Alibaba pustio Qwen3.8-Max, cijena 2 dolara po milionu tokena
Alibaba je pustio Qwen3.8-Max, model sa 2,4 biliona parametara, kontekstom od milion tokena i cijenom od 2 dolara po milionu ulaznih tokena. Otvorene težine stižu sljedeće sedmice. Za firme koje AI plaćaju po potrošnji, ovo je pomjeranje cijene koje se osjeti na računu.
Kineski gigant otvorio je pristup modelu sa 2,4 biliona parametara, a otvorene težine najavljene su za sljedeću sedmicu.
Alibaba je u ponedjeljak, 3. avgusta, učinio široko dostupnim Qwen3.8-Max, najjači model u svojoj Qwen porodici do sada. Model ima 2,4 biliona parametara, odnosno 2.400 milijardi, kontekst od milion tokena i cijenu od 2 dolara po milionu ulaznih i 6 dolara po milionu izlaznih tokena. Za firme u regionu koje vještačku inteligenciju plaćaju po potrošnji, a ne kroz mjesečnu pretplatu, ovo je konkretno pomjeranje cijene za model najviše klase.
- Qwen3.8-Max je dostupan preko QwenCloud API-ja, koji je kompatibilan sa OpenAI standardom, pa se prelazak svodi na promjenu adrese i imena modela.
- Cijena je 2 dolara po milionu ulaznih tokena i 6 dolara po milionu izlaznih, uz keširani ulaz od 0,25 dolara.
- Kontekst je milion tokena, maksimalni ulaz 991 hiljada, maksimalni izlaz 131 hiljada tokena.
- Model prima tekst, sliku i video, a vraća tekst.
- Otvorene težine za Qwen3.8-Max i manji Qwen3.8-27B najavljene su za sljedeću sedmicu.
Šta se tačno desilo
Qwen3.8-Max je mixture of experts model, arhitektura u kojoj se za svaki upit aktivira samo dio mreže umjesto cijele. Praktična posljedica je da model može biti ogroman, a da odgovor i dalje bude relativno jeftin. Alibaba nije objavio koliko parametara se stvarno aktivira po upitu, pa se trošak posluživanja sopstvene kopije modela za sada ne može izračunati.
Najzanimljiviji broj za poslovnu upotrebu nije veličina modela nego keš. Keširani ulaz košta 0,25 dolara po milionu tokena, osam puta manje od svježeg ulaza. To znači da troškom više upravlja stabilnost početka prompta nego njegova dužina. Firma koja u svaki upit ubacuje isti dugačak opis proizvoda ili istu bazu pitanja plaća taj dio jednom po punoj cijeni, a poslije po osminskoj.
Uz model idu i ugrađeni alati na Responses API-ju, među kojima su izvršavanje koda, pretraga weba i izvlačenje sadržaja sa stranica. Podržani su i pozivanje funkcija, strukturirani izlaz i fino podešavanje.
Kontekst i konkurencija
Alibaba je uz objavu pokazao i tabelu rezultata na testovima, na kojoj Qwen3.8-Max na pojedinim agentskim i multimodalnim zadacima ide ispred nekih zapadnih modela, a na zadacima programiranja i dalje zaostaje za vodećim modelima. Te brojke dolaze od same kompanije i nisu nezavisno provjerene, pa ih vrijedi čitati kao marketinški materijal, a ne kao presudu.
Važniji je smjer. Kineske laboratorije jedna za drugom guraju velike modele u otvoreni kod, a otvorene težine ovog obima znače da se model može instalirati na sopstvenoj infrastrukturi, bez slanja podataka nikome. Za flagship model to je i dalje posao za datacentar, ali manji Qwen3.8-27B, koji takođe ide u otvoreni kod, staje na obične servere sa grafičkim karticama.
Naša perspektiva, šta ovo znači za region
Za softverske firme i agencije koje već grade nešto na AI API-ju, ovo je razlog za jedan konkretan test, ne za selidbu. Uzmite zadatak koji vam mjesečno pravi najveći račun, na primjer obradu opisa proizvoda ili sažimanje dugih dokumenata, i pustite isti skup od dvadesetak primjera kroz oba modela. Poredite tri stvari, cijenu po zadatku, tačnost i vrijeme odgovora. Ako razlika u kvalitetu nije vidljiva, prelazak na jeftiniji model je čista ušteda.
Za firme koje se plaše slanja podataka u inostranstvo, zanimljiviji je onaj manji model. Advokatska kancelarija ili računovodstvena firma koja ne smije da šalje dokumente klijenata na tuđi server može, kad težine izađu, staviti model na sopstvenu mašinu i raditi pretragu i sažimanje interno. To je posao za tehničkog partnera, ali je prvi put realno izvodljivo bez ozbiljne investicije u opremu.
Treća poruka je najjednostavnija. Cijena AI modela pada brže nego što se većina budžeta planira. Ako ste prije pola godine odustali od neke ideje jer je račun bio prevelik, vrijedi je ponovo izračunati sa današnjim cijenama.
Šta pratiti dalje
Prava provjera stiže sljedeće sedmice, kada izađu otvorene težine i licenca pod kojom se model smije koristiti komercijalno. Licenca je ovdje važnija od benchmarka, jer određuje da li firma iz regiona uopšte smije da model ugradi u proizvod koji naplaćuje.
Ako želiš da svake sedmice dobiješ ovakve vijesti prevedene na jezik računa i konkretnih koraka za tvoju firmu, prijavi se na AI Balkan newsletter.
