Daha önce Kimi K3 üzerine yazarken, açık ağırlıklı modellerin frontier seviyeye ulaştığı bir eşikten bahsetmiştik. O eşik aşıldı ve soru değişti: açık ağırlıklı bir model frontier seviyeye çıkabiliyorsa, bir şirket en üst sınıfını da açar mı?
Alibaba'nın cevabı evet oldu. Qwen 3.8 ailesi, şirketin en üst modeli olan Max sınıfını ilk kez açık ağırlıklarla yayımladığı sürüm. Model 19 Temmuz 2026'da önizlemeye açıldı, 3 Ağustos'ta resmî olarak duyuruldu ve 14 Ağustos'ta ağırlıklar Hugging Face'e düştü.
Bu yazıda Qwen 3.8'in ne sunduğuna, kıyaslama rakamlarının ne kadarına güvenilebileceğine ve ağırlıkları indirmeden önce bilmeniz gereken sınırlamalara bakıyoruz.
Max Sınıfı İlk Kez Açılıyor
Qwen ekibi bugüne kadar küçük ve orta boy modellerini açık ağırlıklarla yayımlıyor, en üst sınıfını API'nin arkasında tutuyordu. Sektörde yaygın olan da buydu: açılan model, şirketin en iyi modeli değildi.
Qwen 3.8 bu ayrımı kaldırdı. Hem 2,4 trilyon parametrelik Qwen3.8-Max hem de daha küçük Qwen3.8-27B için ağırlıkların yayımlanacağı duyuruldu. 27B sürümü 14 Ağustos 2026'da Hugging Face üzerinde Qwen/Qwen3.8-27B ve Qwen/Qwen3.8-27B-FP8 olarak yayına girdi, ModelScope üzerinden de erişilebiliyor.
Lisans tarafında önemli bir detay var: Apache 2.0 lisansı yalnızca model kartının başlığında değil, gerçek LICENSE dosyasında doğrulanmış durumda. Ticari kullanım serbest ve gelir paylaşımı şartı yok. Açık ağırlıklı model yayımlayan bazı şirketlerin özel lisanslarla getirdiği kısıtlar burada yok.
Qwen 3.8 Ailesi: İki Model, İki Amaç
Aile iki farklı ihtiyaca cevap veriyor ve ikisini karıştırmamak gerekiyor.
Qwen3.8-Max
Üst sınıf model. 2,4 trilyon parametre ile Mixture-of-Experts mimarisi kullanıyor ve token başına yalnızca 95 milyar parametre aktif oluyor. Bağlam penceresi 1 milyon token. Metin, görsel ve video girdisini yerel olarak kabul ediyor, yani görsel yetenek sonradan takılmış bir eklenti değil.
Qwen3.8-27B
Çoğu ekibin gerçekten çalıştıracağı model bu. 27 milyar parametreli, seyrek değil yoğun (dense) bir model ve bir görsel kodlayıcı içeriyor. Metin, görsel ve video alıp metin üretiyor.
Mimarisi ilginç: 5120 gizli boyut ve 64 katman üzerine kurulu hibrit bir yerleşim kullanıyor. Üç adet Gated DeltaNet artı FFN bloğunun ardından bir Gated Attention artı FFN bloğu geliyor ve bu desen 16 kez tekrarlanıyor. Saf dikkat katmanları yerine bu karma yapı, uzun bağlamda bellek maliyetini düşürmeyi hedefliyor.
Bağlam tarafında dikkat edilmesi gereken bir nokta var ve aşağıda ayrıca ele alıyoruz: modelin yerel bağlamı 262.144 token, 1 milyon rakamı ise genişletmeyle ulaşılan bir üst sınır.
Kıyaslamalarda Ne Gösteriyor?
Qwen 3.8'i gündeme oturtan asıl rakamlar ajan ve kodlama tarafında.
Max sürümü, bilgisayar kullanma yeteneğini ölçen OSWorld-Verified testinde 86,1 puan aldı. Aynı testte GPT-5.6 Sol Max 83,2, Claude Fable 5 85,0 ve Gemini 3.1 Pro 76,2 puanda. Araştırma görevlerini ölçen PaperBench'te ise 93,0 ile bugüne kadar raporlanmış en yüksek skoru koydu.
27B sürümü, kendi selefiyle karşılaştırıldığı dört testin dördünde de önde:
| Kıyaslama | Qwen3.8-27B | Önceki nesil | Ne ölçüyor? |
|---|---|---|---|
| Terminal Bench 2.1 | 73,0 | 51,7 | Terminalde çok adımlı görev tamamlama |
| SWE-bench Pro | 61,7 | 51,2 | Gerçek depolarda hata çözme |
| IFBench | 79,5 | 77,0 | Talimat takibi |
| GPQA Diamond | 89,2 | 83,5 | Lisansüstü seviye akıl yürütme |
Terminal Bench ve SWE-bench Pro'daki sıçrama özellikle dikkat çekici, çünkü ikisi de tek atışlık soru cevap değil, çok adımlı ajan davranışı ölçüyor. 51,7'den 73,0'a çıkmak bu tarafta ciddi bir fark.
Bağımsız tarafta ise tablo biraz farklı. Kalabalık kaynaklı Arena.AI platformunda Qwen3.8-Max, lansmanda metin görevlerinde en yüksek sıradaki Çin modeli oldu, ama Claude Fable 5 dahil birkaç Anthropic modelinin gerisinde kaldı. Yani mutlak liderlik değil, en üst gruba girme durumu var.
Açık Ağırlık ile Açık Kaynak Aynı Şey Değil
Bu ayrım kurumsal kararlarda sık atlanıyor ve Qwen 3.8 için de geçerli.
Alibaba modelin ağırlıklarını yayımladı. Yayımlamadığı şeyler: eğitim verisi, eğitim tarifinin tamamı ve eğitimi yeniden üretmek için gereken diğer bileşenler. Yani modeli indirip çalıştırabilir, ince ayar yapabilir ve ticari olarak kullanabilirsiniz. Ama sıfırdan yeniden üretemez, hangi veriyle eğitildiğini denetleyemezsiniz.
Bu bir kusur değil, bir tanım meselesi. Fakat açık kaynak ifadesini bir uyum gerekçesi olarak kullanacaksanız fark önemlidir. Veri kökeni denetimi gerektiren bir sektördeyseniz, açık ağırlık bu gereksinimi tek başına karşılamaz.
Apache 2.0 tarafı ise gerçekten rahat: ticari kullanım serbest, gelir paylaşımı yok ve lisans dosyada doğrulanmış. Kendi altyapısında model çalıştırmak isteyen ekipler için en önemli kısım da bu.
Fiyatlandırma ve Kendi Altyapında Çalıştırma
Max sürümü API üzerinden milyon token başına 2,00 dolar giriş ve 6,00 dolar çıkış fiyatıyla sunuluyor. Frontier sınıfı için rekabetçi bir seviye.
Asıl hesap ise 27B tarafında. Ağırlıkları indirip kendi sunucunuzda çalıştırdığınızda token başına ödeme ortadan kalkıyor, yerine donanım ve işletme maliyeti geçiyor. FP8 sürümünün yayımlanmış olması bu hesabı kolaylaştırıyor, çünkü daha az bellekle çalışabiliyor.
Karar şuna iniyor: hacminiz düzenli ve öngörülebilirse, kendi altyapınızda 27B çalıştırmak belirli bir eşikten sonra API'den ucuza geliyor. Hacminiz dalgalıysa ya da en yüksek yeteneğe ihtiyacınız varsa Max'i API üzerinden kullanmak daha mantıklı. Veri egemenliği bir gereksinimse tercih zaten 27B tarafında netleşiyor.
Bilinen Sınırlamalar
Duyuru metinlerinde öne çıkmayan, ama indirmeden önce bilmeniz gereken dört nokta var.
1 milyon bağlam açık ağırlıklarda yok. İndirdiğiniz modelin yerel bağlamı 262.144 token. 1 milyon rakamı barındırılan sürüme ait bir özellik. Kod tabanınızın tamamını tek seferde vermeyi planlıyorsanız bu farkı baştan hesaba katın.
Daha yavaş ve daha çok token tüketiyor. Bağımsız testler 27B sürümünün selefine göre yaklaşık üç kat daha yavaş olduğunu ve daha fazla token harcadığını gösteriyor. Kıyaslama puanı yükselirken çalışma maliyeti de yükselmiş durumda. Gecikmeye duyarlı bir üründe bu fark hissedilir.
Kıyaslama sonuçlarının tamamı Alibaba tarafından raporlandı. Model kartındaki her rakam üreticinin kendi ölçümü. Bu rakamların yanlış olduğu anlamına gelmez, ama bağımsız doğrulama gelene kadar temkinli okunmalı. Kendi iş yükünüzde kendi ölçümünüzü yapmadan mimari karar vermeyin.
Eğitim verisi ve tarifi yayımlanmadı. Yukarıda değindiğimiz açık ağırlık ile açık kaynak farkı burada pratik bir sonuç doğuruyor: modelin neyle eğitildiğini denetleyemezsiniz.
Sonuç
Kimi K3 yazımızda açık ağırlıklı modellerin frontier seviyeye ulaştığını söylemiştik. Qwen 3.8 bir adım öteye geçiyor: artık bir şirketin en üst modeli de açılabiliyor ve bu, Apache 2.0 gibi rahat bir lisansla yapılabiliyor.
Pratik sonuç şu: kendi altyapısında güçlü ve çok modlu bir model çalıştırmak isteyen bir ekibin önündeki lisans ve yetenek engelleri belirgin şekilde azaldı. Ama pazarlama rakamlarıyla üretim gerçeği arasındaki mesafe duruyor. 262 bin bağlam, üç kat yavaşlık ve üreticinin kendi ölçtüğü kıyaslamalar, karar verirken tartıya konması gereken şeyler.
Tavsiyemiz her zamanki gibi sade: modeli kendi iş yükünüzle ölçün, bağlam ihtiyacınızı gerçekçi belirleyin ve gecikme bütçenizi baştan koyun. Model seçimi ve kendi altyapınızda çalıştırma konusundaki çalışmaları AI Çözümleri hizmetimiz altında yürütüyoruz. Açık ağırlıklı modellerin geldiği noktayı Kimi K3 yazımızda, kapalı tarafın otonom modellere gidişini ise Claude Fable 5 yazımızda ele almıştık.
