Verfügbar ist das Modell seit dem 3. August 2026 breit: Die South China Morning Post nennt Zugänge über die APIs von Alibaba Cloud Model Studio und über QwenWork, Alibabas Arbeitsplattform, die am selben Tag in die öffentliche Beta ging. Die Kennzahlen stehen auf Alibabas eigener Modellseite: 2,4 Billionen Parameter in einer Mixture-of-Experts-Architektur, ein Kontextfenster von einer Million Token (maximal 991 K Eingabe, 131 K Ausgabe), Bild, Text und Video als Eingabe, Text als Ausgabe. Der Preis liegt bei 2 $ je Million Input- und 6 $ je Million Output-Token, mit 0,25 $ für implizit zwischengespeicherte Eingaben. Eine Einschränkung, die wir selbst geprüft haben: Die internationale Modell-Liste von Alibaba Cloud Model Studio führte am 3. August als neuestes Max-Modell weiterhin qwen3.7-max – die breite Verfügbarkeit ist in der internationalen Dokumentation also noch nicht abgebildet.
Der eigentliche Nachrichtenwert steckt in der Ankündigung, nicht in der Verfügbarkeit: Die Gewichte von Qwen3.8-Max und zusätzlich eines kleineren Checkpoints Qwen3.8-27B sollen „in der kommenden Woche“ auf Hugging Face und ModelScope veröffentlicht werden. Eine Lizenz nennt Alibaba dabei nicht – und genau daran hängt, was „offen“ hier bedeutet. Der jüngste Vergleichsfall mahnt zur Zurückhaltung: Moonshot lieferte die Kimi-K3-Gewichte am 28. Juli 2026 aus, aber unter einer eigenen „Kimi K3 License“ mit Umsatzschwelle und Zustimmungsvorbehalt für Model-as-a-Service-Anbieter, nicht unter einer Open-Source-Lizenz. Bis zur Freigabe ist „offen“ auch bei Qwen3.8-Max eine Absichtserklärung: Auf der Hugging-Face-Organisation von Qwen war am 3. August weder Qwen3.8-Max noch Qwen3.8-27B zu finden.
Die Leistungszahlen sind sämtlich anbieter-selbstberichtet und stammen aus Qwens eigenem Blogbeitrag; unabhängig gemessen ist bislang nichts. Die Rezeption nennt Terminal-Bench 2.1 mit 86,6 (Claude Opus 4.8: 84,6; GPT-5.6 Sol: 88,8), GPQA Diamond 92,6, PaperBench 93,0, OSWorld-Verified 86,1 und OmniDocBench 1.5 92,1. Bemerkenswert ist dabei weniger die Höhe als das Muster: Alibaba setzt sein Flaggschiff in der eigenen Tabelle zwischen Opus 4.8 und GPT-5.6 Sol – also ausdrücklich nicht an die Spitze. Das ist dieselbe Rhetorik wie im Juli („nur hinter Fable 5“) und derselbe Vorbehalt: Eine Anbieter-Tabelle ist keine Messung.
Den größten Teil der Ankündigung nehmen Langzeit-Demonstrationen ein, die Alibaba als Beleg für autonomes Arbeiten über Tage anführt – ebenfalls ohne externes Protokoll und ohne Kostenangabe. Genannt werden: ein Coding-Projekt namens oh-my-cli, an dem das Modell 16 Tage lang ohne menschliches Eingreifen gearbeitet und dabei 265 Commits, 127 Pull Requests und 151 Issues erzeugt haben soll; die Reproduktion eines Forschungspapiers („Unified Data Selection for LLM Reasoning“) in rund fünf Tagen mit 125 Stunden Rechenzeit, 7.600 Zeilen Code und 33 GPU-Trainingsläufen, die dessen Ergebnis anschließend um 2,7 Punkte auf AIME24 verbessert habe; und ein Chip-Design-Lauf über rund 500 Iterationen, der einen Verschlüsselungsbaustein von 8.298 auf 678 Logikgatter verkleinert habe (81 Prozent weniger Fläche). Solche Demos sind interessant als Behauptung über Ausdauer statt über Einzelantworten – nachprüfbar sind sie erst, wenn Dritte sie wiederholen können.
Zur Beleglage dieser Depesche gehören drei Einschränkungen, die wir offenlegen. Erstens ist Qwens Blogbeitrag (qwen.ai) für unseren Abruf nur eine JavaScript-Hülle und der X-Account des Teams durch HTTP 402 gesperrt – den Primärtext haben wir deshalb nur über die Anbieter-Modellseite und die Rezeption gelesen. Zweitens divergiert eine Zahl: The Decoder nennt 95 Milliarden pro Anfrage aktive Parameter, MarkTechPost hält ausdrücklich fest, dass die Zahl der aktivierten Parameter nicht veröffentlicht sei – wir führen deshalb keine Angabe zu aktiven Parametern. Drittens gehört die South China Morning Post zu Alibaba; ihre Berichterstattung ist bei Konzern-Nachrichten kein unabhängiger Beleg, sondern hier nur Datums- und Verfügbarkeitsnachweis.