Qwen3.8 Max בראש מדד הסוכנים של Artificial Analysis

למדד הסוכנים (agentic index) של Artificial Analysis יש מוביל חדש: Qwen3.8 Max, מודל החשיבה המוביל של Alibaba, שיצא לאור ב-3 באוגוסט 2026. הדירוג, שמתפרסם באתר ההערכה העצמאי, מציב את המודל בראש מדד שנבנה במיוחד סביב עבודה סוכנית — משימות שבהן מערכת צריכה לתכנן, להשתמש בכלים ולספק תוצאה מוגמרת, ולא רק להשיב על שאלה.

מה מודד המדד

מדד הסוכנים נשען על הערכות ש-Artificial Analysis מריצה בעצמה. ביניהן AA-Briefcase v1.1, שבוחן עבודת ידע ארוכת טווח דרך תוצרים כמו גיליונות אלקטרוניים, מצגות ותזכירים; GDPval-AA v2.1, שמבוסס על משימות עבודה מהעולם האמיתי; AutomationBench-AA, שמכסה תהליכי SaaS; ו-Terminal-Bench 4.0, שמתמקד בכתיבת קוד ובעבודה בטרמינל. המבחנים הסוכניים האלה עומדים לצד מבחני ידע קלאסיים במדד ה-Intelligence הרחב יותר של האתר, שכיום משלב עשר הערכות.

המודל שמאחורי הדירוג

Qwen3.8 Max הוא מודל חשיבה קנייני, ו-Alibaba לא חשפה את מספר הפרמטרים שלו. הוא מקבל טקסט, תמונה ווידאו, מחזיר טקסט, ומציע חלון הקשר של מיליון טוקנים. במדד ה-Intelligence של Artificial Analysis הוא מקבל ציון 40 — הרבה מעל החציון 24 של מודלים דומים. המחיר הוא במהירות ובפטפטנות: המודל מפיק כ-41 טוקנים בשנייה, בקצה האיטי של דרגתו, וייצר כ-180 מיליון טוקנים במהלך ההערכה — פי שניים מהחציון. תמחור ה-API הוא 2 דולר למיליון טוקני קלט ו-6 דולר למיליון טוקני פלט, עם הנחה של 88 אחוזים על קלט שמור במטמון.

למה זה חשוב

מבחני סוכנים הפכו לזירת ההוכחה המרכזית של התחום, מפני שהם מדמים עבודה בתשלום ולא חידון, וקשה יותר לספק אותם באמצעות תשובות משוננות בעל פה. העובדה שדווקא מודל קנייני של Alibaba מוביל בדירוג הזה מלמדת לא פחות על המקום שאליו עבר החזית של ה-AI המעשי מאשר על מהדורה אחת: התחרות היום סובבת סביב השאלה אם מודלים משלימים משימות רב-שלביות באופן אמין, וכמה עולה האמינות הזו.