Qwen3.8 Max
3372°
Qwen | contexte de 256 000 tokens | 1,65 $/M en entrée, 4,95 $/M en sortie. Le dernier modèle phare MoE de Qwen avec 2,4 trillions de paramètres offrant un bond complet en codage et travail professionnel.
Guides pour ce modèle
Comment choisir un modèle d'IA en octobre 2026 : les nouveautés des modèles fermés, puis les poids ouverts à télécharger
Poids ouverts vs open source vs API uniquement : ce que tu peux vraiment faire
Qu'est-ce qu'un fichier GGUF ? Explication des modèles quantifiés (Q4, Q8, fp8, NF4)
Notes du capitaine
Notes du 2026-10-13
Qwen3.8 Max est le modèle texte phare actuel de Qwen, un système mixture-of-experts de 2,4 trillions de paramètres conçu pour les tâches exigeantes de codage et de travail professionnel. Sa fenêtre de contexte de 256 000 tokens gère documents longs et tâches complexes multi-étapes sans troncature. C’est un modèle uniquement accessible via API, vous louez donc l’accès à la token plutôt que de l’exécuter vous-même.
Connu pour
- Architecture MoE de 2,4 trillions de paramètres ciblant codage et charges professionnelles
- Fenêtre de contexte de 256 000 tokens pour documents longs et sessions étendues
- Phare déclaré de Qwen, positionné au-dessus de leurs versions plus petites et intermédiaires
- Capacités professionnelles larges en codage, raisonnement et écriture complexe
Attention à
- Pas de poids ouverts ni de dépôt Hugging Face : impossible de l’exécuter localement.
- Les tokens de sortie coûtent trois fois plus cher que ceux d’entrée, donc les longues réponses générées coûtent vite cher.
- Tarification élevée ; un usage intensif nécessite une estimation de coût avant engagement.
Prompts à essayer
Refactoriser une base de code désordonnée
Voici un module Python qui a grandi de façon organique sur deux ans. Il mélange logique métier et I/O, n’a pas de gestion d’erreur et utilise un état global. Refactore-le en fonctions propres, testables, avec annotations de type et docstrings. Explique chaque décision structurelle prise. [collez votre module]
Planifier un projet complexe
Je dois migrer une application Rails monolithique vers une architecture microservices sans interruption. L’application compte 200 000 utilisateurs actifs quotidiens, une base PostgreSQL partagée entre toutes les fonctionnalités et une équipe de six ingénieurs. Donne-moi un plan de migration par phases avec risques, points de retour et critères de succès pour chaque phase.
Raisonner sur un problème difficile
Une entreprise a trois entrepôts et cinq magasins de détail. Chaque entrepôt a un niveau de stock connu et chaque magasin une prévision de demande hebdomadaire. Les coûts de transport varient selon les trajets. Explique comment formuler cela en problème de programmation linéaire, puis résous un petit exemple concret avec des chiffres choisis, en montrant ton raisonnement.
Comparer avec
- Qwen3.7 FlashModèle uniquement APIContexte de 1,000,000 tokens · entrée $0.03/M, sortie $0.13/M
- Qwen3.8 Max (0902)Modèle uniquement APIContexte de 1,000,000 tokens · entrée $2.00/M, sortie $6.00/M
- Qwen3.8 Omni FlashModèle uniquement APIContexte de 1,000,000 tokens · entrée $0.15/M, sortie $0.47/M
- Qwen3.7 PlusModèle uniquement APIContexte de 1,000,000 tokens · entrée $0.32/M, sortie $1.28/M
Plus de modèles de texte de qwen
Questions fréquentes
- Puis-je exécuter Qwen3.8 Max localement ?
- Non. Qwen n’a pas publié les poids ouverts pour ce modèle et il n’y a pas de dépôt Hugging Face, donc c’est uniquement accessible via API.
- Quel est le coût de Qwen3.8 Max et quelle est la taille de son contexte ?
- Qwen facture 1,65 $ par million de tokens en entrée et 4,95 $ par million en sortie, avec une fenêtre de contexte de 256 000 tokens.
- En quoi Qwen3.8 Max diffère-t-il des modèles Qwen3 plus petits ?
- C’est le modèle phare déclaré de Qwen, un MoE de 2,4 trillions de paramètres destiné au codage et au travail professionnel, positionné au-dessus des versions plus petites et intermédiaires en capacités et prix.
Verdict du capitaineUn modèle phare MoE sérieux pour le codage et le travail professionnel complexe, avec un prix en conséquence et uniquement accessible via API — pas un choix occasionnel ou économique.
Le capitaine écrit ces notes à partir de la description et de la fiche modèle. Les prix et tailles de contexte sont ceux du fournisseur au moment de la rédaction et peuvent changer.
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Comment ce score se calcule
Ce modèle n’a pas encore de données de popularité provenant de sources, donc il porte un nombre de remplacement en dessous de 7,000° pour que les listes restent complètes. Il ne sera jamais mieux classé qu’un modèle avec des données. La répartition apparaît ici dès qu’une source la rapporte.
Glossaire : les termes utilisés ici
- Score de chaleur
- Un seul chiffre pour montrer à quel point un modèle est utilisé et recherché en ce moment, de 0° à 9 999°. Chaque liste sur ce site qui dit « les plus chauds » est triée selon ce score et rien d’autre.
- Plancher
- Les 7 000° que chaque modèle avec des données réelles commence avec. L’échelle va de 0° à 9 999° ; la partie sous le plancher est réservée aux remplaçants (modèles sans données), pour qu’un modèle avec données soit toujours mieux classé qu’un sans. Le plancher est le même pour tous et ne décide rien ; les degrés au-dessus sont la mesure.
- Équivalents de téléchargement
- Tout ce que le score considère comme un téléchargement, additionné : les téléchargements eux-mêmes, chaque seeder torrent comme 1 000, chaque image AI Horde et chaque exécution sur un site de génération comme un.
- Échelle logarithmique
- On compte par dizaines, pas par unités : passer de 1 000 à 10 000 téléchargements ajoute autant de degrés que passer de 10 000 à 100 000. Ça évite que les géants écrasent tout le reste.
- Likes
- Les pouces levés et likes de toutes sources, valant chacun la moitié d’un téléchargement sur l’échelle logarithmique.
- Taux d’adoption
- Combien de téléchargements par jour un modèle obtient en ce moment, calculé à partir de la différence entre deux relevés d’une source. Un quart du poids du terme téléchargement.
- Mesuré et estimé
- Mesuré signifie qu'il existe deux relevés d'une source et que la différence est réelle. Estimé signifie que seul le total d'aujourd'hui est connu et que le passé est réparti sur la durée de vie du modèle ; le site indique lequel est affiché.
- Seeder
- Quelqu'un qui garde une copie des poids en ligne pour que d'autres puissent les télécharger via un torrent, ou un miroir hébergé qui fait la même chose. Chacun compte comme 1 000 téléchargements.
- AI Horde
- Un réseau de bénévoles qui génère des images gratuitement sur des ordinateurs donnés. Le nombre d'images créées avec un modèle est public, et chacune compte comme un téléchargement.
- Sites de génération
- Sites qui hébergent leurs propres copies d'un modèle et permettent aux gens de générer avec, comme PixAI, SeaArt et Yodayo. Leurs téléchargements comptent comme ceux de Civitai et chaque génération compte comme un téléchargement.
- Tokens OpenRouter
- Un modèle texte servi via une API, comme Claude ou GPT, n'a pas de poids à télécharger, son usage est donc mesuré en tokens : les morceaux de texte lus et écrits via OpenRouter, une passerelle utilisée par de nombreuses applications, sur les 30 derniers jours. Chaque 10,000,000 tokens compte comme un téléchargement. Source : OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modèle complet (checkpoint)
- Les poids eux-mêmes, le fichier qui génère tout seul. Il reçoit un bonus parce que les add-ons en dépendent.
- LoRA et embedding
- Petits fichiers add-on qui orientent les poids de quelqu'un d'autre vers un style, un personnage ou un concept. Ils ne peuvent pas fonctionner seuls.
- Famille et poids
- La base sur laquelle un modèle est construit, comme SD 1.5, SDXL, Flux ou Wan. Chaque modèle hérite de la date de sortie des poids de sa famille.
- Âge
- Degrés retirés selon l'ancienneté des poids de la famille : 150° par an, jusqu'à 750°. Cela garde les anciens téléchargements qui ont eu des années pour s'accumuler en haut de la liste.
- Boost de la famille
- Une petite poussée limitée pour les LoRA d'une famille que ce site met en avant en ce moment, toujours listée dans la répartition.
- Score de remplacement
- Un nombre stable en dessous du minimum donné à un modèle dont aucune source ne rapporte encore, pour que les listes restent complètes. Il ne dépasse jamais un modèle avec des données.
- Nouveau ! (période de grâce)
- Un modèle âgé de moins de 7 jours affiche Nouveau ! au lieu d'un score et ne figure pas dans le classement. Son score est calculé dès le premier jour, mais un modèle d'un jour grandit plus vite que tout, donc sans attente le #1 de la semaine serait toujours celui sorti hier plutôt que celui qui tient depuis une semaine.
- Tendance
- Comment la croissance d'un modèle sur une période se compare à la croissance typique d'un modèle sur la même période. Plus rapide que la moyenne signifie une hausse, plus lente une baisse.
- Modèle typique
- Le milieu du catalogue : la moitié des modèles avec un chiffre ont grandi plus vite sur la période, l'autre moitié plus lentement.
Qwen3.8 Max est un modèle de texte pour la famille Text / LLM, référencé sur ModelTrends.ai, un catalogue en lecture seule de modèles d'IA open source pour l'image, la vidéo et le texte. Comparez-le aux autres modèles Text / LLM et consultez son score de chaleur pour suivre sa tendance.
Plus de modèles Text / LLMPlus de Texte / LLM Text / LLMllmqwenprogrammationraisonnementcontexte longécritureagents
Parcourir par famille de modèles
Modèles Text / LLM
434
Modèles Anima
528
Modèles Chroma
19
Modèles Fibo
2
Modèles Flux
1,496
Modèles Flux 2 / Klein
1,239
Modèles Flux 3
3
Modèles Moss
3
Modèles Iris
1
Modèles MiniMax H3
364
Modèles Hunyuan
204
Modèles Ideogram
20
Modèles Krea2
717
Modèles Qwen
20
Modèles Qwen2
47
Modèles Ltx2
153