Qwen 3.8 Max 2026 обзор, доступ и как запустить локально

Qwen 3.8 Max стала первой моделью линейки Max, у которой Alibaba открыла веса. 12 августа 2026 года чекпоинт на 2,4 трлн параметров появился на Hugging Face, и скачать его может любой. А вот запустить дома не выйдет: даже 1-битная версия весит 397 ГБ. Поэтому Qwen 3.8 локально на практике означает младшую Qwen 3.8 27B, а к Max подключаются через API. Ниже пошагово разберем оба пути: где скачать веса, какой квант Q4 поставить на 16-24 ГБ видеопамяти и как получить доступ к Max без китайского аккаунта.

TL;DR. Qwen 3.8 Max (2,4 трлн параметров, 95 млрд активных) доступна по API за $2/$6 за 1M токенов и как открытые веса, которым нужен кластер. Для домашнего ПК берите Qwen 3.8 27B под Apache 2.0: квант Q4 занимает 16-19 ГБ и запускается одной командой в Ollama. В статье: таблицы квантов, команды запуска и пять способов доступа к Max.

Что такое Qwen 3.8 Max и чем она отличается от прошлых версий?

Qwen 3.8 Max это флагманская MoE-модель Alibaba на 2,4 трлн параметров с контекстом 1M токенов. Главное отличие от Qwen 3.7 Max в открытых весах, которых у линейки Max раньше не было.

Qwen 3.8 Max вышла в превью 19 июля 2026 года, в общий доступ по API 2-3 августа, а веса опубликовали 12 августа. На Intelligence Index от Artificial Analysis модель набрала 58 баллов: пятое место в общем рейтинге и второе среди открытых моделей. Младшая Qwen 3.8 27B с 52 баллами заняла третье место среди открытых.

С сентября 2025 года каждая Max-версия оставалась закрытой: Qwen3-Max-Preview, Qwen 3.6 Max, Qwen 3.7 Max работали только через API и Qwen Chat. Веса Alibaba отдавала лишь младшим моделям вроде Qwen 3.6 27B. Пока она держала флагманы при себе, лидерство в open-weights делили Moonshot с Kimi и Z.ai с GLM.

Под капотом Mixture-of-Experts: на каждый токен включается 95 млрд параметров из 2,4 трлн. Модель принимает текст, картинки и видео, пишет до 131 тыс. токенов ответа. Подробный разбор архитектуры и бенчмарков есть в материале The Batch, а ниже короткая выжимка.

Зачем Alibaba открыла веса Max и где подвох в лицензии?

Веса Max открыты, но под собственной лицензией Qwen с ограничениями для крупного бизнеса. Qwen 3.8 27B вышла под Apache 2.0 и подходит для коммерции без оговорок.

Лицензия Qwen3.8-Max License требует от компаний с выручкой от $20 млн в месяц или аудиторией от 100 млн MAU показывать название модели в интерфейсе. Сервисы формата Model as a Service с оборотом выше $50 млн за 12 месяцев обязаны получить отдельную коммерческую лицензию. Для стартапов и вайбкодеров эти пороги недостижимы.

Расклад простой. Если вы собираете свой продукт, бота или внутренний инструмент, обе лицензии вам подходят. Но юристы крупной компании будут читать условия Max с карандашом в руках, и 27B тут проще: Apache 2.0 не требует ничего, кроме сохранения уведомления об авторстве.

Есть нюанс с открытой версией Max. Она работает только с текстом и всегда думает в режиме reasoning. Зрение, видео и полный контекст на 1M токенов остались в облачной версии на QwenCloud. Так что скачанная Max слабее той, что отвечает вам в Qwen Chat.

Можно ли запустить Qwen 3.8 Max локально на своем железе?

Нет, если под «своим железом» понимать ПК или рабочую станцию. Самый сжатый квант Max весит 397 ГБ и требует от 450 ГБ оперативной памяти.

По данным Unsloth, Qwen 3.8 Max в динамическом 1-битном кванте занимает 397 ГБ, в 2-битном 657 ГБ, в Q8_0 около 2,6 ТБ, а в исходном BF16 4,9 ТБ. NVIDIA проводила свои замеры на стойке GB300 NVL72. Для домашнего ПК это недостижимо, поэтому локальный сценарий для Max закрыт.

Скачать Qwen 3.8 Max можно из репозитория Qwen/Qwen3.8-2.4T-A95B на Hugging Face или с ModelScope. Для сервинга Alibaba рекомендует SGLang и vLLM.

Кому это вообще нужно? Компаниям, которые не могут отправлять данные в облако: банки, медицина, госсектор. И провайдерам, которые будут перепродавать Max по API дешевле Alibaba. Всем остальным разумнее взять 27B или платить за токены.

Где скачать Qwen 3.8 27B и какой формат выбрать?

Qwen 3.8 27B лежит на Hugging Face, ModelScope и в библиотеке Ollama. Для обычной видеокарты нужен GGUF-квант от Unsloth, а исходные BF16-веса весят 56 ГБ.

Скачать Qwen 3.8 27B можно в трех видах: исходные веса BF16 на 56 ГБ в репозитории Qwen, GGUF-кванты от Unsloth от 7 до 31 ГБ и готовая сборка Ollama на ~18 ГБ. Ollama добавила модель в версии 0.32.12 от 15 августа 2026 года, команда запуска: ollama run qwen3.8:27b.

Какой источник выбрать новичку

Ollama. Одна команда, и через 10-15 минут скачивания модель отвечает в терминале. Сборка по умолчанию использует Q4_K_M: 17 ГБ весов плюс 931 МБ на модуль зрения. MTP (ускорение генерации, о нем ниже) уже включен.

Есть оговорка. В первых версиях сборки ломалась передача картинок на квантованных весах. Баг поправили, но если планируете работать со скриншотами, проверьте этот сценарий до того, как строить на нем процесс.

Какой источник выбрать разработчику

Репозиторий unsloth/Qwen3.8-27B-GGUF. Там десяток квантов разного размера, и под каждую видеокарту можно подобрать свой. Плюс у Unsloth рабочий MTP, которого нет в официальных GGUF от Qwen. Таблица требований к памяти лежит в документации Unsloth.

Неофициальные uncensored-версии мы трогать не советуем без причины. Это модификации сообщества, которые реже отказываются отвечать, но умнее от этого не становятся.

Какой квант Qwen 3.8 Q4 или Q3 подойдет под вашу видеокарту?

На 24 ГБ берите Q4_K_XL или Q4_K_M, на 16 ГБ UD-Q3_K_XL. Q4 остается лучшим балансом качества и размера, если он помещается в видеопамять целиком.

Квант Qwen 3.8 27B в 4 бита занимает 16-19 ГБ, в 3 бита 12-14 ГБ, в 8 бит 31 ГБ. Ключевое правило: модель должна целиком помещаться в видеопамять. Если слои переливаются в оперативку, скорость падает с 40 токенов в секунду до единиц, и работать становится невозможно.

Цифры в таблице собраны из документации Unsloth и десяти разборов на YouTube, которые мы прогнали через транскрибатор для этой статьи.

Почему Q4 не всегда хуже Q8

Автор теста квантов на 16, 24 и 32 ГБ пришел к выводу, который ломает интуицию. Кванты одного уровня от разных авторов ведут себя по-разному, а победитель на QuantBench проигрывает на тесте поиска по длинному контексту. Больше бит не гарантирует лучший результат.

Отдельный момент про Q4_K_M на длинных задачах. В разборе запуска на RTX 3090 он терял контекст там, где FP8 справлялся. Если ваш сценарий это работа с большими документами или длинная агентная сессия, проверьте выбранный квант именно на ней, а не на коротких промптах.

Как запустить Qwen 3.8 локально за 15 минут?

Самый быстрый путь: установить Ollama и выполнить одну команду. Для максимальной скорости используйте llama.cpp с GGUF от Unsloth и включенным MTP.

Локальный запуск Qwen 3.8 27B укладывается в три шага: скачать модель через Ollama или llama.cpp, настроить сэмплинг под режим размышлений и подключить модель к редактору кода. На RTX 3090 с MTP генерация идет около 40 токенов в секунду, без MTP заметно медленнее.

Шаг 1. Как поставить Qwen 3.8 через Ollama?

Скачайте Ollama с официального сайта, затем откройте терминал:

ollama run qwen3.8:27b

Загрузка ~18 ГБ займет 10-20 минут на домашнем интернете. После этого модель доступна в терминале и по локальному API на порту 11434, к которому подключаются IDE и агенты.

Шаг 2. Как запустить Qwen 3.8 Q4 в llama.cpp с MTP?

Этот путь дает больше контроля. Скачайте квант UD-Q4_K_XL из репозитория Unsloth и запустите сервер:

./llama-server \
  --model Qwen3.8-27B-UD-Q4_K_XL.gguf \
  -ngl 999 \
  --temp 1.0 --top-p 0.95 --top-k 20 --min-p 0.0 \
  --ctx-size 32768

Флаг -ngl 999 выгружает все слои на видеокарту. MTP (multi-token prediction) включается флагами спекулятивного декодирования с типом draft MTP, точный синтаксис зависит от версии llama.cpp. По замерам из разборов, MTP ускоряет генерацию кода в 1,5-2 раза.

Шаг 3. Как подключить локальную модель к редактору?

Оба сервера отдают OpenAI-совместимый API. Его понимают Aider, OpenCode, консольный Qwen Code (нужен Node.js) и Cursor через настройку собственного base URL. В поле адреса укажите http://localhost:11434/v1 для Ollama или http://localhost:8080/v1 для llama-server.

Поделимся правилом из одного разбора про локальных агентов. Добавляйте в системный промпт запрет удалять файлы и выкладывать что-то на живой сервер без явного разрешения. Агент на вашем ПК выполняет команды по-настоящему, и откатить удаленную папку будет нечем. Если разворачиваете модель на сервере команды, загляните в ИИ-агента для DevOps, он поможет с конфигами.

Какие настройки Qwen 3.8 27B влияют на результат сильнее железа?

Уровень reasoning effort и формулировка задачи. На Extra High модель может потратить все токены на размышления и не выдать код, а Medium решает ту же задачу.

В тесте на генерацию JavaScript-функции Qwen 3.8 27B с уровнем размышлений Extra High написала около 4000 токенов внутренних рассуждений и не выдала ни строчки ответа. На уровне Medium модель вернула рабочий код быстрее и дешевле. Высокий reasoning effort стоит по умолчанию и переполняет контекст на слабом железе.

Режим размышлений и сэмплинг

Unsloth рекомендует две связки. Для режима размышлений: temperature 1.0, top_p 0.95, top_k 20. Для быстрых ответов без reasoning: temperature 0.7, top_p 0.8, top_k 20, presence_penalty 1.5. Ставить «среднее между ними» смысла нет, модель обучали под эти пресеты.

Как обойти поддакивание модели

У Qwen 3.8 27B заметна склонность соглашаться с пользователем, даже когда тот неправ. Вместо «у тебя тут ошибка» описывайте желаемое поведение: «функция должна возвращать пустой массив при пустом входе». Так модель проверяет код по требованию, а не подстраивается под ваше мнение.

Почему 27B помещается в одну видеокарту

Из 64 слоев только 16 используют классическое внимание, остальные 48 построены на gated DeltaNet с линейной сложностью. Это экономит видеопамять на длинном контексте. Плата за экономию: на задачах с глубоким запоминанием модель уступает, а с инструкциями и сборкой кода справляется отлично.

Как получить доступ к Qwen 3.8 Max без китайского аккаунта?

Китайский номер телефона не нужен. Max доступна в Qwen Chat, через международный QwenCloud и OpenRouter, сложности из России возникают только с оплатой.

Qwen 3.8 Max работает через пять каналов: бесплатный Qwen Chat, API QwenCloud за $2 и $6 за 1M входных и выходных токенов, подписка Token Plan от $6 в месяц, OpenRouter и среда Qoder. QwenCloud держит серверы в Сингапуре, Франкфурте, Токио и США, поэтому китайская регистрация не требуется.

Что выбрать из России

Qwen Chat открывается без ограничений, но выбор модели спрятан за логином, и проверить снаружи, что отвечает именно 3.8 Max, нельзя. Для серьезной работы удобнее OpenRouter: один баланс для всех моделей и оплата криптовалютой, которая снимает вопрос зарубежной карты.

Максим: «Когда мы делали GoBanana, главный российский угол был простой: без VPN, без зарубежных карт, платишь сколько нужно. Веб-версию собрали за 3 часа после выхода модели, а продукт в итоге принес 12 млн рублей. Ребят, это работает: если доступ к модели для людей сложный, его упрощение само по себе становится продуктом.»

Как подключить Max к Claude Code и Cursor

Max понимает и OpenAI API, и Anthropic API. Значит, в Claude Code ее можно подставить через смену base URL без прокси-роутеров. Учтите ограничение: в официальном конфиге OpenClaw вывод урезан до 65 536 токенов, хотя модель умеет до 131 тыс. На OpenRouter в сентябре вышел чекпоинт 0902, актуальный слаг проверяйте на странице модели.

Сильные и слабые стороны Qwen 3.8

Сильная сторона линейки в открытых весах и цене, слабая в том, что почти все бенчмарки Max пока опубликовала сама Alibaba.

Qwen 3.8 Max занимает 4-е место в WebDev Arena с 1667 Elo, 2-е в Vision Arena и лучший результат на τ³-Banking (51,3%). При этом таблица бенчмарков на запуске исходила от Qwen, и независимых воспроизведений почти нет. Для продакшена правильнее прогнать модель на своих задачах.

Что получилось хорошо

• Открытые веса флагмана. Max можно развернуть внутри периметра компании и не зависеть от одного поставщика API.
• 27B под Apache 2.0 на одной видеокарте. Модель уровня третьего места среди открытых работает на RTX 3090 и встраивается в коммерческий продукт без юридических вопросов.
• Цена API. $2/$6 за 1M токенов при плоском тарифе на весь контекст в 1M. Для сравнения, Claude Opus 4.8 стоит $5/$25.
• Длинная автономная работа. В демонстрации Alibaba модель больше 10 дней вела проект и к 30 июля набрала 265 коммитов и 127 пул-реквестов.

Где есть ограничения

• Скачанная Max только текстовая, без зрения и без полного контекста.
• Max локально не запустить: минимум 397 ГБ.
• 27B поддакивает пользователю и на Extra High может уйти в бесконечные размышления.
• Даже сильные кванты 27B теряют качество кода по сравнению с FP8, это видно на играх и анимациях.

Кому подходит локальная Qwen 3.8, а кому API?

Локальная 27B нужна тем, кому важна приватность данных и нулевая цена токена. API Max нужен тем, кому важно максимальное качество без покупки железа.

Локальный запуск Qwen 3.8 27B окупается, если у вас уже есть видеокарта от 16 ГБ и задачи с закрытым кодом или чувствительными документами. Для сложных агентных задач и мультимодальности выгоднее API Qwen 3.8 Max: $2 за 1M входных токенов дешевле, чем докупать память под большой квант.

Мы в VibeCoderz используем облачные модели для основной работы, а локальную 27B держим под задачи, где код нельзя отдавать наружу. Полный список инструментов для вайбкодинга с обзорами собран в каталоге AI IDE.

Глоссарий

MoE (Mixture-of-Experts) это архитектура, где на каждый токен работает только часть параметров модели. У Qwen 3.8 Max активны 95 млрд из 2,4 трлн.

Открытые веса (open weights) это файлы обученной модели, которые можно скачать и запустить у себя.

Квантизация это сжатие весов модели за счет снижения точности чисел, например с 16 до 4 бит. Q4 занимает примерно в 3,5 раза меньше места, чем BF16.

GGUF это формат файлов модели для llama.cpp, Ollama и LM Studio.

MTP (multi-token prediction) это предсказание нескольких токенов за шаг, которое ускоряет генерацию в 1,5-2 раза.

Reasoning effort это уровень размышлений модели перед ответом. Чем он выше, тем больше токенов уходит на рассуждения.

VRAM это память видеокарты. Модель должна целиком в нее помещаться для нормальной скорости.

FAQ

Можно ли скачать Qwen 3.8 Max бесплатно? Да, веса лежат на Hugging Face и ModelScope с 12 августа 2026 года. Но самая сжатая версия весит 397 ГБ и требует от 450 ГБ RAM, так что для домашнего ПК практичнее скачать Qwen 3.8 27B.

Сколько видеопамяти нужно для Qwen 3.8 27B в Q4? Квант Q4 занимает 16-19 ГБ, плюс память под контекст. Комфортно он работает на картах с 24 ГБ вроде RTX 3090 и 4090. На 16 ГБ лучше взять UD-Q3_K_XL или IQ4_XS.

Чем Qwen 3.8 Max в API отличается от скачанной версии? Облачная Max понимает картинки и видео и держит контекст 1M токенов. Открытая версия работает только с текстом, всегда в режиме размышлений и с нативным контекстом 262K.

Нужен ли китайский аккаунт для доступа к Qwen 3.8 Max? Нет. Qwen Chat пускает по почте, QwenCloud работает в международных регионах, а через OpenRouter модель доступна по одному ключу вместе с остальными нейросетями.

Почему Qwen 3.8 27B думает долго и ничего не отвечает? Скорее всего, стоит высокий reasoning effort, и модель тратит весь лимит токенов на рассуждения. Снизьте уровень до Medium или увеличьте лимит вывода.

Можно ли использовать Qwen 3.8 27B в коммерческом проекте? Да, 27B выпущена под Apache 2.0 без дополнительных ограничений. У Max своя лицензия, которая вводит условия только для очень крупных компаний.

Что лучше для кодинга: локальная Qwen 3.8 27B или API? Для закрытого кода и экономии на токенах локальная 27B. Для сложных многошаговых задач и работы со скриншотами API Max заметно сильнее.

Что дальше

Если хотите сравнить Qwen с другими моделями для кодинга, загляните в обзоры Claude Code, Cursor и Aider или откройте весь каталог AI-инструментов. А если нужно собрать локальный стек под свой проект или решить, где выгоднее держать модель, запишитесь на консультацию к Максиму.

Статья обновлена: октябрь 2026.