Qwen 3.7 Max: Med 2,4 billioner parametre, overgår den Kimi K3?

TLDR: Alibabas Qwen3.8-Max (preview, 2.4 billioner parametre, multimodal med billede-/video-/dokumentinput) tager kampen op mod Moonshot AI’s Kimi K3 (2.8T parametre, åbne vægte snart, 1M kontekst). Qwen3.8-Max udmærker sig i multimodale og produktivitetsopgaver med preview-priser på ~10% af standardtaksterne, mens Kimi K3 fører på nogle åbne benchmarks og ren åbenhed.

Begge er frontliniemodeller, der kan tilgås i dag via API’er. For pålidelig, omkostningseffektiv integration tilbyder CometAPI problemfri Qwen-adgang med OpenAI-kompatible endpoints, konkurrencedygtige priser og nem skalering til udviklere og virksomheder.

Centrale pointer:

• Skala og kapaciteter: Ifølge x's post bringer Qwen3.8-Max native multimodalitet (billeder, video, dokumenter) til en 2.4T-parametermodel; Qwen3.7-Max udmærker sig i agent-baseret kodning og opgaver med lang horisont.
• Priser og adgang: Qwen3.8-Max har konkurrencedygtige API-takster (~$2.50/$7.50 pr. 1M input/output, ofte nedsat); prøv Qwen 3.8 i preview til reducerede priser via Token Plan/Qoder.
• Vs. Kimi K3: Kimi K3 (2.8T, åbne vægte 27. juli 2026) ligger ofte en anelse foran på benchmarks (kilde), men Qwen tilbyder stærkere multimodalitet og økosystemintegration; Qwen er billigere i mange API-scenarier.
• Tilgængelig i dag: Preview på Alibaba Cloud/Token Plan/Qoder til rabatterede priser; kompatibel med OpenAI-/Anthropic-API.
• Praktiske fordele: Overlegen til full-stack-udvikling, kontorautomatisering, videoanalyse og agent-workflows.

Hvad er Qwen 3.8 Max?

Qwen 3.8 Max, officielt forhåndsvist som Qwen3.8-Max-Preview, er Alibabas Qwen-teams nyeste flagskibs-LLM. Annonceret på World AI Conference i Shanghai omkring 19. juli 2026, repræsenterer den et massivt spring i skala fra Qwen 3.7-serien.

Kernespecifikationer

• Parametre: 2.4 billioner i alt — hvilket gør den til en af de største modeller, der er offentligt omtalt, kun overgået af Moonshot AI’s Kimi K3 med ~2.8T.
• Arkitektur: sparsom Mixture-of-Experts (MoE). Kun en delmængde af parametre aktiveres pr. token, hvilket balancerer kraft og effektivitet (det præcise antal aktive parametre er endnu ikke oplyst — en nøglefaktor for inferensomkostninger).
• Multimodale kapaciteter: Behandler tekst, billeder, video og dokumenter nativt. Dette er Qwens første model over 1 billion parametre med stærk multimodal støtte.
• Kontekstvindue: Op til 1 million tokens, arvet og forfinet fra Qwen 3.7 Max.
• Varianter: Flagskibet 2.4T Max samt en mindre ~27B-variant til lettere brugsscenarier.

Sådan fungerer Qwen 3.8 Max: innovationer og teknisk forspring

Qwen3.8-Max udnytter Alibabas mangeårige skaleringsekspertise:

1. Enorm skala med effektivitet: 2.4T parametre via MoE – kun en delmængde aktiveres pr. token, hvilket balancerer kraft og inferensomkostninger (lig tidligere Qwen-MoE som 235B-A22B).
2. Hybrid-ræsonnering: Arver “Thinking/Non-Thinking”-tilstande for fleksibel styring af dybde, hastighed og omkostning. Perfekt til agent-baserede opgaver, der kræver flertrins planlægning.
3. Multimodal integration: Ensartet behandling af tekst + vision + video. Muliggør rigere anvendelser som dokumentanalyse med billeder eller videobaseret ræsonnering.
4. Lang kontekst og agent-fokus: Optimeret til opgaver med lang horisont (f.eks. fuld app-kloning, komplekse workflows). Understøtter avanceret værktøjsbrug, RAG og funktionskald.
5. Træningsfremskridt: Bygger på enorme flersprogede data (119+ sprog), forbedrede positionsindlejringer og teknikker, der reducerer hallucinationer og samtidig styrker STEM/kodning.

Sådan fungerer det i praksis:

• Input → tokenizer + embeddings → MoE-router vælger eksperter → transformer-lagene behandler → generering af output.
• Understøtter agent-baseret kodning (f.eks. full-stack-projekter), dataanalyse-pipelines og kontorautomatisering.

Community Reddit-tests viser lovende rå kraft i kodning og komplekse forespørgsler, selvom nogle nævner lejlighedsvise thinking-loops i den tidlige preview.

For udviklere: Kombinér med værktøjer som CometAPI for pålidelig, samlet adgang på tværs af udbydere, reduceret latenstid og omkostninger, mens du tester Qwen side om side med Claude, GPT m.fl.

Pris og adgang: Hvad du faktisk kan bruge i dag

Forhåndstilgængelighed (per juli 2026):

• Alibaba Token Plan: Kreditbaseret abonnement.
  • Lite: $6 for 2,500 credits/uge.
  • Pro: $68 for 40,000 credits/uge (understøtter 6-8 samtidige agenter).
• Rabat: 10% af standardpriser under preview.
• Platforme: Qwen Chat, Alibaba Cloud, Qoder (kodning), QoderWork (produktivitet).
• API: OpenAI-/Anthropic-kompatibel. Ingen selvstændige per-token-takster offentliggjort endnu for 3.8-Max (forgænger: ~$1.25/M input, $3.75/M output).

Åbne vægte: Lovet “snart” — stort for selvhosting/finetuning, selvom hardwarekravene er ekstreme (~1.2TB ved 4-bit).

CometAPI-anbefaling: Til produktion, undgå direkte leverandørstyring. CometAPI giver én API-nøgle til 500+ modeller, inklusive Qwen-serien. Samlet fakturering, endpoints og pålidelighed — ideelt til A/B-test af Qwen 3.8 Max vs. andre uden kodeomskrivning. Perfekt til Cometapi.com-brugere, der bygger AI-apps. Tilmeld dig på cometapi.com for problemfri integration.

Dette gør Qwen tilgængelig uden binding til Alibaba Cloud, ideelt for startups og globale udviklere.

Slår Qwen3.8 Max Kimi K3?

Om antal parametre: nej

Hvis spørgsmålet er "har Qwen3.8 Max flere parametre end Kimi K3?", er svaret enkelt: nej. Qwen3.8-Max-Preview er ifølge Qoder en model med 2.4T parametre. Kimi K3 er ifølge Moonshot dokumenteret som en model med 2.8T parametre. På totalparametre alene er Kimi K3 større med 400 milliarder parametre.

Det gør ikke automatisk Kimi K3 bedre til enhver opgave. Antal parametre er ikke i sig selv en pointtavle. Træningsdata, arkitektur, ekspertrouting, aktive parametre pr. token, eftertræning, inferensstack, værktøjsintegration og konteksthåndtering påvirker den reelle ydeevne. En mindre model kan slå en større på visse opgaver, hvis den har bedre data, bedre eftertræning, bedre værktøjer eller bedre ræsonnering under inferens.

Om offentlig dokumentation: Kimi K3 er foran lige nu

Kimi K3 har i øjeblikket den bedre offentlige dokumentationspakke. Moonshots Kimi K3-guide og tekniske blog oplyser arkitektur, kontekst, vision, ekspertaktivering, API-grænser og release-planer. OpenLM’s Kimi K3-side spejler en detaljeret benchmarktabel på tværs af kodning, agent-arbejde, ræsonnering, vidensarbejde og vision. Kimi K3’s Frontend Code Arena-resultat på 1,679 point og opsummerede modellens 1M kontekst, 16/896 ekspertaktivering og prissignaler.

Qwen3.8-Max-Preview er meget vigtig, men preview’et er mindre dokumenteret. De stærkeste nuværende kilder er Qoders launch-side og Alibaba Cloud Model Studios OpenCode-konfiguration. De er værdifulde, men giver endnu ikke samme niveau af benchmarkdetaljer, oplysninger om aktive parametre, arkitekturforklaring, licensvilkår eller CometAPI-produktionsrutedetaljer, som Kimi K3 har.

Væsentlige forskelle:

• Åbenhed: Kimi K3 vinder med snarlige fuldt åbne vægte til selvhosting/finetuning. Qwen3.8-Max i preview nu, åbnes snart.
• Multimodal: Begge stærke; Qwen3.8 lægger vægt på video-/dokumentintegration.
• Ydelse: Kimi K3 fører ofte på rå benchmarks (f.eks. GPQA, kodningsarenaer); Qwen er konkurrencedygtig eller bedre i agent-/produktivitetsrammer og specifikke opgaver som regneark/kernel-opt. Qwen er billigere i API-brug (f.eks. 3x i nogle sammenligninger).
• Kontekst og hastighed: Kimi 1M kontekst; Qwen stærk lang-kontekst (262K+ tidligere). Qwen er ofte hurtigere i output.
• Anvendelser: Qwen til integreret Alibaba-økosystem, kontorautomatisering, multimodal enterprise. Kimi til open-source-entusiaster og maksimal tilpasning.

Konklusion: Bør du tage Qwen 3.8 Max i brug?

Ja til eksperimenter og kodning/multimodal-behov — især via tilgængelige platforme som CometAPI. Det er endnu ikke en fuld erstatning for lukkede frontmodeller, men et kraftfuldt, prisvenligt valg, der skubber økosystemet fremad. Følg med for benchmarks og fuld release.