Qwen 3.8: Alibaba lancia un modello open-weight da 2.4 trilioni di parametri secondo solo a Fable 5 e la Cina non smette di stupire

Nello stesso giorno in cui la community AI stava ancora assorbendo l'impatto di Kimi K3 — il modello di Moonshot AI che si è posizionato al #1 su Frontend Code Arena superando tutti i modelli americani — Alibaba ha annunciato Qwen 3.8: un nuovo modello open-weight da 2.4 trilioni di parametri che, secondo le dichiarazioni dell'azienda, si posiziona «secondo solo a Fable 5» nelle performance di frontiera. La rapidità con cui questi annunci si susseguono è essa stessa un messaggio: non stiamo assistendo a rilasci isolati e casuali, ma a una strategia coordinata e sistematica con cui l'ecosistema AI cinese sta consolidando la propria posizione ai vertici della competizione globale, modello dopo modello, settimana dopo settimana. Simone Rizzo, commentando l'annuncio nel suo reel diventato virale, ha posto la domanda che tutti gli addetti ai lavori si stanno facendo: «Dopo Kimi K3, adesso abbiamo Qwen 3.8. Cosa sta accadendo?» La risposta, che questo articolo cerca di articolare in modo approfondito, è al tempo stesso tecnica, strategica e geopolitica — e le sue implicazioni vanno ben oltre il singolo modello.

Il numero che più di tutti ha catturato l'attenzione della community è la dimensione di Qwen 3.8: 2.4 trilioni di parametri — ovvero 2.400 miliardi. Per dare un termine di paragone: GPT-4 nel 2023 aveva una dimensione stimata di circa 1.8 trilioni di parametri, già all'epoca un modello gigantesco; Llama 4 Ultra di Meta, il modello open source più grande precedentemente disponibile, si attestava su dimensioni significativamente inferiori; GLM 5.2, l'altro gigante cinese che abbiamo analizzato, ha 744 miliardi di parametri totali. Qwen 3.8 a 2.4 trilioni è il modello open-weight più grande mai rilasciato al momento dell'annuncio, superando qualsiasi competitor sia in termini di dimensioni sia di performance dichiarate. È fondamentale precisare che, trattandosi quasi certamente di un'architettura MoE (Mixture of Experts), i parametri attivi per ogni token sono una frazione del totale — probabilmente nell'ordine di 100-200 miliardi di parametri attivi, comparabili ai modelli dense di fascia alta. Ma la disponibilità di 2.4 trilioni di parametri totali permette una specializzazione degli esperti e una copertura di domini che un modello dense di dimensioni equivalenti non potrebbe raggiungere.

La claim di Alibaba — che Qwen 3.8 si posizioni «secondo solo a Fable 5» — è la dichiarazione più audace nell'annuncio e quella che ha generato più discussione nella community. Claude Fable 5 di Anthropic è il modello che il governo americano aveva temporaneamente bloccato per ragioni di sicurezza nazionale, considerandolo uno dei sistemi AI più capaci mai sviluppati in termini di ragionamento avanzato e capacità tecniche. Affermare di essere «secondi solo a Fable 5» significa posizionarsi davanti a GPT-5.6, davanti a Gemini Ultra, davanti a Grok 4.5, davanti a tutti gli altri frontier model del panorama globale. Come per ogni claim di questo tipo, la valutazione critica richiede di attendere benchmark indipendenti: i test condotti da Alibaba stessa non possono essere considerati neutrali. La preview di Qwen3.8-Max-Preview già disponibile su Alibaba Cloud e sul sito Qwen sta però ricevendo prime valutazioni dalla community che sembrano consistenti con le affermazioni dell'azienda, almeno su alcune categorie di task.

La scelta di rendere Qwen 3.8 open-weight — con i pesi del modello disponibili pubblicamente per download — è la dimensione strategicamente più rilevante dell'annuncio, forse anche più delle performance dichiarate. Rilasciare open-weight un modello da 2.4 trilioni di parametri che compete con Fable 5 significa rendere disponibile gratuitamente capacità AI di frontiera a chiunque abbia hardware sufficiente; creare pressione enorme sui pricing di OpenAI, Anthropic e Google (perché pagare $25/M token per Claude Opus quando puoi eseguire un modello di performance simile localmente o su cloud a costi marginali?); accelerare l'adozione globale del modello attraverso l'ecosistema open source — integrazioni, fine-tuning, ottimizzazioni hardware — che nessun team interno potrebbe produrre da solo; e costruire un ecosistema di dipendenza verso l'infrastruttura Alibaba Cloud per chi vuole eseguire il modello nel cloud senza gestirne l'hardware.

Per comprendere la portata di Qwen 3.8 è essenziale inquadrarlo nella strategia più ampia di Alibaba con la famiglia Qwen — uno degli ecosistemi AI più completi e sistematici mai costruiti da un'azienda al di fuori degli USA. Alibaba non ha costruito semplicemente un modello di frontiera: ha costruito un'intera famiglia progettata per coprire ogni caso d'uso e ogni vincolo computazionale. Modelli general purpose: da Qwen-0.5B (mezzo miliardo di parametri, eseguibile su dispositivi edge e smartphone) fino a Qwen 3.8 (2.4 trilioni, per le applicazioni più esigenti). Modelli specializzati: Qwen-Code ottimizzato per il coding con capacità specifiche per decine di linguaggi, Qwen-Math specializzato nel ragionamento matematico con performance da top 3 globale, Qwen-VL vision-language per la comprensione di immagini e documenti, Qwen-Audio per la comprensione e la generazione audio, Qwen-Long ottimizzato per contesti estremamente lunghi con supporto per milioni di token. Modelli di ragionamento: la serie QwQ, il ramo di reasoning della famiglia Qwen, include modelli con chain-of-thought esteso particolarmente efficace su problemi complessi. Qwen 3.8 si posiziona come il modello flagship che unifica e porta al massimo livello le capacità sviluppate in tutta la famiglia — non è un modello isolato ma la sintesi di anni di ricerca condotta su tutti i rami.

Al momento dell'annuncio Qwen 3.8 è accessibile in due modi. Qwen3.8-Max-Preview su Alibaba Cloud e Qwen.ai: la versione preview del modello è già disponibile per test attraverso l'interfaccia web di Qwen e tramite le API di Alibaba Cloud, permettendo alla community di iniziare a valutare le capacità reali del modello prima del rilascio completo dei pesi. Le prime impressioni condivise da developer che hanno già accesso alla preview sono consistenti con le claim di Alibaba: Qwen 3.8 mostra capacità di ragionamento e coding di altissimo livello, con particolare eccellenza nei task che richiedono comprensione di contesti molto lunghi e ragionamento multi-step. Rilascio open-weight «coming soon»: i pesi completi del modello saranno rilasciati pubblicamente a breve, senza una data precisa confermata al momento dell'annuncio. La community si aspetta il rilascio entro poche settimane, probabilmente in formato quantizzato per permettere l'esecuzione su hardware con meno di 100 GB di RAM con tool come llama.cpp, vLLM o Colibrì.

Secondo Alibaba, Qwen 3.8 è «secondo solo a Fable 5». Questo posizionamento è interessante per diverse ragioni: Fable 5 è ancora parzialmente restricted per utenti non americani, rendendolo inaccessibile per una larga parte del mercato globale; Qwen 3.8 sarà open-weight e accessibile a tutti, creando uno scenario in cui il «secondo classificato» è di fatto il modello più capace disponibile per la maggior parte degli utenti globali; il vantaggio di Fable 5 potrebbe concentrarsi su dimensioni specifiche — sicurezza, alignment, ragionamento in certi domini — mentre Qwen 3.8 potrebbe essere superiore o equivalente in molti task pratici. Rispetto a GPT-5.6, che rimane il modello con l'ecosistema di strumenti e integrazioni più maturo (Function Calling, Assistants API, integrazione con Microsoft 365 attraverso Copilot), sulla qualità raw del modello Qwen 3.8 si dichiara superiore: per le aziende non profondamente integrate nell'ecosistema OpenAI/Microsoft, il confronto puro sulle performance diventa molto rilevante. Rispetto a Kimi K3, il «fratello» cinese annunciato lo stesso giorno, i due modelli non sono competitor diretti: Kimi K3 eccelle nel coding frontend, Qwen 3.8 punta a una superiorità più generale — sono complementari più che sostitutivi. Rispetto a Llama 4 Ultra di Meta, Qwen 3.8 con la sua dimensione di 2.4 trilioni e le performance dichiarate supera Meta sia per scala che per qualità, posizionando Alibaba come il nuovo leader dell'open-weight AI globale.

L'arrivo di Qwen 3.8 open-weight — in combinazione con Kimi K3, GLM 5.2 e gli altri modelli cinesi di frontiera già disponibili o in arrivo — crea una pressione strutturale sul pricing dei modelli AI proprietari che sarà molto difficile da ignorare per OpenAI, Anthropic e Google. La logica economica è inesorabile: se un modello di performance paragonabile o superiore a Claude Opus è disponibile open-weight, gratuitamente, l'unica giustificazione per pagare $25/M token per l'output di Claude Opus deve essere trovata in dimensioni diverse dalla pura performance — privacy dei dati garantita, compliance certificata, supporto enterprise, SLA garantiti, ecosistema di integrazioni. Queste differenziazioni hanno valore reale per segmenti specifici del mercato — aziende regolamentate, organizzazioni con requisiti di compliance stringenti, enterprise che necessitano di SLA garantiti — ma per la maggior parte degli sviluppatori, startup e aziende di medie dimensioni la disponibilità di modelli open-weight di qualità frontier riduce drasticamente la willingness to pay per i modelli proprietari. Nei prossimi mesi ci aspettiamo: riduzione dei prezzi API dei modelli occidentali (la pressione di Qwen 3.8 su Fable 5 e GPT-5.6 è simile a quella che DeepSeek R1 aveva esercitato nel 2025 — e quella volta la reazione del mercato fu immediata); competizione sulla differenziazione non-modello (ecosistemi di tool, qualità delle API, velocità di inferenza garantita, compliance certificata, supporto enterprise); accelerazione delle strategie on-premise enterprise.

La settimana del 21 luglio 2026 — con Kimi K3 al #1 su Frontend Code Arena e Qwen 3.8 annunciato come «secondo solo a Fable 5» — segna un punto di svolta che va oltre la tecnologia e investe la geopolitica dell'AI in modo profondo. Per anni la narrativa prevalente era che le restrizioni americane sull'export di chip avanzati (H100, H200, B200 di Nvidia) avrebbero rallentato in modo strutturale lo sviluppo AI cinese, consegnando agli Stati Uniti un vantaggio competitivo pluriennale. Quella narrativa oggi è smentita dai fatti: i laboratori cinesi non solo hanno raggiunto la parità con i migliori laboratori americani, ma in alcune aree specifiche — coding, ragionamento matematico, gestione di contesti lunghi — hanno preso una leadership tecnica misurabile. Come ci sono riusciti nonostante le restrizioni? Attraverso una combinazione di ricerca algoritmica di altissimo livello che riduce il fabbisogno di compute a parità di risultato, utilizzo aggressivo di chip domestici (Huawei Ascend, Cambricon, Biren) sempre più maturi, ottimizzazioni software estreme sui chip disponibili e una scelta strategica di rilasciare open-weight che accelera l'innovazione dell'intero ecosistema.

Cosa dovrebbe fare oggi una PMI, un CTO o un professionista che voglia sfruttare Qwen 3.8 nel proprio stack senza subire passivamente questa rivoluzione? Il consiglio pratico è in quattro passi. Primo: prova subito la preview su qwen.ai o Alibaba Cloud con un caso d'uso reale — un task di ragionamento complesso, una comprensione di un documento lungo, un problema di coding architetturale — e confronta il risultato con quello di Claude Fable 5 o GPT-5.6 sullo stesso identico input; il confronto empirico vale più di qualsiasi benchmark pubblicato. Secondo: prepara la tua infrastruttura al self-hosting — se prevedi volumi significativi, un'analisi seria costi/benefici tra API proprietarie e deployment di Qwen 3.8 quantizzato su GPU cloud (o hardware on-premise) diventerà nei prossimi mesi una conversazione da CFO, non solo da CTO. Terzo: rinegozia i contratti con i tuoi provider AI attuali — la pressione competitiva creata da Qwen 3.8 rende il momento ideale per rivedere pricing e SLA con OpenAI, Anthropic, Microsoft o Google; molti sconti che sei mesi fa erano impensabili oggi diventano ragionevoli. Quarto: progetta la tua architettura in modo model-agnostic — usa layer di astrazione (LiteLLM, OpenRouter, Portkey) che ti permettano di cambiare modello con una singola variabile d'ambiente, così da poter switchare tra Qwen 3.8, Kimi K3, Claude, GPT senza refactoring. Se stai valutando come integrare Qwen 3.8 o altri modelli open-weight di frontiera nella tua strategia AI, come rinegoziare i tuoi contratti attuali o come costruire un'architettura ibrida che riduca i costi senza sacrificare qualità, prenota una call conoscitiva: analizziamo insieme il tuo stack e ti aiutiamo a trarre il massimo vantaggio da questa nuova fase di mercato. Qwen 3.8 non è solo un modello: è il segnale che l'era del pricing AI premium giustificato dalla pura scarsità di alternative è finita.