علی بابا نے Qwen3.8-Max جاری کیا: کرپٹو کے لیے مفت، کارآمد AI ماڈل

الی بابا نے AI دنیا کے لیے ایک حیرت انگیز انداز میں اعلان کیا ہے — اور یہ ان کرپٹو پروجیکٹس کے لیے بہت اہم ہو سکتا ہے جو خود ہوسٹنگ اور کم لاگت والی انفرینس کو اہمیت دیتے ہیں۔ کیا ہوا؟ - الی بابا نے Qwen3.8-Max جاری کیا ہے، جسے کمپنی اپنا اب تک کا سب سے زیادہ صلاحیت والا ماڈل قرار دے رہی ہے۔ پہلی بار، وہ "Max" وزن کو عام عوام کے لیے دستیاب کر رہی ہے: انہیں اگلے ہفتے Hugging Face اور ModelScope پر شائع کیا جائے گا۔ - ماڈل کا سائز کاغذ پر بہت بڑا ہے — کل مل کر 2.4 ٹرین لکھوں پیرامیٹرز — لیکن یہ ایک اسپارس ایکٹی ویشن ڈیزائن استعمال کرتا ہے جس کی وجہ سے صرف تقریباً 95 ارب پیرامیٹرز ایک وقت میں فعال ہوتے ہیں۔ اس ڈیزائن سے کمپوٹ اور میموری کی ضرورتیں اس طرح کے ناکافی 2.4T ماڈل کے مقابلے میں بہت کم رہتی ہیں۔ اس کا کیوں اہم ہونا؟ - اسپارس/شرطی ایکٹی ویشن اس طرح کا ہے جیسے ایک بڑا لائبریری جہاں صرف وہ شلفز روشن ہوتی ہیں جو آپ کو ایک خاص سوال کے لیے درکار ہوں۔ اس کارآمدی کی وجہ سے چھوٹے ادارے، لیبز، اور ممکنہ طور پر ڈی سینٹرلائزڈ نوڈ آپریٹرز بھی ایک سب سے آگے کے ماڈل کو چلانے میں قادر ہو جاتے ہیں بغیر کسی ہائپر سکیلر ڈیٹا سنٹر کے خرچ کے۔ - کرپٹو بنانے والوں کے لیے، اس کا مطلب ہے خود ہوسٹڈ انفرینس، پرائیوٹ اینٹ فر فعال کرنے، یا توزیع شدہ انفراسٹرکچر پر LLM بنیادی خدمات چلانے کے لیے زیادہ عملی اختیارات۔ پرفارمنس اور روایات - الی بابا کا اپنا تعارف سرخ خبروں والے بینچ مارکس کو نظرانداز کرتا ہے اور استقامت اور خودمختاری پر زور دे�تا ہے۔ ان کے زیرِ توجہ مثالوں میں شامل ہیں: - Qwen نے خود مختار طور پر 16 دن تک ایک کوڈنگ ٹول بنایا: 265 کامٹس، 127 پل رکوسٹ، 151 مسائل — اس دوران کسی انسان نے کوئی ٹائپ نہیں کیا۔ - اس نے ایک تحقیقی مقالے کے نتائج پانچ دن میں دوبارہ حاصل کئے (مقالے کے کوڈ تک پہلے سے رسائی نہ ہونے پر) اور پھر اس مقالے سے 2.7 پوائنٹس زائد پرفارم کئے۔ - ایک 24 گھنٹے کے ML مقابلے میں، اس نے 526 انسانی ٹیموں میں سے 458 کو شکست دیدی۔ - ماڈل Anthropic کے Claude Code اور OpenAI کے Codex پروٹوکولز کے لیے مطابقت رکھتا ہے — الی بابا کا API دونوں سے بات کر سکتا ہے — اور بہت سارے کوڈنگ بینچ مارکس Claude Code کے ذرائع سے چلائے گئے۔ بینچ مارکس اور لاگت - صرف متن بینچ مارکس (31 tests) پر، Anthropic’s Fable 5 سب سے اوپر ہے جس نے 15 پہلے نمبر حاصل کئے، OpenAI’s GPT-5.6 Sol نے نو، اور Qwen نے سات حاصل کئے۔ - 12 کوڈنگ tests پر، Qwen صرف ا ek بار جِتتا ہے۔ - لیکن جہاں Qwen حقیقت میں الگ نظر آتا ہے وہ لاگتِ مؤثرات میں ہے: اس کا انفرینس "انٹل جنس لاگت" تقریباً Claude Fable 5 کी قدر کا تقریباً 30% رہ سکتا ہے۔ عمل میں، اس کا مطلب ہے کہ حتٰى اگر Qwen زائد تجزئات قدم درکار کرتا ہو، تو طلب شدہ مشقوں کو مکمل کرنے میں مجموعی بل بہت زائد کم رہ سکتا ہے۔ - متعدد موڈلز (دستاوיזات، ویدئو، فضائی تجزئات) میں Qwen زائد تر مقایسوں میں قائد رہتا ہے۔ ایک حکمت عملاندوز موڑ اور وقت - اس سال شروع میں الی بابا نے زائد بند، معاوضت والے ماڈلز طرف رجحان ظاہر کیا (اس نے اپريل مें Qwen Code کا فرี طبقہ ختم کردین)۔ Qwen 3.7 Max نے Max کو API پر رکھ دینا جبکہ Plus طبقہ دسترس دینا شروع کردین۔ ab جب Max وزن عام عوام تک پہنچائے جارھے ہيں، تو الี بابا نے دروازہ دوباره كھول ديا۔ - وقت نمایاں طور پر دلچسپ ہے: Chinese open-weight ماڈلز OpenRouter پر late 2024 ميں تقربيًا <2% tokens سे بڑھ كر mid-2026 تك تقربيًا ~61% تك پهunch gaye. Qwen Meta’s Llama ko super kar k global tareeqe se sab se zyada self-hosted model ban gaya hai. - جغرافيايي سياست بھي اهميت رکھتى هى: واشنگٹن نे June ميں Anthropic’s Fable 5 aur Mythos 5 پر برآمد پابندى لگادى، aur Beijing ki koshish hai ke Chinese models ko bahir jane se rokne ki. Is se free downloadable Chinese weights ek powerful distribution move hai. کرپٹو سنگھروں کے لئے خلاصہ: - الِ بابا شاید تمام لِڈر بورڈز پر پہلے نمبر پر نہيں، لेकِن اِس نِکَّھَرَنْدَ فِنْدِشِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِنْدِनَдін, він виграє на розповсюдженні та доступності. Для Web3 команд, які створюють приватні агенти, вузли висновку або децентралізовані AI-сервіси, Qwen3.8-Max може знизити бар’єри для розгортання та змістити більше AI-навантажень у бік самостійного та децентралізованого інфраструктури. Друге місце на графіках все ще може бути величезною перевагою, коли ти володієш розповсюдженням.