Qwen3.8-Max, AI Baru yang Bisa Coding Mandiri Lebih dari 10 Hari

Qwen resmi memperkenalkan Qwen3.8-Max, model kecerdasan buatan (AI) terbaru yang diklaim menjadi model paling mumpuni dalam keluarga Qwen. Dengan skala hingga 2,4 triliun parameter, model ini dirancang bukan hanya untuk menjawab pertanyaan, tetapi juga menyelesaikan pekerjaan kompleks secara mandiri dari awal hingga akhir.

Peluncuran Qwen3.8-Max sekaligus menandai langkah baru bagi Qwen. Untuk pertama kalinya, perusahaan berencana membuka weights model kelas Qwen-Max kepada publik. Weights tersebut dijadwalkan tersedia secara terbuka melalui Hugging Face dan ModelScope pada pekan berikutnya.

Dibangun berdasarkan fondasi arsitektur Qwen3.5, Qwen3.8-Max membawa peningkatan pada sejumlah kemampuan, mulai dari coding, penelitian, pekerjaan profesional, tugas multimodal, hingga pekerjaan jangka panjang yang membutuhkan perencanaan dan pengambilan keputusan secara berulang.

Yang menarik, Qwen tidak hanya mengklaim kemampuan model berdasarkan hasil benchmark. Pengembang juga mengujinya melalui sejumlah proyek yang mengharuskan AI bekerja selama berjam-jam hingga berhari-hari tanpa campur tangan manusia.

Coding Tak Lagi Sekadar Menulis Kode

Menurut hasil pengujian, kemampuan coding pada model AI kelas atas kini tidak cukup jika hanya mampu membuat fungsi atau potongan kode berdasarkan instruksi pengguna.

Tantangan yang lebih besar adalah apakah AI dapat mengambil sebuah proyek dari kondisi kosong, mengembangkan kode, melakukan pengujian, menemukan kesalahan, memperbaikinya, lalu menghasilkan produk yang dapat digunakan.

Qwen3.8-Max diuji melalui tiga skenario coding semacam itu. Dalam ketiga pengujian tersebut, model harus menulis dan menjalankan kode sendiri tanpa bantuan manusia.

Salah satu pengujian dilakukan melalui proyek oh-my-cli. Qwen3.8-Max diminta membangun proyek tersebut dari nol dan bekerja secara otonom selama lebih dari 10 hari.

Model membangun sebuah harness yang dapat terus berkembang berdasarkan masukan pengguna, pengalaman komunitas, serta hasil pengujian internal. Kebutuhan baru diubah menjadi issue, kemudian diambil dan dikerjakan oleh agen AI. Setelah kode dibuat, sistem menjalankan pengujian, memeriksa hasil, memantau log, hingga melakukan perbaikan jika ditemukan masalah.

Hingga 30 Juli 2026, setelah sekitar 16 hari beroperasi secara otonom, repositori tersebut telah mencatat 265 commit, 127 pull request, dan 151 issue. Sistem ini menggunakan beberapa komponen penting, termasuk issue state machine, dispatcher, monitor, dan watchdog. Setelah sebuah tugas masuk, agen memprosesnya melalui beberapa tahapan hingga implementasi selesai dan pull request dapat digabungkan.

Qwen3.8-Max juga mampu melakukan self-testing. Setiap pembaruan dapat diikuti dengan proses build, unit test, pengujian end-to-end, serta validasi siklus hidup aplikasi desktop.

Dengan demikian, model tidak sekadar membuat kode, tetapi juga melakukan pemeriksaan terhadap hasil pekerjaannya sendiri.

AI Melakukan Riset dari Nol

Kemampuan Qwen3.8-Max kemudian diuji dalam skenario penelitian AI. Model diberikan makalah berjudul "Unified Data Selection for LLM Reasoning" dan diminta mereplikasi eksperimen yang dijelaskan di dalamnya, kemudian mencoba menghasilkan metode yang lebih baik.

Yang membuat pengujian ini menarik adalah model tidak diberikan kode awal atau pipeline penelitian yang sudah tersedia. Qwen3.8-Max hanya memperoleh makalah dan akses ke GPU. Model harus membuat sendiri skrip pemrosesan data, kode pelatihan, serta sistem evaluasi.

Selama sekitar 125 jam atau lima hari, Qwen3.8-Max menulis sekitar 7.600 baris kode, melakukan lebih dari 1.100 aksi, dan menjalankan 33 putaran pelatihan GPU. Dalam sekitar 37 jam pertama, model membangun kembali pipeline penelitian dari nol dan berhasil mereplikasi enam temuan utama dari penelitian tersebut.

Namun, Qwen3.8-Max tidak berhenti setelah berhasil mereplikasi penelitian. Model kemudian menjalankan siklus eksperimen mandiri berupa membuat hipotesis, menulis kode, menjalankan eksperimen, menganalisis hasil, lalu mencoba kembali.

Dalam proses tersebut, model menciptakan dan menguji 18 ide peningkatan melalui empat putaran eksperimen.

Hasil akhirnya menunjukkan bahwa metode baru yang dikembangkan Qwen3.8-Max mampu mengungguli pendekatan penelitian awal dengan peningkatan 2,7 poin pada benchmark AIME24.

Mengalahkan 458 dari 526 Tim Manusia

Pengujian lain dilakukan melalui kompetisi WWW2025 Multimodal Dialogue Intent Recognition Challenge di platform Tianchi milik Alibaba Cloud. Kompetisi tersebut diikuti oleh 526 tim manusia. Tugas peserta adalah memahami percakapan layanan pelanggan, termasuk teks dan tangkapan layar, untuk menentukan maksud pelanggan.

Dalam waktu hanya 24 jam, Qwen3.8-Max harus membangun solusi secara mandiri.

Untuk memahami teks, model menggunakan beberapa model bahasa China, yakni BERT, MacBERT, dan RoBERTa. Untuk memahami gambar, model menggunakan Qwen2.5-VL-7B yang diperkuat Chinese-CLIP. Berbagai model tersebut kemudian digabungkan melalui sistem weighted voting. Qwen3.8-Max melakukan total 45 pengiriman dan menggunakan hasil dari setiap putaran untuk menyesuaikan strategi berikutnya.

Akurasi model meningkat dari 0,60 menjadi 0,853.

Hasil akhirnya, Qwen3.8-Max mengalahkan 458 dari 526 tim manusia, atau sekitar 87 persen dari seluruh peserta.

Menargetkan Berbagai Pekerjaan Profesional

Selain coding, Qwen juga mengembangkan Qwen3.8-Max untuk menangani pekerjaan nyata yang kompleks dan terdiri dari banyak tahapan. Pengembang meningkatkan sistem reinforcement learning (RL) dan lingkungan kerja AI melalui sejumlah harness, termasuk QwenWork, Claude Code, Codex, OpenClaw, dan Hermes.

Pengembangan tersebut mencakup perluasan jenis tugas, ruang kerja, serta kemampuan harness. Qwen juga memperkenalkan Universal Reward System untuk menilai hasil pekerjaan melalui eksekusi, teks, tampilan visual, hingga inspeksi oleh agen AI.

Qwen kemudian menguji model pada berbagai profesi.

Dalam pekerjaan kepatuhan perusahaan, misalnya, Qwen3.8-Max disebut mampu menemukan 1.284 klausul relevan dari ratusan dokumen dan menyelesaikan peninjauan dalam waktu kurang dari satu jam. Dalam pekerjaan desain UI/UX, model menghasilkan prototipe interaktif aplikasi perbankan digital NOVA yang terdiri dari delapan layar dan dapat diselesaikan tanpa revisi manusia.

Untuk industri restoran, model mampu membaca lebih dari 100 dokumen pasokan bahan dan menghasilkan menu 26 hidangan dengan informasi kalori, asal bahan, serta rasio biaya makanan 33,8 persen.

Di bidang teknik struktur, Qwen3.8-Max dapat merekonstruksi model struktur tahan gempa gedung 30 lantai dari gambar teknik. Sementara dalam analisis olahraga, model memproses sekitar 8.400 possession ofensif dan defensif per pemain untuk menghasilkan profil taktik serta laporan pelatihan dalam hitungan puluhan menit.

Mengoptimalkan Desain Chip hingga 81 Persen

Kemampuan Qwen3.8-Max juga diuji dalam desain perangkat keras. Dalam sebuah eksperimen, model diminta mengoptimalkan akselerator perangkat keras kriptografi GCD/RSA. Model bekerja menggunakan Iverilog untuk simulasi, Yosys untuk sintesis, dan OpenROAD untuk desain fisik.

Tanpa desain referensi maupun bantuan manusia, model menjalankan proses mulai dari perancangan arsitektur, penulisan RTL, debugging, hingga optimasi berulang. Desain awal membutuhkan 8.298 gate. Setelah sekitar 500 putaran interaksi dan 71 evaluasi, Qwen3.8-Max berhasil menurunkannya menjadi 678 gate.

Pengurangan tersebut dilakukan melalui penulisan ulang algoritma, penghapusan redundansi, penyederhanaan register dan FSM, penggabungan modul, hingga optimasi tingkat gate. Ketika desain tersebut diteruskan ke tahap fisik, ukuran die berkurang dari 106 × 106 mikrometer menjadi 46 × 46 mikrometer. Panjang kabel juga turun dari 33.369 mikrometer menjadi 4.187 mikrometer.

Menurut hasil pengujian yang disampaikan Qwen, optimasi tersebut menghasilkan pengurangan luas fisik sekitar 81 persen dan berhasil mencapai timing closure pada 500 MHz.

Belajar dari Simulasi Bisnis Selama Satu Tahun

Qwen3.8-Max juga diuji melalui E-Commerce Bench, simulasi bisnis e-commerce selama 365 hari. Model diberikan modal awal ¥100.000 untuk mengelola beberapa toko online dengan 60 kategori produk, hampir 600 pemasok, dan sekitar 7.000 produk.

Model harus mengambil keputusan terkait pemilihan produk, negosiasi pemasok, inventaris, harga, pengembalian barang, hingga alokasi modal. Dalam simulasi tersebut terdapat pula 152 pemasok penipu dengan berbagai modus, termasuk jebakan biaya keanggotaan, harga umpan, dan barang yang tidak sesuai deskripsi.

Qwen3.8-Max disebut mampu belajar dari pengalaman negosiasi dan menyesuaikan strategi berdasarkan hasil transaksi sebelumnya.

Pada akhir simulasi, model mencatat saldo ¥416.252, setara dengan 4,16 kali modal awal. Hasil itu diklaim 38 persen lebih tinggi dibandingkan GLM 5.2 dan 152 persen lebih baik dibandingkan Qwen3.7-Max.

Kemampuan Multimodal dan Hybrid Agent

Di sisi multimodal, Qwen3.8-Max tidak hanya memahami gambar, dokumen, dan video. Model juga dapat menggunakan informasi visual sebagai bagian dari proses pengambilan keputusan. Model diklaim mampu menganalisis dokumen lebih dari 200 halaman, memahami teks, grafik, dan tata letak, serta mengubah informasi tersebut menjadi laporan terstruktur.

Untuk video berdurasi lebih dari 100 jam, model dapat menghubungkan orang, kejadian, waktu, dan adegan dalam sebuah video memory graph sehingga informasi dapat ditelusuri kembali. Qwen3.8-Max juga dapat melakukan pekerjaan visual seperti membuat vlog, animasi edukasi, proyek frontend dari tangkapan layar, visualisasi interior 3D berbasis Blender, serta game dan aplikasi interaktif.

Kemampuan tersebut diperkuat dengan konsep Hybrid Agent, yakni menggabungkan coding dengan operasi antarmuka grafis atau GUI. Melalui benchmark RecreationBench, model diminta mengamati aplikasi yang berjalan sebagai black box, tanpa source code dan tanpa internet, kemudian membangun ulang aplikasi tersebut dari nol.

Untuk mendukung ekosistem ini, Qwen juga memperkenalkan Qwen-MM-Plugins, pustaka ekstensi untuk agen multimodal yang menyediakan kemampuan pemrosesan gambar dan video, memori multimodal, resolusi dinamis, penggunaan tool visual, pengeditan video, Blender, hingga CAD.

Qwen3.8-Max Mulai Tersedia

Qwen3.8-Max kini tersedia melalui QwenCloud dan dapat diintegrasikan dengan berbagai agent framework serta asisten coding. Yang menjadi perhatian berikutnya adalah rencana Qwen membuka weights Qwen3.8-Max secara open source di Hugging Face dan ModelScope.

Jika klaim pengembang tersebut dapat diterjemahkan ke penggunaan dunia nyata, kehadiran Qwen3.8-Max menunjukkan arah perkembangan AI yang semakin bergeser dari sekadar menjawab pertanyaan menjadi menjalankan pekerjaan.

Model tidak lagi hanya dituntut memberikan respons dalam hitungan detik. Tantangan berikutnya adalah kemampuan mempertahankan tujuan selama berjam-jam atau berhari-hari, mengevaluasi hasil sendiri, belajar dari kegagalan, lalu memperbaiki strategi hingga menghasilkan keluaran yang benar-benar dapat digunakan.

Perubahan inilah yang berpotensi membuat model AI semakin dekat dengan konsep agen AI otonom, yang bukan hanya menjadi asisten, tetapi mampu menjalankan rangkaian pekerjaan kompleks dengan intervensi manusia yang jauh lebih sedikit.