Alibaba выпустили Qwen3.8-Max: стоит в четыре раза дешевле Opus 5, но уступает в сложном кодинге

[musicman3]

Народ ждет Qwen3.8-35B-A3B. Но ждет еще больше улучшений по сравнению с хитом на 3.6.

[Lizdroz]

Ждите-ждите. Скоро выкатят 3.9, где сломают все, что нормально работало в 3.6))

[Dhwtj]

На 30 июля, после примерно 16 дней автономной работы, в репозитории было 265 коммитов, 127 PR и 151 issue. Агент собирал требования из отзывов и собственных тестов, превращал их в задачи, писал код, запускал сборку, unit-, E2E- и lifecycle-тесты, затем возвращал ошибки в очередь на исправление

Посмотрел бегло

Большой ком грязи, как и предполагал. Src на подпапки не разбит, то есть почти наверняка всё связано со всем.

Агент один, активная ветка одна, параллельной работы нет.

Что-то на бюджетном

Очередь поданных кожаными issues растянулась на несколько дней работы, он не успевает

[Lizdroz]

Идеальный сотрудник же: взял таску, сымитировал бурную деятельность, накидал коммитов в мастер и ушел в таймаут

[Dhwtj]

ушел в таймаут

... в закат

Не, он там пилит до сих пор

[shut-down-now]

а кто-то ж потом этой хренью и себе "кодит"

• src/ is 161 flat files, no subdirectories (except desktop/). No module boundaries at all.

• Two monoliths: tui-shell.ts at 168 KB and index.ts at 136 KB. Together that’s ~⅓ of the codebase in two files.

• Commit types: 197 feat vs 12 fix. Healthy projects trend the other way over time. This one is almost pure feature accretion — very little evidence of anything being used hard enough to break.

• Heavy feature sprawl with near-duplicate patterns: 49 files export a build*Report/Brief/Snapshot-style function. run-summary, run-scorecard, work-summary, completion-summary, session-summary, failure-summary, delivery-brief, ci-handoff — a lot of adjacent concepts that a human would have collapsed.

• README is 2,007 lines, ~104 KB, with a 1,770-line Usage section. It’s a flag catalog, not documentation.

[Dhwtj]

Примерно как и у всех моделей изменения за полгода: автономность действительно выросла, мозгов не прибавилось совсем

[shut-down-now]

это изменение в harness, а не моделей.

но да, соглашусь. причём харнесс иногда и в худшую сторону меняется даже у антропиков. подзадрало

[Dhwtj]

Я как-то в сумме оцениваю

[Dhwtj]

Ему накидали уже

https://github.com/qwen-code-dev-bot/oh-my-cli/issues/502

[Pongo]

На DeepSWE разрыв заметнее: 10,9 пункта до Kimi и 12,2 пункта до Opus 5.

qwen3.7-max набирал 18% в этом бенчмарке.

[Lizdroz]

16 дней автономной работы и на выходе 161 файл в корне без папок - отличный симулятор джуна на удаленке, которому забыли назначить ментора

[Hiddenath]

надо потестить будет

[weerf]

Судя по PaperBench, CharXiv и LVBench получился аналитик-бумагописатель.

[IlyaStroynov]

зашел в веб чат, спросил у 3.8 max один вопрос, получил кучу выдуманной информации, знакомство закончилось