Coding के लिए Qwen3.8-Max: price, benchmark और tools configuration

Preview के बाद क्या बदला

Official Qwen repository में post-trained Qwen3.8-2.4T-A95B weights और config हैं: कुल 2.4T parameters, 95B active, 262,144 tokens native context, और documented extension 1,010,000 तक। Repository vLLM, SGLang और TokenSpeed के compatible बताई गई है।

Hosted qwen3.8-max इन weights पर आधारित है, लेकिन Qwen उसके लिए vision input, non-thinking, official tools set और default 1M-token context अलग बताता है। इसलिए API config में Qwen3.8-2.4T-A95B को qwen3.8-max की जगह न रखें, और local inference को hosted API के पूरी तरह समान न मानें।

Preview पुराने Token Plan और configs में मिल सकता है। Stable migration में Model ID बदलें, key type और endpoint मिलाएँ, फिर minimal request चलाएँ। Region की जाँच बिना केवल name बदलने पर 401, 404 या missing model मिल सकता है।

क्या open weights स्थानीय रूप से चला सकते हैं

औपचारिक रूप से हाँ: repository self-hosted inference के weights/config देती है। व्यवहार में यह सामान्य workstation GPU पर model download करने का काम नहीं, बल्कि server project है। MoE में प्रति step 95B parameters active हैं, फिर भी storage, distribution और loading में बहुत अधिक data चाहिए; KV cache, precision, quantization और engine overhead अलग हैं।

Hardware केवल active-parameter count से तय न करें। पहले engine, precision, context length और acceptable speed चुनें, फिर उसकी hardware guide से memory estimate बनाएँ। Occasional coding test के लिए hosted API कम preparation ले सकती है; local option तब उचित है जब team sharding, updates और monitoring चलाने को तैयार हो।

Weights Qwen3.8-Max License के अंतर्गत हैं, Apache 2.0 नहीं। यह use और modification दे सकती है, लेकिन large commercial products, Model as a Service और AI Work Assistant के लिए अतिरिक्त conditions रखती है; public/commercial deployment से पहले पूरा license अपने scenario पर पढ़ें।

Qwen3.8-Max की लागत कितनी है

Alibaba Model Studio regional prices प्रकाशित करता है; उन्हें source currency में ही पढ़ें, conversion को official price न कहें। Source table के अनुसार Beijing/Global में CNY 12 per 1M input और CNY 36 per 1M output tokens; Singapore में CNY 14.988 input और CNY 44.965 output हैं।

200,000 input तथा 20,000 output tokens का Beijing calculation 0.2 × 12 + 0.02 × 36 = CNY 3.12 है; Singapore में वही volume CNY 3.8969 है। यह Model Studio pay-as-you-go calculation है। Token Plan, subscription और third-party gateway की billing unit अलग हो सकती है, इसलिए उन्हें एक comparison row में न मिलाएँ। Provider और region चुनकर उसी token profile की current catalog rate से गणना करें।

Official benchmark table कैसे पढ़ें

Qwen release में coding results ये हैं: Terminal-Bench 2.1 86.6, SWE-bench Pro 67.7, DeepSWE 1.1 56.6, FrontierSWE 73.5, PaperBench 93.0, QwenSWEBench 80.7। ये vendor-reported values हैं।

Terminal-Bench 2.1 के लिए Qwen Claude Code, avg@10, five-hour timeout और max_tokens=131072 बताता है। SWE-bench Pro में Claude Code, temperature=1.0, top_p=0.95 और 256K context हैं; उस note में अलग timeout claim नहीं है। कुछ competitor rows में उनका best published result लिया गया और कुछ datasets Qwen के हैं, जिनका external reproduction नहीं है।

इससे single leaderboard rank नहीं निकलता। PaperBench का 93.0 किसी real repository issue fix में automatic superiority नहीं दिखाता। पहले capability, फिर harness, effort, attempts और scoring method देखें।

एक independent test ने क्या दिखाया

Trilogy AI ने architectural-analysis की एक task में Qwen preview और Kimi K3 compare किए: 269-file frozen repository, समान time limit और एक output type। StackPerf में Kimi 83 और Qwen 80 रहा। Qwen ने error के बिना 44 tool calls किए; Kimi ने 53 और दो recovered failures किए।

यह एक task का process snapshot है, सार्वभौमिक verdict नहीं। यह दिखाता है कि score का छोटा अंतर tools के अलग behavior के साथ हो सकता है; यह प्रमाण नहीं कि एक model सभी coding scenarios में बेहतर है।

Qwen3.8-Max कहाँ उपयुक्त लगता है

इसे test में शामिल करें यदि task में बहुत files से architecture map बनाना, tools के साथ multi-step plan, text/images/documents को एक context में रखना, diff बनाकर कई definition-of-done checks करना, या code के साथ business rules लंबे समय तक रखना शामिल है।

छोटे changes में low और higher reasoning modes compare करें। यदि quality gain latency और output tokens की भरपाई नहीं करता, heavy mode default नहीं होना चाहिए।

Qwen Code configure करें

Model Studio console में region चुनें, API-KEY page खोलें और उसी region का standard pay-as-you-go key बनाएँ। Token Plan key अलग section में होती है और pay-as-you-go endpoint से interchangeable नहीं। New key को तुरंत environment variable में रखें:

export DASHSCOPE_API_KEY="YOUR_API_KEY"

Qwen Code modelProviders और OpenAI-compatible provider support करता है। सभी projects के लिए ~/.qwen/settings.json, एक repository के लिए उसके root में .qwen/settings.json लें। JSON में variable name रखें, actual key नहीं:

{
  "modelProviders": {
    "openai": [{
      "id": "qwen3.8-max",
      "name": "Qwen3.8-Max",
      "baseUrl": "https://dashscope-us.aliyuncs.com/compatible-mode/v1",
      "envKey": "DASHSCOPE_API_KEY"
    }]
  }
}

यह US region का official example है। Beijing, Singapore, Tokyo या Frankfurt के लिए Model Studio table का regional address और उसी region का key लें। Project file user file को override करती है। Provider configuration atomic है: nested generationConfig और दूसरे fields individual keys से merge नहीं, whole value से replace हो सकते हैं। Existing provider entries सहेजें और diff जाँचें ताकि दूसरी model की working setting न हटे। Restart करें, qwen3.8-max चुनें, एक file read request भेजें और model name/metadata confirm करें; उसके बाद ही changes allow करें।

Claude Code configure करें

Model Studio Anthropic-compatible endpoint देता है। US region का minimum example:

export ANTHROPIC_BASE_URL="https://dashscope-us.aliyuncs.com/apps/anthropic"
export ANTHROPIC_AUTH_TOKEN="YOUR_API_KEY"
export ANTHROPIC_MODEL="qwen3.8-max"

दूसरे region में official regional Base URL और matching key लें। Restart के बाद files बदले बिना short task दें और actual Model ID जाँचें। Token Plan key को pay-as-you-go endpoint से न मिलाएँ। Anthropic-compatible protocol compatibility है; इसका अर्थ Qwen का Anthropic model बनना या Claude Code के identical behavior नहीं। Tool call, file write, error recovery और usage अलग से validate करें।

पहले दिखी errors

Qwen Code issue #7332 preview से संबंधित है: internal request ने उस समय thinking-only model को enable_thinking=false भेजा और 400 मिला। यह migration signal है, current stable API का वर्णन नहीं। Qwen3 issue #1883 में Anthropic-compatible endpoint पर relative path सीधे /tmp में लिखने का प्रयास आया; workaround absolute path था। Qwen Code issue #7489 में VS Code Companion ने image name link डाला पर image भेजी नहीं। दोनों client version और harness पर निर्भर हैं।

ऐसी problem में चार layers अलग करें: (1) API ने Model ID/key स्वीकारा, (2) client ने thinking/tools सही भेजे, (3) harness ने path/attachment resolve किया, (4) model ने instruction किया। सबको “model error” कहने पर config fix कठिन हो जाता है।

अपनी task पर model जाँचें

तीन repositories या तीन अलग issue types लें। Commit, tools, time limit और PASS criteria freeze करें। हर run में reasoning mode, input/output tokens, first useful change तक time, tool calls/errors, final tests और manual fixes दर्ज करें। ऐसा test generic leaderboard से उपयोगी है: यह code generation के साथ completed task की cost दिखाता है, जो team वास्तव में चुकाती है।

Sources

• Official Qwen3.8-Max release
• Open Qwen3.8-2.4T-A95B weights
• Qwen3.8-Max License
• Model Studio models and regional endpoints
• Official Model Studio pricing
• Model Studio API key
• Qwen Code settings.json
• Qwen Code model providers
• Issue #7332
• Issue #1883
• Issue #7489
• Independent StackPerf run