Qwen3.8-Max klimt naar de top van Code Arena

Alibaba heeft een nieuwe snapshot van zijn grootste taalmodel uitgebracht zonder het versienummer op te hogen. Qwen3.8-Max-0902 verscheen op 2 september en staat volgens Arena.ai bovenaan de WebDev-ranglijst van Code Arena, drie punten boven Claude Opus 5. Dat is een smalle marge, en de rest van de cijfers geeft een genuanceerder beeld.

Zelfde model, andere nabehandeling

Het Qwen-team schrijft op X dat de basis ongewijzigd blijft: 2,4 biljoen parameters en een contextvenster van 1 miljoen tokens. Wat veranderde is de post-training, gericht op coderen en op Cowork, de modus van Alibaba voor taken die over veel stappen lopen. TechNode meldt dat de snapshot beschikbaar is via de Qwen-diensten, de API en QwenCloud. Vercel nam het model op 1 september op in zijn AI Gateway en noemt vooruitgang bij grotere codeprojecten, bij werk dat lang zonder toezicht doorloopt en bij het lezen van grafieken en dichte documenten.

De sprong in Code Arena is 22 punten ten opzichte van de vorige Qwen3.8-Max, naar 1.691. Daarmee staat het model ook 17 punten boven Kimi K3, het model waarmee Moonshot deze week zijn hele aanbod terugbracht tot één versie.

Op andere tests blijft Opus 5 voor

Alibaba publiceerde zelf ook cijfers die minder gunstig uitpakken. Op TerminalBench 3.0 komt de 0902-snapshot uit op 29,0 tegen 42,7 voor Claude Opus 5. Op DeepSWE 1.1 is het 69,3 om 73,6, op ProgramBench 28,0 om 41,5 en op JobBench 64,0 om 67,8. De echte winst zit in de vergelijking met de eigen voorganger: agentisch werk in de terminal ging van 11,3 naar 29,0. Bovenaan staat het model wel bij het begrijpen van complete codebases (SWE-Atlas QnA 66,3) en bij Automation Bench (50,8).

Op één ranglijst eerste zijn en op vier andere achterblijven is geen tegenspraak. Code Arena WebDev meet front-end werk dat mensen beoordelen. TerminalBench en DeepSWE meten of een model zelfstandig een repository kan repareren. Dat zijn verschillende vaardigheden. De afstand tussen die twee soorten tests zegt meer over een model dan de positie op één lijst.

De prijs doet het meeste werk

Volgens de tarieven van Alibaba Cloud Model Studio kost het model 2 dollar per miljoen invoertokens en 6 dollar per miljoen uitvoertokens. Een expliciete cache-treffer valt terug naar 0,17 dollar. Arena.ai rekent met een gemengd tarief van 5 dollar per miljoen tokens. Dat is hetzelfde bedrag als bij de vorige snapshot, terwijl de codeerscores omhoog gingen. Voor bedrijven die agents in productie draaien telt dat zwaarder dan drie punten voorsprong op een leaderboard. Dezelfde druk op de prijs kwam eerder dit jaar van DeepSeek, dat zijn visiemodel onder een MIT-licentie vrijgaf, en van Tencent met een open model van 770 miljard parameters.

Wat betekent dit

Wie codeermodellen inkoopt, maakt de keuze steeds vaker per taak in plaats van per leverancier. Voor front-end werk en grote projecten is Qwen3.8-Max-0902 voor dit bedrag een serieus alternatief. Voor autonome terminaltaken wijzen de cijfers van Alibaba zelf nog richting Opus 5, en Anthropic zette daar op 1 september Claude Fable 5.1 naast. Ondertussen bouwen partijen als Cognition hun producten bovenop dit soort modellen, en die kiezen op prijs per opgeloste taak. Kijk dus niet naar het ranglijstnummer, maar naar de benchmark die op jouw werk lijkt, en test met je eigen repository voordat je overstapt.