Model ini menempati peringkat kelima di Text Arena dan peringkat kedua di Vision Arena, dengan kemampuan unggul di bidang coding, riset, berbagai kebutuhan pekerjaan, hingga penyelesaian tugas-tugas kompleks. 

Sebagai model AI multimodal, Qwen3.8-Max juga sudah mendukung analisis visual. Bagi yang tertarik menggunakannya, model ini sudah dapat diakses oleh developer di seluruh dunia melalui API pada Alibaba Cloud Model Studio. 

Sementara itu, model weights dijadwalkan akan tersedia pada pekan depan. Model ini juga dapat dicoba melalui QwenWork, platform AI agent all-in-one terbaru dari Alibaba untuk mendukung berbagai kebutuhan kerja. 

Arsitektur Inovatif: Menyeimbangkan Skala Besar dengan Efisiensi Tinggi

Dibangun di atas fondasi Qwen 3.5, Qwen3.8-Max mengadopsi arsitektur Sparse Mixture-of-Experts (MoE) yang dipadukan dengan mekanisme hybrid attention. Kombinasi ini memungkinkan model berukuran sangat besar tetap bekerja secara efisien saat proses inferensi.

Meskipun memiliki 2,4 triliun parameter, Qwen3.8-Max hanya mengaktifkan 95 miliar parameter. Inovasi ini memungkinkan model AI terbaru Alibaba menghadirkan performa terdepan untuk menangani tugas-tugas yang kompleks.

Kemampuan AI Kelas Terdepan untuk Coding, Aplikasi Dunia Nyata, dan Tugas Kompleks

Qwen3.8-Max menempati peringkat keempat di Frontend Code Arena, mencerminkan kemampuannya dalam mengembangkan kode secara mandiri serta menjalankan tugas-tugas kompleks tanpa intervensi manusia dalam jangka waktu yang panjang.

Dalam pengujian yang dilakukan secara internal, model ini berhasil menyelesaikan proyek rekayasa perangkat lunak selama 16 hari dengan membangun framework AI agent yang dapat terus berkembang dari nol.

Untuk menyelesaikan seluruh tugas-tugas tersebut, Qwen3.8-Max dirancang oleh Alibaba dengan memanfaatkan masukan dari pengguna, praktik terbaik dari komunitas, serta data hasil pengujian mandiri.

Melalui proses yang mencakup pembuatan kode, pengujian, pratinjau, dan analisis log secara berulang, model ini berhasil menghasilkan “oh-my-cli“, sebuah framework AI agent yang kini telah tersedia sebagai proyek open-source di GitHub.

Hal menarik lainnya, kemampuan yang dimiliki oleh Qwen3.8-Max tidak hanya terbatas pada otomatisasi coding, tetapi juga mendukung inovasi di berbagai bidang yang membutuhkan keahlian khusus.

Sebagai contoh, model ini tidak hanya mampu mereplikasi eksperimen yang telah dipublikasikan dalam riset ilmiah, tetapi juga mengembangkan metode baru dengan hasil yang melampaui penelitian sebelumnya. 

Qwen3.8-Max juga berhasil mengungguli peserta manusia dalam ajang WWW2025 Multimodal Dialogue Intent Recognition Challenge, menunjukkan kemampuannya dalam menganalisis transkrip layanan pelanggan serta memahami kebutuhan pengguna yang kompleks secara akurat.

Qwen3.8-Max juga dirancang untuk menangani berbagai tugas kompleks di dunia nyata, mulai dari perancangan aplikasi, peninjauan dokumen legal, analisis olahraga, riset keuangan, pengembangan konsep kuliner, visualisasi perkembangan rehabilitasi, hingga pemodelan arsitektur tiga dimensi (3D).

Selain itu, dengan mengoptimalkan skala pembelajaran penguatan dan kapasitas komputasi secara bersamaan, model ini juga meningkatkan kemampuannya dalam menjalankan berbagai AI agent.

Dalam  menangani tugas yang kompleks, melibatkan banyak batasan, dan terdiri dari berbagai tahapan, Qwen3.8-Max juga memiliki kemampuan perencanaan secara mandiri di tingkat sistem serta pembelajaran adaptif secara end-to-end dalam satu siklus.

Kemampuan Analisis Visual dan AI Agent Multimodal

Sebagai model AI multimodal, Qwen3.8-Max yang dikembangkan oleh Alibaba ini juga memiliki kemampuan untuk menganalisis dan mengolah berbagai informasi visual sehingga menjadi sebuah pengetahuan yang interaktif.

Model ini mampu memproses dokumen yang terdiri dari ratusan halaman, serial televisi secara utuh, maupun siaran langsung berdurasi hingga 100 jam, lalu mengubahnya menjadi basis pengetahuan yang interaktif dan mudah ditelusuri.

Qwen3.8-Max juga mampu menjalankan berbagai tugas secara berkelanjutan berdasarkan masukan visual secara langsung. Kemampuannya mencakup mengubah rekaman video pribadi menjadi vlog profesional.

Selain itu, juga menghasilkan animasi edukasi dari perintah berbasis teks, membangun kembali proyek frontend hanya dari satu tangkapan layar antarmuka pengguna, mengubah denah dua dimensi (2D) menjadi visualisasi interior tiga dimensi (3D), hingga membuat permainan interaktif langsung dari perintah dalam bahasa alami.

Untuk mendemonstrasikan kemampuan tersebut, Alibaba memperkenalkan RecreationBench, sebuah tolok ukur yang dirancang untuk menguji kemampuan model dalam merekonstruksi aplikasi melalui proses yang kompleks dan terdiri dari banyak tahapan.

Dalam pengujian tanpa akses ke internet maupun kode sumber aplikasi, Qwen3.8-Max berhasil membangun ulang aplikasi hanya melalui interaksi dengan aplikasi yang sudah ada serta memanfaatkan umpan balik visual.

Hasil ini pun sekaligus juga menunjukkan kemampuan AI agent hibrida yang unggul dalam melakukan visual coding melalui proses pengembangan yang berlangsung secara bertahap dan berulang.

Diklaim oleh OPenAI bahwa GPT-4o ini lebih efisien dan dapat mendengarkan serta melihat dengan lebih baik. Juga dikatakan bahwa AI generatif terbaru yang dikembangkan oleh OpenAI ini langkah menuju interaksi manusia-komputer yang lebih alami.

Model baru ini dapat memproses teks, gambar, dan audio serta mampu membantu penggunanya berdasarkan hal tersebut. Mode suara kini bekerja lebih lancar dengan respons yang lebih cepat dan pemahaman yang lebih baik.

Sebelumnya, mode suara digunakan untuk memanfaatkan tiga model berbeda untuk transkripsi, kecerdasan, dan keluaran text-to-speech secara bersamaan. Belum lagi, hal itu menyebabkan keterlambatan respons. Sebagai perbandingan, GPT-4o mampu menangani semua itu.

Dengan menggunakan kamera di smartphone, kini pengguna dapat berbagi informasi dengan GPT-4o dan mengajukan pertanyaan berdasarkan hal itu menggunakan mode suara. Kabarnya, model baru ini dapat merespons masukan suara dalam 232 milidetik.

Ya, ini serupa dengan waktu respons manusia. GPT-4o juga dapat merespons dalam berbagai nada yang sesuai dengan preferensi pengguna. Dibandingkan dengan GPT-4 Turbo, OpenAI memastikan bahwa GPT-4o lebih baik dan lebih cepat dalam memahami bahasa non-Inggris.

GPT-4o kini juga dapat berfungsi sebagai penerjemah. Secara khususnya, GPT-4o ini juga akan tersedia untuk API, sehingga pengembang aplikasi dapat membangun dan mendukung aplikasi AI menggunakan kemampuan model baru.

Meskipun model baru menawarkan fitur-fitur secara gratis, pengguna premium akan diizinkan untuk menggunakan sumber daya hingga lima kali lipat. Dengan kata lain, pengguna premium bisa menggunakan GPT-4o lebih optimal.

Bersamaan dengan kehadiran GPT-4o, OpenAI juga telah meluncurkan aplikasi ChatGPT untuk desktop berbasis macOS. Aplikasi untuk macOS ini menawarkan integrasi yang lebih dalam ke dalam platform.

Ya, tampaknya OpenAI ingin memudahkan pengguna untuk mengintegrasikan tools ini ke dalam alur kerja mereka. Dengan pintasan keyboard (Opsi + Spasi), pengguna akan dapat membuka halaman percakapan dengan mudah dan cepat.

Model text-to-video ini memungkinkan pengguna membuat video fotorealistik berdurasi hingga satu menit, yang semuanya berdasarkan perintah yang mereka tulis. Menariknya lagi, Sora mampu menciptakan adegan kompleks dengan banyak karakter.

Tak hanya itu, Sora juga mampu menciptakan jenis gerakan tertentu, dan detail subjek serta latar belakang yang akurat. Hal ini diungkap oleh OpenAI sebagai pengantar untuk menjelaskan lebih detail mengenai Sora yang diposting melalui blog resminya.

OpenAI juga mencatat bahwa model AI-nya itu dapat memahami bagaimana objek ada di dunia fisik alias nyata, serta menafsirkan properti secara akurat dan pada akhirnya mampu menghasilkan karakter yang menarik, mengekspresikan emosi agar terasa lebih hidup.

Sora juga dapat dimanfaatkan untuk menghasilkan video berdasarkan still image, serta mengisi frame yang hilang pada video yang ada. Hal itu pun ditunjukkan oleh OpenAI melalui beberapa demo video yang dibuat dengan Sora, dan kamu bisa mengaksesnya disini.

Ya, demo video yang ditunjukkan oleh OpenAI pun memang benar-benar dibuat dengan bantuan AI, dan hal ini tampak begitu jelas sehingga sulit dibantah. Salah satu contohnya adalah lantai yang ikut bergerak dalam demo video museum.

Terkait dengan hal itu, OpenAI hanya bisa mengatakan bahwa Sora memang tampaknya harus sering dilatih sehingga benar-benar bisa mensimulasikan “fisika” pemandangan kompleks secara akurat. Meski begitu, hasilnya secara keseluruhan cukup mengesankan.

Beberapa tahun yang lalu, generator text-to-image seperti Midjourney berada di garis terdepan dalam kemampuan model yang dibantu AI untuk mengubah kata menjadi gambar. Namun baru-baru ini, text-to-video mulai meningkat dengan pesat.

Runway dan Pika telah menunjukkan model AI text-to-video yang mereka kembangkan, dan tak sedikit orang yang mengatakan hal positif tentang itu. Selanjutnya, ada juga Lumiere Google, yang juga menjadi salah satu pesaing utama OpenAI di bidang ini.

Mirip dengan Sora, Lumiere menawarkan kepada pengguna sebuah tools text-to-video, dan juga memungkinkan pengguna membuat video dari still image. Untuk saat ini, Sora hanya tersedia untuk

Sora saat ini hanya tersedia untuk “red teamers”, yang menilai potensi bahaya serta risiko yang dihasilkan oleh model AI tersebut. OpenAI juga sudah menawarkan akses ke beberapa seniman visual, desainer, dan pembuat film untuk mendapatkan masukan.

Awal bulan ini, OpenAI telah mengumumkan penambahan watermark ke tools text-to-image DALL-E 3. Namun, OpenAI menemukan bahwa watermark tersebut dapat dengan mudah dihapus. Ya, inilah kehati-hatian yang harus dijaga oleh OpenAI terkait penyalahgunaan AI.