำคัญของ Apple ในประเทศจีน เนื่องจากในอดีตบริษัทมักเลือกใช้บริการโมเดลปัญญาประดิษฐ์ของบริษัทจีนในท้องถิ่นเพื่อขับเคลื่อนฟีเจอร์ GenAI บนอุปกรณ์ที่วางจำหน่ายในประเทศ เนื่องจากโมเดลจากสหรัฐอเมริกาอย่าง ChatGPT ของ OpenAI ไม่สามารถใช้งานได้ในจีน การสร้างโมเดลเองจึงช่วยให้ Apple สามารถควบคุมผลิตภัณฑ์ของตนเองในตลาดสมาร์ทโฟนแดนมังกรที่มีการแข่งขันกันอย่างดุเดือดได้มากขึ้น</p><div class="ai-insight"><p>ความเคลื่อนไหวดังกล่าวสะท้อนให้เห็นถึงกลยุทธ์การปรับตัวของบริษัทเทคโนโลยีสัญชาติอเมริกาที่จำเป็นต้องพึ่งพาพาร์ทเนอร์ท้องถิ่นเพื่อฝ่าด่านกฎระเบียบที่เข้มงวดของจีน โดยเฉพาะข้อบังคับที่กำหนดให้โมเดล AI ทุกตัวต้องผ่านการอนุมัติและขึ้นทะเบียนกับรัฐบาลก่อนเปิดให้บริการสาธารณะ ซึ่งหากทำสำเร็จ Apple จะกลายเป็นบริษัทสัญชาติอเมริกาแห่งแรกที่ได้รับอนุญาตให้นำเสนอโมเดล AI ที่เป็นกรรมสิทธิ์ของตนเองในประเทศจีน</p></div><p>รายงานชิ้นนี้เผยแพร่ในช่วงเวลาที่ Apple กำลังเตรียมตัวปล่อยบริการ Apple Intelligence สู่ตลาดจีน โดยแหล่งข่าวระบุว่าบริการดังกล่าวจะเกิดขึ้นในอีกไม่กี่เดือนข้างหน้านี้ หลังจากมีการอัปเดตระบบปฏิบัติการ iOS โดยเมื่อเดือนที่ผ่านมา Apple ได้ทำการลงทะเบียนบริการ AI แบบออนดีไวซ์กับหน่วยงานกำกับดูแลด้านไซเบอร์สเปซของจีนอย่างเป็นทางการแล้ว ซึ่งถือเป็นการก้าวผ่านอุปสรรคด้านกฎระเบียบครั้งสำคัญก่อนการวางจำหน่ายจริง</p><p>อย่างไรก็ตาม ทาง Apple ยังไม่ได้ออกมาให้ความเห็นใดๆ ต่อคำขอสัมภาษณ์จากทางสำนักข่าว The Verge ในทันที</p><p class="source-attribution">ที่มา: <img src="https://www.google.com/s2/favicons?domain=www.theverge.com&sz=64" alt="The Verge" class="source-logo" width="16" height="16" /> <a href="https://www.theverge.com/ai-artificial-intelligence/980160/apple-intelligence-china-custom-ai-model-alibaba" target="_blank" rel="noopener noreferrer">The Verge</a></p>

<div class="key-takeaways"><ul><li>Apple developed a custom AI model for China in partnership with Alibaba.</li><li>This cross-border collaboration comes ahead of the Apple Intelligence rollout.</li><li>Apple has registered its on-device AI service with Chinese regulators.</li></ul></div><p>Apple has reportedly trained a custom artificial intelligence model for the Chinese market alongside domestic tech giant Alibaba, marking a rare cross-border partnership that cuts across growing geopolitical tensions between Washington and Beijing.</p><p>According to Reuters, which cited three unnamed sources familiar with the matter, the China-focused large language model was developed in collaboration with Alibaba and trained utilizing the company's direct support.</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/apple_alibaba_ai_mssu6hvy_inline_1_f2f75e5f57.jpg" alt="smartphone mobile device technology China" loading="lazy" /><p class="color-gray-500 text-sm mt-10">Stock photo for illustration only, not from the actual event</p></div><p>Developing a proprietary model represents a notable shift from Apple's historical strategy in the region. Previously, the company relied on pre-existing domestic Chinese models to power generative AI features on devices sold locally, as American models like OpenAI's ChatGPT are unavailable. Building its own model grants Apple enhanced product control within China's fiercely competitive smartphone sector.</p><div class="ai-insight"><p>This development highlights the complex regulatory hurdles American tech firms face in navigating Beijing's strict compliance landscape. In China, all artificial intelligence models must undergo official government registration and clearance prior to public release. Securing this approval would position Apple as the first US company permitted to offer its own proprietary AI model in the country.</p></div><p>The report emerges as Apple prepares to deploy Apple Intelligence within China. Insiders told Reuters that the rollout is anticipated in the coming months following an upcoming iOS software update. Last month, Apple officially registered its on-device generative AI service with China's cyberspace regulator, successfully clearing a major regulatory barrier for the device release.</p><p>Apple did not immediately respond to requests for comment from The Verge regarding the partnership.</p><p class="source-attribution">Source: <img src="https://www.google.com/s2/favicons?domain=www.theverge.com&sz=64" alt="The Verge" class="source-logo" width="16" height="16" /> <a href="https://www.theverge.com/ai-artificial-intelligence/980160/apple-intelligence-china-custom-ai-model-alibaba" target="_blank" rel="noopener noreferrer">The Verge</a></p>

medium_apple-alibaba-ai-mssu6hvy.jpg

small_apple-alibaba-ai-mssu6hvy.jpg

thumbnail_apple-alibaba-ai-mssu6hvy.jpg

apple-alibaba-ai-mssu6hvy.jpg

Apple ร่วมมือกับบริษัทยักษ์ใหญ่ของจีนอย่าง Alibaba เพื่อฝึกฝนโมเดลปัญญาประดิษฐ์เฉพาะสำหรับตลาดจีน ท่ามกลางความตึงเครียดทางภูมิรัฐศาสตร์

Apple has reportedly partnered with Chinese tech giant Alibaba to train a custom artificial intelligence model tailored for the Chinese market.

Apple จับมือ Alibaba พัฒนาโมเดล AI เฉพาะสำหรับตลาดจีน

Apple Trained Custom AI Model for China with Alibaba Support

<div class="key-takeaways"><ul><li>อาลีบาบาเตรียมเพิ่มข้อกำหนดแบ่งปันรายได้สำหรับโมเดล Qwen รุ่นโอเพนซอร์สถัดไป</li><li>มาตรการใหม่มุ่งเป้าไปที่บริษัทขนาดใหญ่ที่นำโมเดลไปให้บริการเป็นบริการ (Model-as-a-Service)</li><li>แนวทางนี้คล้ายคลึงกับโมเดลของ Moonshot ผู้พัฒนา AI สัญชาติจีนรายอื่น</li></ul></div><p>บริษัทเทคโนโลยีรายใหญ่อย่างอาลีบาบา (Alibaba) กำลังวางแผนที่จะนำข้อกำหนดการแบ่งปันรายได้มาใช้กับกลุ่มผู้ใช้งานเชิงพาณิชย์บางราย สำหรับโมเดลปัญญาประดิษฐ์แบบเปิดน้ำหนัก (open-weight AI) รุ่นถัดไปในตระกูล Qwen โดยข้อมูลดังกล่าวอ้างอิงจากสำนักข่าวรอยเตอร์ (Reuters) ซึ่งได้รับข้อมูลมาจากแหล่งข่าววงในสองรายที่ทราบแผนงานของบริษัท</p><p>ข้อตกลงดังกล่าวจะกำหนดให้บริษัทขนาดใหญ่ที่สร้างรายได้จากการนำโมเดลนี้ไปเปิดให้บริการในรูปแบบโมเดลเป็นบริการ (Model-as-a-Service) ต้องเข้ามาทำข้อตกลงทางการค้ากับอาลีบาบาอย่างเป็นทางการ อย่างไรก็ตาม แหล่งข่าวระบุว่าอัตราการแบ่งปันรายได้ที่แน่นอนนั้นยังไม่ได้ข้อสรุปที่สิ้นสุดในขณะนี้</p><p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/alibaba_qwen_msj5lddw_inline_1_32d8481d43.jpg" alt="cloud computing data center server racks" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div></p><p>ที่ผ่านมา อาลีบาบามักจะคิดค่าบริการกับนักพัฒนาที่เข้าถึงโมเดลผ่านแพลตฟอร์มคลาวด์ของบริษัท ขณะที่เปิดกว้างให้ลูกค้าทั่วไปสามารถนำโมเดลโอเพนซอร์สไปติดตั้งใช้งานในศูนย์ข้อมูลของตนเองได้โดยไม่ต้องเสียค่าธรรมเนียมลิขสิทธิ์ ซึ่งรูปแบบที่กำลังจะเสนอนี้จะแตกต่างไปจากสัญญาอนุญาตใช้งานของโมเดล Qwen3 ในปัจจุบัน ที่ทางบริษัทระบุว่าเผยแพร่ภายใต้สัญญาอนุญาต Apache 2.0 ซึ่งอนุญาตให้ใช้งานในเชิงพาณิชย์ ดัดแปลง และแจกจ่ายได้ภายใต้เงื่อนไขที่กำหนด</p><div class="ai-insight"><p>การขยับตัวของอาลีบาบาครั้งนี้สะท้อนให้เห็นถึงความพยายามของบริษัทผู้พัฒนา AI ในจีนที่จะสร้างโมเดลธุรกิจที่ยั่งยืน นอกเหนือจากการแจกจ่ายโมเดลโอเพนซอร์สให้ใช้งานฟรี การกำหนดเงื่อนไขส่วนแบ่งรายได้สำหรับผู้ให้บริการรายใหญ่ช่วยให้ผู้พัฒนาต้นน้ำสามารถสร้างรายได้กลับมาลงทุนในการพัฒนาโมเดลรุ่นต่อไปที่มีต้นทุนมหาศาล ขณะเดียวกันก็ยังคงรักษาฐานนักพัฒนาและผู้ใช้งานทั่วไปไว้ได้ผ่านการเปิดให้น้ำหนักโมเดลสามารถดาวน์โหลดได้</p></div><p>แนวทางที่อาลีบาบากำลังพิจารณานี้มีความใกล้เคียงกับรูปแบบการให้สิทธิ์ใช้งานที่ Moonshot ผู้พัฒนา AI อีกรายจากประเทศจีน ได้นำมาใช้กับ Kimi K3 โมเดลแบบเปิดน้ำหนักที่เพิ่งเปิดตัวไปเมื่อเดือนก่อน ซึ่งมีเงื่อนไขแยกต่างหากสำหรับบริษัทที่ดำเนินธุรกิจโมเดลเป็นบริการที่มีรายได้เกินกว่าเกณฑ์ที่กำหนด</p><p class="source-attribution">ที่มา: <img src="https://www.google.com/s2/favicons?domain=www.artificialintelligence-news.com&sz=64" alt="AI News" class="source-logo" width="16" height="16" /> <a href="https://www.artificialintelligence-news.com/news/alibaba-qwen-open-source-ai-revenue-sharing/" target="_blank" rel="noopener noreferrer">AI News</a></p>

<div class="key-takeaways"><ul><li>Alibaba plans revenue-sharing terms for commercial users of its upcoming Qwen open-weight model.</li><li>The arrangement targets larger companies generating revenue by offering the model as a service.</li><li>This mirrors similar licensing strategies adopted by fellow Chinese AI developer Moonshot.</li></ul></div><p>Alibaba is planning to introduce revenue-sharing terms for certain commercial users of its next open-weight AI model under the Qwen series, according to Reuters, citing two people familiar with the company's internal plans.</p><p>The proposed arrangement would require larger enterprises that generate revenue by offering the model as a service to establish a formal commercial agreement with Alibaba. Sources noted that the exact revenue-sharing rate has not yet been finalised.</p><p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/alibaba_qwen_msj5lddw_inline_1_32d8481d43.jpg" alt="cloud computing data center server racks" loading="lazy" /><p class="color-gray-500 text-sm mt-10">Stock photo for illustration only, not from the actual event</p></div></p><p>Previously, Alibaba has charged developers to access models hosted via its cloud platform while generally allowing customers to deploy its open-source models within their own data centers without licensing fees. This upcoming arrangement differs from the current Qwen3 open-weight models, which Alibaba releases under the Apache 2.0 license permitting commercial use, modification, and redistribution under specific conditions.</p><div class="ai-insight"><p>Alibaba's shift highlights the evolving economic realities of open-source AI development. While making model weights publicly downloadable helps drive adoption, training frontier models requires immense capital. Implementing revenue-sharing tiers for high-earning commercial deployment services allows original creators to capture value from downstream commercial success while keeping the core technology accessible.</p></div><p>Alibaba's proposed framework closely resembles the licensing model implemented by Chinese AI developer Moonshot for Kimi K3, an open-weight model released last month, which imposes distinct conditions on companies operating Model-as-a-Service businesses above specific revenue thresholds.</p><p class="source-attribution">Source: <img src="https://www.google.com/s2/favicons?domain=www.artificialintelligence-news.com&sz=64" alt="AI News" class="source-logo" width="16" height="16" /> <a href="https://www.artificialintelligence-news.com/news/alibaba-qwen-open-source-ai-revenue-sharing/" target="_blank" rel="noopener noreferrer">AI News</a></p>

medium_alibaba-qwen-msj5lddw.jpg

small_alibaba-qwen-msj5lddw.jpg

thumbnail_alibaba-qwen-msj5lddw.jpg

alibaba-qwen-msj5lddw.jpg

อาลีบาบาเตรียมใช้เงื่อนไขแบ่งปันรายได้กับผู้ใช้งานเชิงพาณิชย์รายใหญ่ในโมเดลโอเพนซอร์ส Qwen รุ่นถัดไป

Alibaba plans to introduce revenue-sharing terms for commercial users of its next open-weight Qwen AI model.

Alibaba เตรียมปรับโมเดลธุรกิจ Qwen จ่อเก็บส่วนแบ่งรายได้จากบริษัทใหญ่

Alibaba Tests New Business Model for Qwen Open-Source AI

<div class="key-takeaways"><ul><li>Alibaba เปิดตัว Qwen3.8-Max โมเดล MoE ขนาด 2.4 ล้านล้านพารามิเตอร์</li><li>รองรับ Context Window สูงสุด 1 ล้านโทเค็น และ Output สูงสุด 131K โทเค็น</li><li>มีรุ่น Qwen3.8-27B สำหรับใช้งานบนฮาร์ดแวร์ On-Premise ทั่วไป</li><li>ค่าบริการ API เริ่มต้นที่ $2.00 ต่อ 1 ล้านอินพุตโทเค็น และ $6.00 ต่อ 1 ล้านเอาต์พุตโทเค็น</li></ul></div><p>Alibaba ได้ประกาศเปิดตัวโมเดลปัญญาประดิษฐ์รุ่นใหม่ล่าสุดในชื่อ Qwen3.8-Max ซึ่งนับเป็นโมเดลที่มีความสามารถสูงที่สุดในตระกูล Qwen เท่าที่เคยพัฒนามา โดยมาพร้อมสถาปัตยกรรม Mixture of Experts (MoE) ที่มีจำนวนพารามิเตอร์รวมกันสูงถึง 2.4 ล้านล้านพารามิเตอร์ ทำให้มีความสามารถในการประมวลผลที่ลึกซึ้งและรองรับงานที่มีความซับซ้อนสูงได้อย่างมีประสิทธิภาพ</p><p>ในแง่ของการนำไปใช้งาน โมเดลดังกล่าวถูกแบ่งออกเป็นสองรูปแบบหลัก โดย API แบบโฮสต์เปิดให้บริษัททุกขนาดสามารถใช้งานได้ทันที รองรับการทำงานร่วมกับระบบของ OpenAI และ DashScope ทำให้การเปลี่ยนผ่านทำได้ง่ายเพียงแค่เปลี่ยน Base URL และ Model ID เท่านั้น ในขณะที่ตัวโมเดลแบบ Open Weights มีขนาดใหญ่ระดับ 2.4T พารามิเตอร์ ซึ่งจำเป็นต้องใช้โครงสร้างพื้นฐานระดับศูนย์ข้อมูลหลายโหนด (Multi-node Datacenter) และทาง Alibaba ยังไม่ได้เปิดเผยจำนวนพารามิเตอร์ที่ทำงานจริง (Activated Parameters) ทำให้ยังไม่สามารถคำนวณต้นทุนการรันเซิร์ฟเวอร์ได้อย่างแม่นยำ อย่างไรก็ตาม ทางทีมงานได้ออกโมเดล Qwen3.8-27B มาพร้อมกันเพื่อให้สามารถรันบนฮาร์ดแวร์ GPU ทั่วไปในองค์กรได้</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/alibaba_qwen3_8_max_moe_2_4_qwen_msd4saoe_inline_1_90a5e6b042.jpg" alt="advanced artificial intelligence futuristic server rack" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><p>ความสามารถของโมเดลชุดนี้ถูกออกแบบมาเพื่อตอบโจทย์ 4 อุตสาหกรรมหลัก ได้แก่ วิศวกรรมซอฟต์แวร์, การตรวจสอบเอกสารทางกฎหมายและการเงิน, งานด้านสื่อและอีคอมเมิร์ซ รวมถึงงานออกแบบ โดยตัวอย่างการใช้งานจริงครอบคลุมตั้งแต่เอเจนต์เขียนโค้ดระดับคลังข้อมูล (Repository-scale), ฐานความรู้สำหรับเอกสารขนาดยาว, การจัดทำดัชนีวิดีโอยาว, การดึงข้อมูลที่มีโครงสร้าง ไปจนถึงผู้ช่วยวิจัยหลายขั้นตอน</p><div class="stat-row"><div class="stat-item"><span class="stat-number">2.4T</span><span class="stat-label">พารามิเตอร์รวม (MoE)</span></div><div class="stat-item"><span class="stat-number">1M</span><span class="stat-label">โทเค็น Context Window</span></div><div class="stat-item"><span class="stat-number">131K</span><span class="stat-label">โทเค็น Maximum Output</span></div></div><p>ทางด้านขีดจำกัดและสเปคทางเทคนิค โมเดลระบุ Context Window ไว้ที่ 1 ล้านโทเค็น โดยอินพุตสูงสุดอยู่ที่ 991,000 โทเค็น และจะลดลงเหลือ 983,000 โทเค็นเมื่อเปิดใช้งานโหมดการคิด (Thinking mode) ส่วนเอาต์พุตสูงสุดอยู่ที่ 131,000 โทเค็นทั้งสองโหมด พร้อมงบประมาณการใช้เหตุผลสูงสุด 262,000 โทเค็น อัตราการเรียกใช้งานจำกัดไว้ที่ 2 ล้านโทเค็นต่อนาที และ 15,000 รีเควสต์ต่อนาที</p><div class="ai-insight"><p>การเปิดตัว Qwen3.8-Max สะท้อนให้เห็นถึงการแข่งขันอย่างดุเดือดในตลาดโมเดลภาษาขนาดใหญ่ (LLM) ระดับท็อปเทียร์ ที่ไม่เพียงแต่มุ่งเน้นเรื่องจำนวนพารามิเตอร์ที่สูงถึงระดับล้านล้านเท่านั้น แต่ยังให้ความสำคัญกับสถาปัตยกรรม MoE เพื่อช่วยบริหารต้นทุนการประมวลผล รวมถึงการจัดการ Context Window ขนาดใหญ่ระดับ 1 ล้านโทเค็น เพื่อให้ AI สามารถเข้าใจและประมวลผลเอกสารขนาดยาวหรือโปรเจกต์โค้ดขนาดใหญ่ได้ในคราวเดียว ซึ่งเป็นกุญแจสำคัญในการนำ AI ไปประยุกต์ใช้ในระดับองค์กรจริง</p></div><p>สำหรับอัตราค่าบริการ API คิดอยู่ที่ 2.00 ดอลลาร์สหรัฐต่อ 1 ล้านอินพุตโทเค็น และ 6.00 ดอลลาร์สหรัฐต่อ 1 ล้านเอาต์พุตโทเค็น การอ่านแคชแบบ Implicit มีราคา 0.25 ดอลลาร์ต่อ 1 ล้านโทเค็น ขณะที่การสร้างแคชแบบ Explicit อยู่ที่ 2.50 ดอลลาร์ และการอ่านแคชแบบ Explicit อยู่ที่ 0.17 ดอลลาร์ต่อ 1 ล้านโทเค็น เนื่องจากอินพุตที่ถูกแคชไว้มีราคาถูกกว่าอินพุตปกติถึง 8 เท่า ความเสถียรของคำนำหน้า (Prefix stability) จึงส่งผลต่อต้นทุนมากกว่าความยาวของพรอมต์ นอกจากนี้ โมเดลยังรองรับความสามารถอื่นๆ เช่น Function Calling, Structured Outputs, Batches, Prefix Completion และ Fine-tuning พร้อมเครื่องมือในตัวอีก 5 ชนิดบน Responses API ได้แก่ Code Interpreter, Web Search, Web Extractor, T2I Search และ I2I Search</p><p class="source-attribution">ที่มา: <img src="https://www.google.com/s2/favicons?domain=www.marktechpost.com&sz=64" alt="MarkTechPost" class="source-logo" width="16" height="16" /> <a href="https://www.marktechpost.com/2026/08/03/alibaba-qwen-releases-qwen3-8-max/" target="_blank" rel="noopener noreferrer">MarkTechPost</a></p>

<div class="key-takeaways"><ul><li>Alibaba announces Qwen3.8-Max, a 2.4 trillion parameter MoE model</li><li>Supports up to a 1M-token context window and 131K maximum output tokens</li><li>Includes the Qwen3.8-27B checkpoint designed for ordinary on-premise GPUs</li><li>API pricing starts at $2.00 per 1M input tokens and $6.00 per 1M output tokens</li></ul></div><p>Alibaba has officially introduced its newest artificial intelligence model, Qwen3.8-Max, marking the most capable release in the Qwen family to date. Built on a Mixture of Experts (MoE) architecture, the model boasts a staggering total of 2.4 trillion parameters, engineered to handle complex reasoning tasks and deep contextual understanding at scale.</p><p>Deployment options vary depending on the specific artifact being applied. The hosted API is readily deployable for organizations of any size, offering OpenAI- and DashScope-compatible integration where switching requires only a base-URL and model-ID change. Conversely, the open-weight checkpoint sits at 2.4 trillion parameters, functioning as a multi-node datacenter asset. Because Alibaba has not disclosed the activated-parameter count, exact serving costs cannot yet be modeled. To bridge this gap for local infrastructure, the Qwen3.8-27B checkpoint is provided to fit standard on-premise GPU hardware.</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/alibaba_qwen3_8_max_moe_2_4_qwen_msd4saoe_inline_1_90a5e6b042.jpg" alt="advanced artificial intelligence futuristic server rack" loading="lazy" /><p class="color-gray-500 text-sm mt-10">Stock photo for illustration only, not from the actual event</p></div><p>The published feature set directly addresses four key industries: software engineering, legal and financial document review, media and e-commerce operations, and design. Intended applications range from repository-scale coding agents and long-document knowledge bases to long-video indexing, structured data extraction, and multi-step research assistants.</p><div class="stat-row"><div class="stat-item"><span class="stat-number">2.4T</span><span class="stat-label">Total MoE Parameters</span></div><div class="stat-item"><span class="stat-number">1M</span><span class="stat-label">Token Context Window</span></div><div class="stat-item"><span class="stat-number">131K</span><span class="stat-label">Maximum Output Tokens</span></div></div><p>Technical specifications outline a 1M-token context window capability, with a maximum input of 991K tokens that drops slightly to 983K when thinking is enabled. Maximum output reaches 131K tokens across both modes, backed by a reasoning budget of up to 262K tokens. Rate limits are capped at 2 million tokens per minute and 15,000 requests per minute.</p><div class="ai-insight"><p>The rollout of Qwen3.8-Max highlights the ongoing industry push toward ultra-large MoE architectures that balance massive parameter scales with optimized inference economics. By offering both cloud-hosted APIs and a smaller 27B local variant, Alibaba is targeting a broad spectrum of deployment needs—from enterprise-grade cloud integration to specialized on-premise execution—while leveraging advanced caching mechanics to manage operational expenses efficiently.</p></div><p>Pricing for the API is structured at $2.00 per 1 million input tokens and $6.00 per 1 million output tokens. Implicit cache reads cost $0.25 per 1 million tokens, while explicit cache creation and reads are priced at $2.50 and $0.17 per 1 million tokens, respectively. Because cached input runs eight times cheaper than fresh input, prefix stability plays a more significant role in driving overall costs than raw prompt length. Supported features include function calling, structured outputs, batches, prefix completion, and fine-tuning, alongside five built-in tools on the Responses API: code_interpreter, web_search, web_extractor, t2i_search, and i2i_search.</p><p class="source-attribution">Source: <img src="https://www.google.com/s2/favicons?domain=www.marktechpost.com&sz=64" alt="MarkTechPost" class="source-logo" width="16" height="16" /> <a href="https://www.marktechpost.com/2026/08/03/alibaba-qwen-releases-qwen3-8-max/" target="_blank" rel="noopener noreferrer">MarkTechPost</a></p>

medium_article-1343.jpg

small_article-1343.jpg

thumbnail_article-1343.jpg

article-1343.jpg

Alibaba ส่ง Qwen3.8-Max โมเดลขนาดใหญ่ 2.4 ล้านล้านพารามิเตอร์ รองรับ Context Window 1 ล้านโทเค็น พร้อมเปิดให้ใช้งานผ่าน API และเผยโฉมรุ่น 27B สำหรับฮาร์ดแวร์ทั่วไป

Alibaba launches Qwen3.8-Max, a 2.4 trillion parameter Mixture of Experts model featuring a 1M-token context window, flexible API pricing, and a smaller 27B variant for local hardware.

Alibaba เปิดตัว Qwen3.8-Max โมเดล MoE 2.4 ล้านล้านพารามิเตอร์ ทรงพลังที่สุดในตระกูล Qwen

Alibaba Qwen Releases Qwen3.8-Max: A 2.4 Trillion Parameter MoE Model

Inewgen

Inewgen

#Alibaba

Alibaba เปิดตัว Qwen3.8-Flash-Next โมเดล MoE 125B

Inewgen

Alibaba ปล่อยโมเดล Qwen3.8-Max พร้อมเงื่อนไขแบ่งรายได้

Inewgen

Apple จับมือ Alibaba พัฒนาโมเดล AI เฉพาะสำหรับตลาดจีน

Inewgen

Alibaba เตรียมปรับโมเดลธุรกิจ Qwen จ่อเก็บส่วนแบ่งรายได้จากบริษัทใหญ่

Inewgen

Alibaba เปิดตัว Qwen3.8-Max โมเดล MoE 2.4 ล้านล้านพารามิเตอร์ ทรงพลังที่สุดในตระกูล Qwen

Inewgen