Qwen 3 8B

Bằng chứng (7)

• 6Hacker News·6/8/2026research
  Qwen3.8 Max đứng đầu bảng xếp hạng agentic của Artificial Analysis

  Artificial Analysis đã cập nhật Intelligence Index lên v4.1.1 và công bố đánh giá mới cho Qwen3.8 Max. Mô hình này hiện được xếp hạng là tốt nhất trên agentic index theo bộ benchmark độc lập của trang. Bản cập nhật cũng đi kèm thay đổi phương pháp và điểm số mới cho một số mô hình khác, nhưng điểm đáng chú ý nhất là Qwen3.8 Max vươn lên vị trí dẫn đầu.

• 8The New Stack·3/8/2026model_release
  Alibaba ra mắt Qwen3.8-Max cho các tác vụ tác nhân kéo dài

  Alibaba đã ra mắt Qwen3.8-Max, một mô hình đa phương thức với tổng cộng 2,4 nghìn tỷ tham số, được thiết kế cho các tác vụ phức tạp có thể kéo dài nhiều ngày. Theo công ty, mô hình sẽ được cung cấp qua QwenCloud và Alibaba Cloud Model Studio, weights sẽ được phát hành tuần tới và một demo lập trình kéo dài 16 ngày có dấu vết công khai trên GitHub. Alibaba chưa công bố đủ thông tin để bên ngoài tự kiểm chứng các kết quả thử nghiệm kéo dài này.

• 7Hacker News·3/8/2026model_release
  Qwen3.8-Max thiết lập chuẩn mới cho lập trình và cộng tác

  Qwen công bố Qwen3.8-Max và định vị đây là một mốc năng lực mới cho lập trình và làm việc cộng tác. Bài viết cùng thảo luận trên Hacker News cho thấy mô hình này tập trung vào các tác vụ thực tế của nhà phát triển và cộng tác nhóm hơn là tạo ra một danh mục sản phẩm hoàn toàn mới.

• 8Hugging Face Blog·8/7/2026framework_update
  Backend Transformers trong vLLM đạt tốc độ ngang native

  Hugging Face cho biết backend mô hình Transformers trong vLLM nay đã đạt hoặc vượt thông lượng của các bản triển khai native do vLLM tự viết cho một số mô hình Qwen3. Bản cập nhật cho phép tác giả mô hình chạy mô hình Transformers trong vLLM chỉ với một cờ cấu hình, đồng thời vẫn giữ nguyên các chế độ song song và quy trình phục vụ quen thuộc.

• 7Hugging Face Blog·27/5/2026framework_update
  TRL bổ sung đồng bộ trọng số delta qua Hub Bucket của Hugging Face

  Hugging Face giới thiệu bản cập nhật TRL cho phép chỉ truyền phần chênh lệch trọng số thay vì toàn bộ checkpoint trong huấn luyện RL bất đồng bộ. Các sai khác dạng sparse safetensors được lưu trong Hugging Face Bucket để vLLM tự tải về, giúp giảm mạnh dung lượng truyền mỗi bước và hỗ trợ mô hình huấn luyện tách rời trên nhiều máy/Space.

• 7Hugging Face Blog·16/4/2026research
  Ecom-RLVE đưa học tăng cường có thể kiểm chứng vào tác vụ thương mại điện tử

  Hugging Face giới thiệu EcomRLVE-GYM, một mở rộng của RLVE cho hội thoại thương mại điện tử nhiều lượt có dùng công cụ. Dự án xây dựng 8 môi trường có thể kiểm chứng bằng thuật toán, một giáo trình độ khó 12 trục và kết quả huấn luyện ban đầu với Qwen 3 8B dùng DAPO.

• 6Hugging Face Blog·27/1/2026research
  Hệ sinh thái AI mã nguồn mở của Trung Quốc tiến xa hơn DeepSeek

  Bài viết của Hugging Face tổng quan cách cộng đồng AI mã nguồn mở Trung Quốc trong năm 2025 chuyển sang kiến trúc Mixture-of-Experts, mở rộng sang các hệ thống đa phương thức và ưu tiên các mô hình nhỏ dễ triển khai, tinh chỉnh hơn. Bài viết cũng ghi nhận việc gia tăng sử dụng phần cứng nội địa Trung Quốc và chú trọng vào các tài sản kỹ thuật tái sử dụng như hạ tầng suy luận, bộ dữ liệu, công cụ đánh giá và quy trình tác tử.