20 июля 2026 года Alibaba выпустила Qwen 3.8 Max как открытые веса — модель с 2,4 триллиона параметров, почти догоняющую по масштабу Kimi K3 от Moonshot AI (2,8T). Это разворот: в мае компания намеренно не открывала Qwen 3.7 Max. Параллельно аналитик Бен Томпсон опубликовал предложение, которое перефреймирует весь конкурентный спор США и Китая в AI: не ограничивать, а легализовать.
Контекст
Дистилляция — процесс, при котором одна модель учится на выходах другой, просто запрашивая её API. Крупные лабы — OpenAI, Anthropic, Google — запрещают это в ToS. Аргумент: мы потратили миллиарды, а кто-то хочет снять сливки через запросы. Контраргумент: сами вы тренировались на интернете — данных, которые никто вам не лицензировал.
Томпсон называет это лицемерием и предлагает разрубить узел законодательно:
США должны принять закон, который (1) прямо указывает, что сбор данных для тренировки моделей является fair use, и (2) запрещает условия ToS, запрещающие дистилляцию — по крайней мере для американских компаний. Остановить дистилляцию — которая буквально является просто запросом API — практически невозможно; США должны пойти в другую сторону и опереться на новую политику авторского права, которая одновременно защищает лабы и гарантирует, что то, чему они научились, питает дальнейшие инновации для всех.
На стороне Китая — свой фактор. По наблюдению Simon Willison, решение Alibaba открыть Qwen 3.8 Max могло быть связано с речью Си Цзиньпина: «Мы должны воспользоваться этим редким историческим шансом, поощрять open source, открытость, коллаборацию и обмен». Когда государство прямо сигнализирует — бизнес слышит. Alibaba поменяла позицию за несколько месяцев.
Аналитика
Весь разговор о «китайских моделях» упирается в один вопрос: насколько открытые веса могут конкурировать с закрытыми API? Qwen 3.8 Max с 2,4T параметрами — это не академический эксперимент. Это фронтирная модель, распределённая без лицензионного барьера. Компании по всему миру — включая СНГ — могут деплоить её на своей инфраструктуре, дообучать и использовать без зависимости от Anthropic или OpenAI.
Предложение Томпсона, если оно когда-нибудь станет законом, изменит расстановку сил. Сейчас дистилляция юридически серая: технически возможная, но запрещённая ToS, а значит рискованная для компаний с юридической службой. Легализация сделает поток знаний более свободным — из закрытых систем в открытые, из крупных в малые, через запросы API. Это не ослабляет GPT или Claude напрямую, но убирает монополию на накопленные знания.
Важен и сигнал о том, как работает open source в геополитическом контексте. Речь лидера государства → разворот решения корпорации → 2,4T параметров в публичном доступе. Этот цикл занял примерно два месяца. Открытость стала стратегическим инструментом, а не маркетинговым — и Китай это демонстрирует последовательно: сначала DeepSeek, теперь Qwen 3.8 Max.
Кейсы применения в бизнесе
B2B-SaaS стартап: если вы строите продукт на LLM и платите за API, Qwen 3.8 Max даёт альтернативу — задеплоить open-weights на собственном GPU-сервере, снизить переменные затраты, убрать зависимость от одного провайдера. Особенно актуально для фич с высокочастотными запросами или длинными контекстами. Сценарий: поднять Qwen на арендованном GPU, протестировать на реальном нагрузочном профиле, сравнить стоимость токена с текущим провайдером.
Корпорация с legacy: открытые веса плюс возможность дистилляции открывают путь к специализированной корпоративной модели, обученной на выходах frontier LLM. Сценарий: дообучить Qwen 3.8 Max на внутреннем документообороте — получить частную модель с высоким качеством для узкой области (юридика, финансы, техподдержка) без передачи корпоративных данных внешнему провайдеру.
SMB в КР и ЦА: облачные API дорогие при курсе сома к доллару. Qwen 3.8 Max на локальном сервере — это AI-ассистент без валютного риска и без передачи данных за рубеж, что важно для compliance по Цифровому кодексу КР (Закон №178). Сценарий: арендовать GPU-инстанс у европейского провайдера, поднять Qwen через vLLM, интегрировать с Telegram-ботом или внутренней CRM.
Кейсы в личной жизни
Разработчик: попробуйте Qwen 3.8 Max через community inference endpoints или локально через Ollama — если машина позволяет. Сравните качество кодогенерации с привычными моделями. У frontier open-weights часто неожиданно высокий уровень на конкретных задачах, особенно там, где публичные данные хорошо представлены.
Контент-мейкер: отслеживайте, как крупные лабы открывают флагманские модели под давлением конкуренции — это напрямую влияет на набор доступных инструментов. Qwen 3.8 Max через community-провайдеры может стать рабочим вариантом для задач, где GPT-4o сейчас слишком дорог.
Студент или исследователь: модель с 2,4T параметрами в открытом доступе — это ресурс для экспериментов, которых раньше не было. Задача «что умеет 2,4T модель на задаче X» раньше требовала корпоративного доступа или знакомств. Теперь — университетского кластера или Colab с GPU.
Как применить сегодня
- Найдите Qwen 3.8 Max на HuggingFace и проверьте лицензионные условия — они важны для коммерческого использования.
- Сравните модель через агрегатор типа OpenRouter с вашим текущим провайдером: тестируйте на реальных запросах из продакшена, не на синтетических бенчмарках.
- Для on-premise: поднимите vLLM + Qwen на GPU-инстансе, замерьте стоимость 1M токенов vs. API — при нагрузке от нескольких миллионов токенов в месяц разница обычно заметная.
- Следите за законодательной дискуссией о дистилляции в США — решение там создаст прецедент и для других юрисдикций, в том числе КР и ЦА.
- Посмотрите на Kimi K3 (2,8T) в той же когорте: выбор между двумя китайскими open-weights моделями уже сам по себе говорит о том, что рынок стал конкурентным, а не монопольным.