Qwen 3.8 thu hẹp khoảng cách lập luận, nhưng lập trình tự chủ vẫn là thế mạnh của Mỹ

Việc phát hành Qwen3.8-2.4T-A95B làm thay đổi ranh giới trọng số mở (open-weight)—chỉ là không theo hướng mà các điểm số tiêu đề gợi ý. Alibaba đã tung ra một mô hình Mixture-of-Experts thưa thớt với 2,4 nghìn tỷ tham số và 95 tỷ tham số hoạt động trên mỗi token, theo một giấy phép tùy chỉnh khóa quy mô thương mại sau ngưỡng doanh thu 50 triệu USD. Các trọng số đã xuất hiện trên Hugging Face vào khoảng ngày 12–13 tháng 8, và thị trường đã phản ứng ngay lập tức: cổ phiếu Alibaba đã tăng 7% tại Hồng Kông và 4,5% trên sàn NYSE sau khi ra mắt API của mô hình vào đầu tháng 8.

Tuy nhiên, trước khi chấp nhận những con số đó như một bằng chứng cho sự xuất hiện, điều đáng hỏi là các điểm chuẩn (benchmarks) đã được xác minh thực sự xác nhận điều gì—và khoảng cách còn tồn tại ở đâu.

Những gì dữ liệu đã xác minh cho thấy

Trên các bảng xếp hạng được đánh giá độc lập của HuggingFace, Qwen 3.8 đạt 92,6 điểm trên GPQA Diamond và 86,6 điểm trên Terminal Bench 2.1. Đây là những điểm số suy luận tổng quát thực sự—cạnh tranh với GPT-5.6 Sol (lần lượt là 94,1 và 88,8) và Opus 4.8 (92,0 và 84,6). Mô hình này đã trực tiếp thu hẹp khoảng cách suy luận với các phòng thí nghiệm hàng đầu của Hoa Kỳ trong các đánh giá tiêu chuẩn hóa đa chỉ số.