Qwen3.8-Max củng cố tham vọng AI của Alibaba trong cuộc đua mô hình quy mô lớn

Qwen3.8-Max với 2,4 nghìn tỷ tham số, 95 tỷ tham số kích hoạt và context 1 triệu token cho thấy Alibaba đang đẩy mạnh chiến lược AI toàn diện: từ mô hình nền tảng, cloud và agent đến open weights và thương mại hóa quy mô lớn.

Tháng 8 8, 2026

Qwen3.8-Max củng cố tham vọng AI của Alibaba trong cuộc đua mô hình quy mô lớn

Alibaba đang tăng tốc trong cuộc đua AI với Qwen3.8-Max, mô hình được hãng giới thiệu ngày 3/8/2026 như phiên bản mạnh nhất của dòng Qwen cho tới nay. Với 2,4 nghìn tỷ tham số, cửa sổ ngữ cảnh lên tới 1 triệu token và kiến trúc Mixture-of-Experts chỉ kích hoạt khoảng 95 tỷ tham số mỗi lượt, Qwen3.8-Max cho thấy Alibaba không còn chỉ theo đuổi một chatbot cạnh tranh mà đang xây một nền tảng AI quy mô lớn cho coding, công việc tri thức, nghiên cứu và agent tự động.

Ngay khi được công bố, mô hình nhanh chóng leo lên các bảng xếp hạng cộng đồng. Alibaba cho biết Qwen3.8-Max đứng thứ 5 trên Text Arena và thứ 2 trên Vision Arena, đồng thời đứng thứ 4 ở Frontend Code Arena. Reuters cũng ghi nhận đây là mô hình Trung Quốc xếp hạng cao nhất ở nhóm text tại thời điểm ra mắt, dù vẫn đứng sau một số biến thể Claude của Anthropic.

Nhưng câu chuyện lớn hơn không nằm ở một bảng benchmark. Qwen3.8-Max xuất hiện trong bối cảnh Alibaba đang chuyển AI từ giai đoạn đầu tư công nghệ sang thương mại hóa quy mô lớn: doanh thu cloud tăng nhanh, sản phẩm AI đã đóng góp đáng kể vào Cloud Intelligence Group, Qwen được tích hợp vào các ứng dụng tiêu dùng và doanh nghiệp, còn công ty tiếp tục đầu tư mạnh vào chip, hạ tầng và agent.

Qwen3.8-Max có 2,4 nghìn tỷ tham số nhưng chỉ kích hoạt 95 tỷ

Qwen3.8-Max được xây trên kiến trúc Sparse Mixture-of-Experts (MoE) kết hợp cơ chế attention lai. Tổng quy mô lên tới 2,4 nghìn tỷ tham số, đưa model vào nhóm những hệ thống AI công khai có quy mô lớn nhất hiện nay.

Tuy vậy, model không sử dụng toàn bộ 2,4 nghìn tỷ tham số cho mỗi token. Alibaba cho biết chỉ khoảng 95 tỷ tham số được kích hoạt tại một thời điểm. Đây là cách MoE tìm sự cân bằng giữa dung lượng mô hình rất lớn và chi phí inference thực tế.

So với mô hình dense có số tham số tương đương, kiến trúc này giúp giảm lượng tính toán cần thiết trên mỗi lượt, qua đó giảm latency và chi phí phục vụ. Tuy nhiên, 2,4 nghìn tỷ tham số vẫn là một hệ thống rất lớn về bộ nhớ và hạ tầng. Việc open weights không có nghĩa phần lớn người dùng có thể chạy toàn bộ model trên một vài GPU phổ thông.

Quy mô này cũng đưa Qwen3.8-Max không quá xa Kimi K3 của Moonshot AI, model có tổng số tham số khoảng 2,8 nghìn tỷ. Cuộc đua AI Trung Quốc vì thế đang xuất hiện một lớp model mới ở quy mô nhiều nghìn tỷ tham số, nhưng dựa vào sparse activation để giữ chi phí inference trong giới hạn có thể triển khai.

Context 1 triệu token cho các workflow dài

Qwen3.8-Max hỗ trợ cửa sổ ngữ cảnh lên tới 1 triệu token. Đây là mức phù hợp với những tác vụ không còn giới hạn trong một prompt ngắn, chẳng hạn đọc codebase lớn, phân tích hàng trăm trang tài liệu, theo dõi lịch sử agent dài hoặc xử lý video và dữ liệu đa phương thức.

Alibaba định vị model như một nền tảng multimodal có thể tiếp nhận text, hình ảnh và video. Theo mô tả chính thức, Qwen3.8-Max có thể biến tài liệu dài, chương trình truyền hình hoặc livestream kéo dài thành cấu trúc tri thức có thể tìm kiếm và tương tác.

Trong thực tế, context 1 triệu token không đồng nghĩa mọi ứng dụng nên đưa toàn bộ dữ liệu vào một request. RAG, context caching, memory management và retrieval vẫn cần thiết để kiểm soát chi phí và độ nhiễu. Nhưng context dài giúp model có thêm dư địa cho các workflow agentic vốn thường tích lũy tool output và trạng thái qua hàng trăm lượt.

Alibaba muốn Qwen3.8-Max làm nhiều hơn việc trả lời câu hỏi

Thông điệp rõ nhất trong lần ra mắt này là Alibaba muốn chuyển Qwen từ “model trả lời” sang model thực hiện công việc.

Trong tài liệu kỹ thuật, hãng nhấn mạnh bốn nhóm năng lực: coding, công việc thực tế, nghiên cứu và long-horizon tasks. Các ví dụ được lựa chọn đều nhắm vào khả năng tự lên kế hoạch, dùng công cụ, nhận feedback và tiếp tục hành động trong thời gian dài.

Đây là hướng đi chung của frontier AI năm 2026. Giá trị kinh tế không còn chỉ nằm ở việc model viết email hay tóm tắt văn bản, mà ở khả năng hoàn thành workflow từ đầu tới cuối: tìm dữ liệu, chạy code, kiểm tra kết quả, sửa lỗi và tạo deliverable có thể sử dụng.

16 ngày coding tự động là màn trình diễn tham vọng nhất

Alibaba cho biết trong một thử nghiệm nội bộ, Qwen3.8-Max đã vận hành liên tục khoảng 16 ngày để xây một framework agent tự tiến hóa có tên oh-my-cli.

Trong quá trình đó, model xử lý yêu cầu thành issue, tự nhận task, viết code, chạy test, kiểm tra CI, sửa lỗi và tiếp tục vòng lặp. Tính tới ngày 30/7, repository được Alibaba công bố có 265 commit, 127 pull request và 151 issue sau quá trình vận hành tự động.

Đây là ví dụ đáng chú ý về long-horizon coding, nhưng cần hiểu đúng phạm vi bằng chứng. Kết quả do chính Alibaba thiết kế và báo cáo; nó không tương đương một benchmark độc lập chứng minh model có thể tự vận hành mọi dự án phần mềm trong 16 ngày mà không gặp lỗi.

Dù vậy, việc một nhà phát triển frontier model dùng một dự án kéo dài nhiều ngày thay cho demo vài phút cho thấy tiêu chuẩn đánh giá coding đang thay đổi. Coding model ngày càng được đo bằng khả năng duy trì trạng thái, khôi phục sau lỗi và hoàn thành dự án, không chỉ bằng HumanEval hoặc một bài LeetCode.

Từ tái tạo nghiên cứu tới tự đề xuất cải tiến

Một thử nghiệm khác của Alibaba yêu cầu Qwen3.8-Max tái tạo một nghiên cứu về lựa chọn dữ liệu cho reasoning model rồi tự tìm cách cải thiện phương pháp.

Theo Alibaba, model làm việc liên tục khoảng 125 giờ, viết khoảng 7.600 dòng code, thực hiện hơn 1.100 hành động và chạy 33 vòng huấn luyện GPU. Sau khi tái tạo các kết quả chính của bài báo, model thử 18 ý tưởng cải tiến qua bốn vòng và cuối cùng đạt mức tăng 2,71 điểm trên AIME24 so với baseline được tái tạo.

Đây là kiểu workload mà các hãng AI ngày càng quan tâm: agent không chỉ gọi một công cụ có sẵn mà tự xây pipeline thí nghiệm, đánh giá kết quả và điều chỉnh giả thuyết.

Nếu khả năng này trở nên đáng tin cậy hơn, frontier model có thể tác động mạnh tới software engineering, data science và R&D. Tuy nhiên, việc tự động hóa nghiên cứu cũng làm tăng nhu cầu về reproducibility, kiểm chứng độc lập và giám sát để tránh model tối ưu sai benchmark hoặc tạo kết luận không vững chắc.

Qwen3.8-Max được thiết kế cho “cowork”, không chỉ coding

Alibaba dùng khái niệm cowork để mô tả nhóm tác vụ văn phòng và công việc tri thức phức tạp. Hãng cho biết model đã được huấn luyện trên các môi trường reinforcement learning có nhiều loại task, workspace và agent harness khác nhau.

Qwen3.8-Max được thử với QwenWork, Claude Code, Codex, OpenClaw và Hermes. Việc Alibaba nhấn mạnh khả năng hoạt động trên nhiều harness cho thấy công ty muốn model trở thành một engine có thể cắm vào nhiều hệ thống agent thay vì khóa người dùng vào một giao diện duy nhất.

Các demo chính thức bao gồm rà soát tài liệu pháp lý, thiết kế UI/UX, phân tích thể thao, nghiên cứu định lượng, xây mô hình kết cấu và tạo ứng dụng tương tác. Một lần nữa, phần lớn đây là minh họa do Alibaba cung cấp, nên doanh nghiệp cần benchmark trên workflow nội bộ trước khi suy rộng sang production.

Long-horizon agent trở thành trọng tâm mới

Ở các model thế hệ trước, agent thường hoạt động trong vài chục lượt rồi giảm chất lượng do mất trạng thái, lặp hành động hoặc lệch mục tiêu. Qwen3.8-Max được Alibaba định vị trực tiếp vào bài toán này.

Trong thử nghiệm thiết kế chip, model được đặt trong sandbox tích hợp Iverilog, Yosys và OpenROAD. Theo tài liệu chính thức, nó thực hiện khoảng 500 lượt và 71 vòng đánh giá, tự sửa RTL, phân tích synthesis và tối ưu thiết kế từ 8.298 gate xuống 678 gate trong benchmark nội bộ.

Alibaba cũng tạo E-Commerce Bench mô phỏng 365 ngày vận hành cửa hàng, nơi model phải xử lý giá, tồn kho, thương lượng với nhà cung cấp và các sự kiện bất ngờ qua hơn 2.000 lượt tương tác.

Những bài test như vậy phản ánh một thay đổi quan trọng trong AI: khả năng duy trì chiến lược qua thời gian đang trở thành tiêu chí cạnh tranh ngang với reasoning trên một câu hỏi đơn lẻ.

Qwen3.8-Max là Qwen-Max đầu tiên được mở weights

Một trong những quyết định chiến lược đáng chú ý nhất là Alibaba cho biết sẽ phát hành open weights của Qwen3.8-Max. Theo thông báo ngày 3/8, đây là lần đầu công ty mở trọng số cho một model thuộc lớp Qwen-Max.

Tại thời điểm bài viết này được chuẩn bị ngày 8/8/2026, API đã có thể truy cập qua Alibaba Cloud Model Studio và QwenCloud, còn Alibaba cho biết weights dự kiến được phát hành trong tuần kế tiếp kể từ ngày công bố.

Điều này khác với một số phiên bản Max trước đây vốn được cung cấp chủ yếu dưới dạng dịch vụ proprietary trên cloud. Open weights giúp developer có thể kiểm tra, tùy chỉnh, fine-tune và triển khai model trên hạ tầng riêng nếu đủ tài nguyên.

Chiến lược này cũng nối dài xu hướng mà Qwen đã xây từ nhiều năm qua: dùng model mở để giành developer mindshare, sau đó kiếm tiền từ cloud compute, API, dịch vụ triển khai và các sản phẩm doanh nghiệp.

Qwen đã trở thành một trong những họ model mở phổ biến nhất

Reuters đầu năm 2026 ghi nhận Qwen đã vượt Llama về lượt tải tích lũy trên Hugging Face và trở thành dòng model được tải nhiều nhất trên nền tảng trong năm 2025.

Điều này có ý nghĩa chiến lược lớn. Model open-weight không chỉ là một sản phẩm; nó còn là một hệ sinh thái. Khi developer fine-tune Qwen, xây tool quanh tokenizer và API, hoặc tích hợp Qwen vào framework, chi phí chuyển đổi sang hệ khác tăng dần.

Đây là mô hình cạnh tranh quen thuộc trong phần mềm hạ tầng. Mở công nghệ cơ sở giúp tăng adoption, còn doanh thu đến từ cloud, managed service, support, enterprise integration và compute.

Alibaba có lợi thế đặc biệt vì đã sở hữu một trong những nền tảng cloud lớn nhất Trung Quốc. Qwen vì vậy không cần kiếm tiền chỉ bằng model API; nó có thể kéo nhu cầu sang compute, storage, database, network và toàn bộ stack Alibaba Cloud.

Cloud mới là nơi tham vọng AI của Alibaba trở nên rõ nhất

Kết quả tài chính năm tài khóa 2026 cho thấy chiến lược AI đã bắt đầu tạo tác động kinh doanh. Alibaba cho biết doanh thu bên ngoài của Cloud Intelligence Group trong quý kết thúc tháng 3 tăng 40% so với cùng kỳ.

Đáng chú ý hơn, sản phẩm liên quan tới AI chiếm khoảng 30% doanh thu cloud bên ngoài trong quý này. Công ty nói AI đã trở thành động lực cho việc nâng cấp toàn bộ cloud business từ compute và storage truyền thống sang model, AI compute và agent services.

Đây là lý do Qwen3.8-Max không nên được nhìn như một dự án R&D tách biệt. Model flagship tạo nhu cầu inference, fine-tuning và agent; nhu cầu đó trực tiếp kéo doanh thu sang Alibaba Cloud.

CEO Eddie Wu đã mô tả chiến lược của Alibaba là full-stack AI, trải từ foundation model và cloud infrastructure tới proprietary chip và ứng dụng.

Alibaba sẵn sàng chi vượt kế hoạch 380 tỷ nhân dân tệ

Alibaba trước đó cam kết đầu tư ít nhất 380 tỷ nhân dân tệ vào AI và cloud infrastructure trong ba năm. Reuters tháng 5/2026 dẫn ban lãnh đạo cho biết công ty có thể chi vượt kế hoạch này khi nhu cầu AI tăng nhanh và các khoản đầu tư bắt đầu tạo doanh thu.

Quy mô đầu tư cho thấy Alibaba xem AI là một trụ cột tăng trưởng dài hạn tương tự cloud và thương mại điện tử, chứ không phải một tính năng bổ sung.

Khoản tiền không chỉ được dùng cho training model. Frontier AI đòi hỏi data center, accelerator, networking, storage, inference platform và đội ngũ R&D. Khi mỗi thế hệ model tăng kích thước và thời gian agent hoạt động kéo dài, nhu cầu compute sau khi phát hành cũng tăng nhanh.

Chip nội bộ là phần còn lại của chiến lược full-stack

Alibaba cũng đang phát triển accelerator thông qua T-Head, đơn vị bán dẫn nội bộ. Trong tài liệu kết quả tài chính năm 2026, công ty cho biết chip AI độc quyền đã được đưa vào sản xuất quy mô và cung cấp compute cho cloud infrastructure cũng như nền tảng Model-as-a-Service.

Đây là thành phần có ý nghĩa đặc biệt trong bối cảnh Trung Quốc bị hạn chế tiếp cận một số chip AI tiên tiến nhất của Mỹ. Khả năng kiểm soát một phần hardware stack giúp Alibaba giảm phụ thuộc và tối ưu inference theo chính các model Qwen.

Việc Qwen3.8-Max chỉ kích hoạt 95B trong tổng số 2,4T tham số cũng phù hợp với mục tiêu này: kiến trúc model được tối ưu không chỉ cho benchmark mà còn cho economics của serving ở quy mô cloud.

QwenWork biến model thành sản phẩm doanh nghiệp

Cùng với Qwen3.8-Max, Alibaba đang đưa model vào QwenWork, nền tảng workplace AI agent của hãng. Đây là bước quan trọng vì model foundation thường khó tạo giá trị doanh nghiệp nếu không có layer ứng dụng, tool, permission và workflow phía trên.

QwenWork hướng tới việc để agent xử lý tài liệu, coding và nhiều tác vụ công việc phức tạp. Alibaba cũng đã triển khai agent cho office và coding trong cloud, đồng thời tích hợp Qwen với hệ sinh thái thương mại điện tử của tập đoàn.

Nếu chiến lược này thành công, Alibaba sẽ có chuỗi giá trị tương đối hoàn chỉnh: chip → cloud → model → agent platform → ứng dụng → commerce.

Đây là cấu trúc tương tự cách các hyperscaler Mỹ đang cạnh tranh, nhưng Alibaba có thêm lợi thế là sở hữu hệ sinh thái thương mại điện tử, logistics và thanh toán có lượng workflow thực tế rất lớn để tích hợp AI.

Qwen consumer app đã vượt 300 triệu người dùng hoạt động hàng tháng

Alibaba cho biết trong quý kết thúc tháng 12/2025, giao diện Qwen dành cho người dùng đã vượt 300 triệu người dùng hoạt động hàng tháng. Công ty đồng thời đưa các use case từ hệ sinh thái tiêu dùng vào Qwen, để agent thực hiện những tác vụ thực tế thay vì chỉ trò chuyện.

Con số do Alibaba công bố cho thấy Qwen không chỉ cạnh tranh trong cộng đồng developer. Hãng đang cố đưa cùng một family model vào cả consumer AI, enterprise AI và cloud infrastructure.

Đây là khác biệt quan trọng so với nhiều startup model thuần túy. Alibaba có sẵn Taobao, Tmall, logistics, cloud và các dịch vụ doanh nghiệp để biến model thành traffic và giao dịch.

Qwen3.8-Max cũng đánh dấu bước chuyển trong chiến lược thương mại hóa open weights

Open weights thường được hiểu là miễn phí cho người triển khai. Nhưng khi model trở nên lớn và có giá trị thương mại cao hơn, các lab Trung Quốc đang thử nghiệm những mô hình kiếm tiền mới.

Reuters ngày 7/8/2026 dẫn hai nguồn tin cho biết Alibaba dự kiến áp dụng điều khoản yêu cầu một số người dùng thương mại lớn của Qwen3.8-Max chia sẻ doanh thu, tương tự hướng đi Moonshot áp dụng cho Kimi K3.

Tại thời điểm viết bài, Alibaba chưa công bố đầy đủ điều khoản cuối cùng và tỷ lệ revenue share được Reuters cho biết vẫn chưa rõ. Vì vậy, đây nên được xem là kế hoạch được truyền thông dẫn nguồn, không phải điều khoản license chính thức đã có hiệu lực.

Nếu triển khai, thay đổi này sẽ cho thấy chiến lược open-weight của Trung Quốc đang trưởng thành: model vẫn được mở để tăng adoption, nhưng người tạo model muốn thu lại một phần giá trị khi nó trở thành nền tảng cho hoạt động kinh doanh lớn.

Open-weight không đồng nghĩa hoàn toàn “open source”

Một điểm cần phân biệt là thuật ngữ open-weight và open-source AI không hoàn toàn giống nhau. Open weights có nghĩa trọng số học được của model được cung cấp để người dùng chạy hoặc chỉnh sửa.

Nhưng một model chỉ thật sự mở theo nghĩa rộng còn phụ thuộc license, training code, dữ liệu huấn luyện, recipe và quyền thương mại. Với Qwen3.8-Max, điều khoản license cuối cùng sẽ đặc biệt quan trọng nếu Alibaba áp dụng revenue-sharing cho người dùng quy mô lớn.

Do đó, doanh nghiệp cân nhắc self-host cần đọc license thực tế sau khi weights được phát hành, thay vì chỉ dựa vào nhãn “open source”.

Alibaba đang chọn chiến lược khác OpenAI, Anthropic và Google

OpenAI, Anthropic và Google giữ các flagship model mạnh nhất ở dạng proprietary, chủ yếu phân phối qua API và sản phẩm cloud. Alibaba đang thử con đường khác: đưa model flagship tới API nhưng đồng thời chuẩn bị mở weights.

Chiến lược này giúp Qwen tiếp cận những khách hàng muốn sovereign AI, triển khai on-premise hoặc giữ dữ liệu nhạy cảm trong hạ tầng riêng. Đây là nhóm mà closed API khó đáp ứng hoàn toàn.

Tuy nhiên, closed model vẫn có lợi thế về vận hành. Khách hàng không cần sở hữu cluster lớn, tối ưu kernel, quản lý version hoặc tự xử lý security. Vì vậy, open-weight không loại bỏ mô hình proprietary mà tạo thêm một phân khúc cạnh tranh.

DeepSeek, Kimi và GLM khiến Alibaba không thể chậm lại

Qwen3.8-Max xuất hiện trong một thị trường AI Trung Quốc cạnh tranh rất nhanh. DeepSeek V4-Flash tạo áp lực cực lớn về chi phí. Kimi K3 của Moonshot gây chú ý với 2,8 nghìn tỷ tham số và agentic capability. Z.AI với GLM cũng liên tục đưa ra model mới.

Điều này khiến Alibaba không thể chỉ dựa vào lợi thế vốn và cloud. Model phải đủ tốt để developer thực sự muốn sử dụng, bởi open-weight làm chi phí chuyển đổi giữa các family thấp hơn so với nền tảng proprietary.

Reuters ghi nhận các model Trung Quốc đang tạo một thị trường quan trọng nhờ sự kết hợp giữa năng lực đủ mạnh, chi phí thấp, khả năng tùy chỉnh và openness. Nhiều workflow doanh nghiệp không nhất thiết cần model tốt nhất tuyệt đối; chúng cần model đủ tốt với economics phù hợp.

Benchmark mạnh nhưng vẫn cần đánh giá độc lập

Qwen3.8-Max có nhiều kết quả ấn tượng, nhưng phần lớn demo long-horizon chi tiết hiện đến từ Alibaba. Các kết quả như 16 ngày coding tự động, nghiên cứu 125 giờ hay e-commerce simulation cho thấy hướng năng lực, nhưng không nên được xem như bằng chứng độc lập tuyệt đối.

Arena cung cấp một tín hiệu khác vì dựa vào bình chọn từ người dùng, dù hệ thống này cũng có giới hạn riêng về sampling, prompt distribution và biến động xếp hạng.

Doanh nghiệp đánh giá Qwen3.8-Max nên benchmark trên task thực tế: coding trong repository nội bộ, document review, tool call, latency, tỷ lệ lỗi, chi phí trên task và reliability qua hàng trăm lượt.

Đặc biệt với agent, một điểm benchmark trung bình cao chưa đủ. Một lỗi hiếm nhưng xảy ra sau vài trăm tool call có thể gây hậu quả lớn hơn nhiều lỗi nhỏ trong chatbot.

Quy mô 2,4T không tự động đồng nghĩa thông minh hơn

Số tham số là một chỉ báo về capacity, không phải thước đo duy nhất của chất lượng. Post-training, dữ liệu, RL environment, inference-time compute và agent harness đều có thể ảnh hưởng lớn tới kết quả cuối cùng.

DeepSeek V4-Flash cho thấy model nhỏ hơn về quy mô active có thể tạo hiệu quả rất cao nhờ post-training. Các model của Anthropic và OpenAI cũng chứng minh closed model có thể dẫn đầu dù không công bố parameter count.

Vì vậy, 2,4 nghìn tỷ tham số của Qwen3.8-Max có giá trị như dấu hiệu về mức đầu tư và kiến trúc, nhưng không nên được dùng để kết luận model mạnh hơn model khác chỉ dựa vào con số này.

Tham vọng thực sự của Alibaba là trở thành “AI stack”, không chỉ AI lab

Nếu nhìn riêng Qwen3.8-Max, Alibaba đang cạnh tranh trong cuộc đua model. Nhưng nếu đặt model bên cạnh cloud, chip, Model Studio, QwenWork và hệ sinh thái thương mại điện tử, chiến lược rộng hơn trở nên rõ ràng.

Alibaba muốn kiểm soát nhiều tầng của chuỗi giá trị AI:

Compute: data center, GPU và chip T-Head.
Cloud: Alibaba Cloud và dịch vụ AI compute.
Foundation model: Qwen với nhiều kích cỡ và modality.
Model platform: Model Studio và Model-as-a-Service.
Agent: QwenWork, coding agent và enterprise workflow.
Consumer distribution: Qwen app và hệ sinh thái thương mại điện tử.
Developer ecosystem: open weights và model cộng đồng.

Đây chính là mô hình full-stack mà CEO Eddie Wu nhiều lần nhấn mạnh. Qwen3.8-Max là lớp model flagship giúp toàn bộ stack có điểm neo về năng lực.

AI đang trở thành động lực tăng trưởng mới của Alibaba

Trong nhiều năm, câu chuyện Alibaba chủ yếu xoay quanh thương mại điện tử và cloud. Đến năm 2026, AI đang trở thành lớp kết nối hai mảng này.

Cloud kiếm tiền từ compute và dịch vụ model. E-commerce cung cấp môi trường thực cho agent. Qwen app tạo distribution tới người dùng. Agent doanh nghiệp kéo adoption trong công việc. Chip nội bộ giúp tối ưu chi phí hạ tầng.

Đây là lợi thế mà một AI startup thuần model khó tái tạo. Ngược lại, Alibaba cũng có nhược điểm của một tập đoàn lớn: chi phí đầu tư cao, nhiều đơn vị cần phối hợp và áp lực chứng minh AI có thể tạo lợi nhuận tương xứng.

Việc Cloud Intelligence tăng 40% và AI-related products chiếm 30% doanh thu cloud bên ngoài cho thấy quá trình thương mại hóa đã bắt đầu, nhưng cuộc đua vẫn ở giai đoạn đầu.

Qwen3.8-Max gửi tín hiệu gì tới thị trường?

Thứ nhất, model open-weight đang tiến gần hơn tới frontier. Các flagship model lớn không còn nhất thiết phải được giữ hoàn toàn trong API đóng.

Thứ hai, long-horizon agent đang trở thành chiến trường mới. Alibaba không quảng bá Qwen3.8-Max bằng chatbot conversation đơn thuần mà bằng dự án kéo dài ngày, hàng trăm lượt và chuỗi tool phức tạp.

Thứ ba, quy mô model tiếp tục tăng nhưng sparse activation trở thành chìa khóa để giữ inference khả thi.

Thứ tư, model và cloud ngày càng không thể tách rời. AI model mạnh là công cụ bán compute, còn cloud có quy mô lớn là lợi thế để huấn luyện và phục vụ model.

Cuối cùng, open weights đang chuyển từ chiến lược thuần adoption sang chiến lược thương mại. Nếu Alibaba thực sự áp dụng mô hình chia sẻ doanh thu cho Qwen3.8-Max, đây sẽ là một thí nghiệm quan trọng về cách các lab kiếm tiền từ model mở quy mô lớn.

Alibaba đang đặt cược rằng Qwen có thể trở thành nền tảng AI toàn cầu

Qwen3.8-Max không đảm bảo Alibaba sẽ vượt các phòng lab Mỹ hay các đối thủ Trung Quốc. Model vẫn phải chứng minh độ ổn định, economics và mức adoption sau khi weights được phát hành rộng rãi.

Nhưng model này cho thấy Alibaba đang đặt cược ở quy mô rất lớn: từ 2,4 nghìn tỷ tham số tới hàng chục tỷ USD hạ tầng, từ model API tới chip và consumer app.

Thành công của chiến lược sẽ không được quyết định chỉ bởi bảng Arena. Nó sẽ phụ thuộc vào việc developer có xây sản phẩm trên Qwen hay không, doanh nghiệp có chuyển workload sang Alibaba Cloud hay không và liệu agent Qwen có tạo ra giá trị đủ lớn để bù cho mức đầu tư khổng lồ.

Trong cuộc đua AI hiện tại, Alibaba đang cố biến Qwen từ một dòng model thành lớp nền tảng cho toàn bộ hệ sinh thái AI của tập đoàn. Qwen3.8-Max là tuyên bố rõ nhất tới nay rằng công ty muốn cạnh tranh không chỉ về quy mô mô hình, mà cả về developer ecosystem, cloud economics và khả năng biến AI thành hạ tầng sản xuất thực tế.