Qwen3.8: Alibaba's Gok van 2,4T Open Gewichten, en Wat We Echt Weten

Qwen3.8 is Alibaba's nieuwe vlaggenschipmodel met 2,4 biljoen parameters, aangekondigd op 19 juli 2026, met open gewichten die "binnenkort" beloofd zijn en een Max-Preview die je vandaag al kunt aanroepen. Wat het niet heeft, is ook maar één gepubliceerde benchmark. Alibaba positioneert het als "op één na het beste, na Fable 5" — dat is de eigen claim van de leverancier, geen gemeten resultaat, en dat verschil weegt hier zwaarder dan gewoonlijk.

Wat Alibaba Daadwerkelijk Heeft Aangekondigd

Alles wat over Qwen3.8 geverifieerd is, herleidt tot één bron: Alibaba's aankondiging van 19 juli 2026. Dit is wat er daadwerkelijk staat:

• Qwen3.8 bestaat, met 2,4 biljoen parameters
• De gewichten worden "binnenkort" open gesteld — zonder vastgestelde datum
• Qwen3.8-Max-Preview is nu live
• Toegang verloopt via Alibaba's Token Plan, Qoder en QoderWork
• Alibaba omschrijft het model als "een van de krachtigste modellen die vandaag beschikbaar zijn, vergelijkbaar met toonaangevende frontier-AI-modellen, op één na het beste, na Fable 5"

Dat laatste punt is positionering, geen resultaat. Houd die twee strikt gescheiden.

De timing verdient een moment aandacht. Qwen3.8 is de vierde frontier-lancering in elf dagen — Grok 4.5 op 8 juli, GPT-5.6 op 9 juli, en nu dit. Het komt bovendien vier dagen nadat Chinese toezichthouders op 15 juli de Apple-Alibaba Qwen-integratie goedkeurden, dus de aandacht voor het Qwen-merk was al flink opgelaaid toen de aankondiging naar buiten kwam.

Qwen3.8 versus Qwen3-8B: niet hetzelfde model

Goed om dit meteen recht te zetten, want zoekmachines gooien de twee momenteel op één hoop. Qwen3.8 is Alibaba's vandaag aangekondigde vlaggenschip met 2,4 biljoen parameters. Qwen3-8B is een dense model met 8 miljard parameters uit de Qwen3-serie, al sinds 2025 te downloaden via Hugging Face. De namen lijken op elkaar, maar qua omvang zit er een factor 300 tussen.

Wat We Weten versus Wat We (Nog) Niet Weten

Niemand weet nu al hoe goed Qwen3.8 werkelijk is — inclusief de artikelen die beweren van wel. Daarom hier drie strikt gescheiden categorieën.

Qwen3.8 bevestigde feiten (officieel van Alibaba, 19-07-2026)

Qwen3.8 benchmarks, prijzen en specificaties: wat niet gepubliceerd is

Geen modelkaart en geen OpenRouter-vermelding is het sterkste bewijs dat de open gewichten écht nog niet zijn uitgebracht.

Gelabelde proxy: Qwen3.7-Max (voorganger — niet Qwen3.8)

Elk cijfer hieronder hoort bij Qwen3.7-Max, de vorige generatie. Niets hiervan is een Qwen3.8-resultaat en niets is een voorspelling. Het staat hier zodat je weet met wat voor lab je te maken hebt bij deze claim.

2,4 Biljoen Parameters: Het Grootste Open-Weight-Model Ooit Beloofd

Qwen3.8 heeft 2,4 biljoen parameters, volgens Alibaba's aankondiging. Als Alibaba die gewichten daadwerkelijk uitbrengt, is het model ruwweg 1,5x groter dan elk open-weight-model dat tot nu toe is uitgebracht — de huidige recordhouder is DeepSeek V4 Pro met 1,6T. Al het andere in het open veld zit ruim onder de biljoen.

Eén kanttekening voordat je te enthousiast wordt van die balk. Alibaba heeft het aantal actieve parameters of de mixture-of-experts-configuratie niet bekendgemaakt, dus 2,4T is een krantenkopcijfer, geen rekencijfer. Ter vergelijking: van DeepSeek V4 Pro's 1,6T worden slechts ongeveer 49 miljard parameters per token geactiveerd — ruwweg 3% van het netwerk — en dát is waarom het model tegen een enigszins redelijke kostprijs draait. Een sparse model van 2,4T en een dense model van 2,4T zijn totaal verschillende dieren om te hosten, en op dit moment weten we niet welke van de twee dit is. Wil je de actuele stand van zaken in dit veld, dan houden we bij waar Qwen nu al staat tussen de open-source LLM's, en geeft GLM 5.2, de andere grote Chinese open-weight-release, je een idee van hoe dit niveau eruitziet zodra het daadwerkelijk uitkomt.

Qwen3.8 Open Gewichten: De Ommekeer Waar Niemand Het Over Heeft

Alibaba heeft open gewichten beloofd voor Qwen3.8, maar heeft geen datum of licentie aangekondigd. Dat klinkt routineus, tot je naar de familiegeschiedenis kijkt — precies het stuk dat de meeste dag-één-berichtgeving zal overslaan.

Alibaba heeft twee generaties lang bewust een tweedeling opgebouwd: open-weight werkpaarden voor iedereen, een gesloten vlaggenschip aan de top.

Dan belooft Qwen3.8 open gewichten op frontier-niveau. Lees die volgorde nog eens: Alibaba hield de vlaggenschip-laag twee generaties lang gesloten, en zegt nu het grootste model dat het ooit heeft gebouwd, open te stellen.

Als het gebeurt, is dat een echte strategische ommekeer, en dat is hier het werkelijke nieuws — niet het aantal parameters. Het zet bovendien echte druk op elk gesloten-weight-lab dat "de frontier-laag blijft gesloten" tot nu toe als een vaststaande sectornorm beschouwde.

De eerlijke kanttekening: de licentie is niet aangekondigd. Apache 2.0 bij 3.5 en 3.6 is een bemoedigend precedent, en een precedent is geen toezegging. Een restrictieve community-licentie op 2,4T zou technisch nog steeds als "open gewichten" gelden, terwijl het wél verandert wat je er daadwerkelijk mee mag doen.

Kun Je Qwen3.8 Zelf Daadwerkelijk Draaien? (Eerlijk Antwoord: Nee)

Nee — niet op consumentenhardware, en realistisch gezien ook niet binnen het GPU-budget van je startup, zelfs niet nadat de gewichten uitkomen. Zelfs DeepSeek-V3.2 met 685B wordt door mensen die het zelf hebben gedaan omschreven als een reëel infrastructuurproject om zelf te hosten. Qwen3.8 is ruwweg 3,5x zo groot.

Dus "open gewichten" bij 2,4T betekent niet dat jij dit zelf draait. Wat het je wél oplevert:

• Inference-providers kunnen het hosten, wat prijsconcurrentie oplevert, wat je kosten per token laat dalen
• Soevereine, gereguleerde en air-gapped implementaties worden voor het eerst mogelijk op dit niveau
• Onderzoekers en fine-tuners krijgen toegang tot een basismodel op frontier-schaal
• Het betekent niet dat het draait op jouw machine, je ene A100, of realistisch gezien het GPU-budget van je startup

Op dit moment is de Preview alleen beschikbaar via door Alibaba beheerde kanalen, en onder China's Wet op de Nationale Inlichtingendienst is Alibaba verplicht mee te werken aan verzoeken om data van de overheid. Vooral Qoder ligt onder een vergrootglas bij westerse beoordelaars op het gebied van veiligheid.

De nuance die niemand met elkaar verbindt: die zorg geldt de gehoste API, niet zelfgehoste gewichten die draaien op Amerikaanse of Europese infrastructuur. En precies daarom is de belofte van open gewichten — niet de Preview — de helft van deze aankondiging die er echt toe doet voor iedereen met verplichtingen rond dataresidentie.

Als je daarmee rekening houdt in je planning: ons overzicht van frameworks voor het bouwen op open-weight-modellen behandelt de orkestratielaag die je klaar wilt hebben staan voordat de gewichten er zijn.

Hoe Je Qwen3.8-Max-Preview Vandaag Kunt Uitproberen

Qwen3.8-Max-Preview is nu live. Er zijn drie toegangswegen, allemaal beheerd door Alibaba:

1. Token Plan — Alibaba's gebundelde API-toegang
2. Qoder — Alibaba's codeeromgeving
3. QoderWork — Alibaba's agent-omgeving

Wat nu beschikbaar is versus wat nog komt

Aanroepen vanuit code

Qwen3.7-Max ondersteunde zowel de OpenAI- als de Anthropic-API-specificaties, dus een base-URL-wissel volstond. De compatibiliteit van Qwen3.8 is onbevestigd — beschouw dit als het patroon om te verifiëren, niet als een werkende endpoint.

# Qwen3.7-Max-tijdperk patroon. Qwen3.8-Max-Preview's API-oppervlak en model-ID
# zijn ONBEVESTIGD - controleer de huidige Alibaba Cloud-documentatie voordat je dit in productie neemt.
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["DASHSCOPE_API_KEY"],
    base_url="https://dashscope-intl.aliyuncs.com/compatible-mode/v1",
)

resp = client.chat.completions.create(
    model="qwen3.8-max-preview",
    messages=[{"role": "user", "content": "Refactor this function for readability."}],
)
print(resp.choices[0].message.content)

Omdat het een OpenAI-vormige client is, past hij ongewijzigd in de meeste harnasses — inclusief de codeer-agents waar je dit daadwerkelijk op zou aansluiten. Wil je dat het bij je eigen systemen kan komen, dan kun je je eigen tools ontsluiten via een MCP-server en de agent daarnaartoe wijzen.

Qwen3.8 API-prijzen: wat het zou kunnen kosten

Er is geen Qwen3.8-prijs gepubliceerd. Het enige verdedigbare referentiepunt is de voorganger: $2,50 in / $7,50 uit per miljoen tokens, met 90% korting op cached input (Qwen3.7-Max-cijfer). Een 3.8 met vergelijkbare prijsstelling zou uitkomen op ruwweg de helft van GPT-5.6 Sol en een kwart van Fable 5. Dat is een referentiepunt, geen voorspelling — en lees de volgende sectie voordat je hier een business case op bouwt.

Qwen3.8 versus Claude Fable 5: Hoe Serieus Moet Je Alibaba's Claim Nemen?

Alibaba zegt dat Qwen3.8 "op één na het beste is, na Fable 5." Geen enkele gepubliceerde benchmark onderbouwt dat — het is positionering, geen gemeten resultaat. Hier is de eerlijke lezing in beide richtingen.

Het argument om het enigszins serieus te nemen. Qwen3.7-Max scoorde een onafhankelijk gemeten 56,6 op de Artificial Analysis Intelligence Index — 5e overall en het hoogst genoteerde Chinese model (beide Qwen3.7-Max-cijfers). Een lab met die voorganger dat zegt dat zijn volgende model op één na het beste is, na Fable 5, doet geen overduidelijk absurde claim — dat is een andere situatie dan een nieuwkomer die frontier-pariteit claimt.

Het argument ertegen. Het is door de leverancier zelf gerapporteerd, zonder benoemde benchmark, zonder methodologie en zonder onafhankelijke evaluatie. En de Fable 5-benchmarklat waar Alibaba naar mikt is 80,4 op SWE-Bench Pro — en dat is niet dezelfde benchmark als Qwen3.7-Max's 80,4 op SWE-bench Verified. Identiek cijfer, andere test, andere moeilijkheidsgraad. Op SWE-Bench Pro — de ene benchmark die ze daadwerkelijk delen — scoorde Qwen3.7-Max 60,6 (Qwen3.7-Max-cijfer), ruwweg 20 punten achter. Wie de twee 80,4's als een gelijkspel presenteert, is óf in de war óf hoopt dat jij dat bent. We zagen hetzelfde patroon onlangs bij het laatste model dat frontier-pariteit claimde op basis van leverancierscijfers.

Eén valkuil voor je kostenmodel: Qwen-modellen genereren doorgaans meer output-tokens per taak dan vergelijkbare modellen. Qwen3.5-27B verbruikte 98M output-tokens bij het voltooien van de Artificial Analysis Intelligence Index, tegenover 56M voor MiniMax-M2.5 en 61M voor DeepSeek V3.2. Output-tokens zijn de dure kant, dus krantenkop-$/M-vergelijkingen overschatten systematisch de besparingen van Qwen. Dat is een observatie uit de 3.5-generatie, geen Qwen3.8-meting — maar het is het soort ding dat stilletjes een factuur verdubbelt.

Qwen3.8 versus GPT-5.6 en Grok 4.5: Waar Het Zou Uitkomen

Westerse lanceringsberichtgeving heeft de Chinese uitdagers bijna volledig genegeerd. Eén breed gedeeld artikel over de "chaotische week" die de AI-kaart herschreef, behandelde GPT-5.6, Grok 4.5 en Fable 5 — en noemde Qwen geen enkele keer. Ondertussen zitten DeepSeek V4-Pro, Qwen3.7-Max en Kimi K2.6 op SWE-bench Verified allemaal binnen een half punt van elkaar, ruwweg 14 punten achter Claude en geprijsd op ongeveer twee ordes van grootte daaronder.

Let op de benchmarknamen in die tabel. Ze zijn niet inwisselbaar, en een deel van de berichtgeving deze week zal ze wél zo behandelen. Voor de Claude-kant van de vergelijking hebben we uitgesplitst hoe Opus 4.8 scoort op dezelfde codeer-benchmarks.

Overstappen, Testen of Afwachten?

De methode is hier belangrijker dan het oordeel. Elk model dat wij in productie hebben getest, presteerde anders dan zijn positie op het scorebord deed vermoeden, omdat jouw prompts, jouw codebase en jouw tolerantie voor herhaalpogingen in niemands benchmark voorkomen. Je eigen evaluatieset verslaat een leverancierclaim, en verslaat ook een scorebord. Er een bouwen kost een middag en verdient zichzelf terug de eerste keer dat een "beter" model stilletjes achteruitgaat op jouw daadwerkelijke workload.

Weet je niet precies wat je moet meten, of wil je een tweede paar ogen op de migratierekensom? Laat ons team het onder druk testen op jouw workload →

Veelgestelde Vragen

Is Qwen3.8 open source?

Nog niet, en "open gewichten" is niet hetzelfde als open source. Alibaba heeft downloadbare gewichten beloofd, maar de licentie is niet aangekondigd. Qwen 3.5 en 3.6 verschenen beide onder Apache 2.0, wat een bemoedigend precedent is — maar een precedent is geen toezegging, en er bestaat vandaag geen Qwen3.8-licentietekst.

Wanneer worden de open gewichten van Qwen3.8 uitgebracht?

Alibaba zei "binnenkort" en gaf geen datum. Dat is het volledige antwoord, en iedereen die een specifieke week noemt, gokt. Het duidelijkste signaal dat het nog niet is uitgebracht: er staat op 19 juli 2026 nog steeds geen Qwen3.8-modelkaart op Hugging Face.

Hoeveel parameters heeft Qwen3.8?

2,4 biljoen, volgens Alibaba's aankondiging. Wat ontbreekt, is het aantal actieve parameters en de mixture-of-experts-configuratie, dus je kunt de rekenkosten per token niet afleiden uit dat krantenkopcijfer. Een sparse model van 2,4T en een dense model van 2,4T zijn heel verschillende dingen om te hosten.

Kan ik Qwen3.8 lokaal draaien?

Realistisch gezien niet, zelfs niet nadat de gewichten uitkomen. DeepSeek-V3.2 met 685B is al een serieus infrastructuurproject om zelf te hosten, en Qwen3.8 is ruwweg 3,5x zo groot. Verwacht dat je het via inference-providers gebruikt in plaats van je eigen GPU's, tenzij je een echt datacenter draait.

Hoeveel kost Qwen3.8-Max-Preview?

Alibaba heeft geen prijs per token gespecificeerd — toegang zit gebundeld in Token Plan, Qoder en QoderWork. Uitsluitend ter referentie: de voorganger Qwen3.7-Max draait op $2,50 in / $7,50 uit per miljoen tokens, met 90% korting op cached input (Qwen3.7-Max-cijfer). Baseer je budget niet op dat cijfer.

Is Qwen3.8 beter dan Claude Fable 5?

Niemand weet het nog. "Op één na het beste, na Fable 5" is Alibaba's eigen positionering, gepubliceerd zonder benoemde benchmark, methodologie of onafhankelijke evaluatie. Fable 5's onafhankelijk gemeten lat ligt op 80,4 op SWE-Bench Pro. Tot er onafhankelijke evaluaties zijn, moet je de vergelijking als werkelijk open beschouwen.

Staat Qwen3.8 al op OpenRouter of Hugging Face?

Nee — geverifieerd op 19 juli 2026. OpenRouter vermeldt 76 Qwen-modellen en geen daarvan is 3.8, en er is ook geen Hugging Face-modelkaart. Die afwezigheid is het meest betrouwbare bewijs dat de open gewichten écht nog niet zijn uitgebracht.

Wat zijn Qoder en QoderWork?

Het zijn Alibaba's eigen codeer- en agent-omgevingen, en momenteel twee van de drie toegangswegen naar Qwen3.8-Max-Preview, naast het Token Plan. Goed om te weten voordat je toezegt: Qoder ligt onder een vergrootglas bij westerse beoordelaars op het gebied van veiligheid, wat relevant is als je code met gereguleerde data in aanraking komt.

Welk contextvenster heeft Qwen3.8?

Niet aangekondigd. De voorganger Qwen3.7-Max bood 1M tokens context met 65.536 max. output (Qwen3.7-Max-cijfer), dus iets vergelijkbaars is aannemelijk — maar dat is een specificatie van de voorganger, geen Qwen3.8-claim. Ontwerp hier nog geen long-context-pipeline op.

Belangrijkste Conclusies

• 2,4T parameters en een belofte van open gewichten zijn bevestigd. Benchmarks zijn dat niet — er is geen enkele gepubliceerde Qwen3.8-score, en elk cijfer dat deze week aan het model wordt gekoppeld, is vrijwel zeker een Qwen3.7-Max-cijfer.
• De strategische ommekeer is het echte verhaal. Alibaba hield de vlaggenschip-laag twee generaties lang gesloten en beloofde daarna het grootste model dat het ooit bouwde, open te stellen.
• Bij 2,4T betekenen open gewichten goedkopere gehoste inference en soevereine implementatie — niet dat je het zelf draait.
• "Op één na het beste, na Fable 5" is Alibaba's eigen claim. Onafhankelijke cijfers komen binnen enkele dagen. Wacht erop.

Weeg je een open-weight-model af tegen je huidige stack, of probeer je uit te vogelen wat dit alles verandert voor je infrastructuur? Vraag een gratis LLM-stackreview aan →