Alibaba

Éditeur

Multinationale chinoise spécialisée dans le commerce électronique, la vente au détail, le cloud, l’IA et les services numériques via des plateformes comme Alibaba.com, Taobao et Alibaba Cloud.

Produits

Modèles

Qwen3.5-35B-A3B

Modèle MoE multimodal ouvert et compact d’Alibaba avec 35B paramètres au total et 3B actifs pour le codage, les agents, le raisonnement et les tâches visuelles rapides.

35B au total / 3B actifs262.1K context
→

Qwen3.5-122B-A10B

Modèle MoE multimodal ouvert d’Alibaba avec 122B paramètres au total et 10B actifs pour le raisonnement, le codage, les agents et les tâches visuelles.

122B au total / 10B actifs262.1K context
→

Qwen3.5-397B-A17B

Modèle MoE multimodal ouvert d’Alibaba avec 397B paramètres au total et 17B actifs pour le raisonnement, le codage, les agents et la compréhension visuelle.

397B au total / 17B actifs262.1K context
→

Qwen3.6-27B

Modèle Qwen3.6 dense à poids ouverts pour le raisonnement multimodal et le codage agentique, avec 27,8B paramètres, pensée hybride et 262K de contexte.

27.8B262.1K context
→

Qwen3.6-35B-A3B

Modèle Qwen3.6 MoE à poids ouverts pour le codage agentique et le raisonnement multimodal, avec 35B paramètres au total et 3B actifs, proposé comme Qwen3.6-Flash via API.

35B au total / 3B actifs262.1K context
→

Qwen3.6-Max-Preview

Aperçu propriétaire du modèle phare Qwen3.6 pour le codage agentique, les connaissances et le suivi d’instructions, ensuite remplacé par Qwen3.7-Max.

256.0K context
→

Qwen3.6 Plus

Modèle Qwen multimodal proposé dans le Coding Plan d’Alibaba Cloud pour les agents de codage et le développement en contexte long.

1.0M context65.5K output
→

Qwen3.7-Max

Le modèle phare Qwen3.7 d’Alibaba pour le codage, la productivité, les outils et les tâches autonomes longues avec 1 million de jetons de contexte.

1.0M context
→

Qwen3.7 Plus

Le modèle Qwen multimodal d’Alibaba, doté d’un contexte d’un million de jetons, équilibrant codage, raisonnement, vitesse et coût.

1.0M context64.0K output
→

Qwen3.8-2.4T-A95B

Le modèle Qwen3.8 à poids ouverts et texte seul d’Alibaba, avec 2,4 billions de paramètres dont 95 milliards actifs, raisonnement réglable, outils et jusqu’à 1,01 M de jetons.

2.4T au total / 95B actifs1.0M context
→

Qwen3.8-27B

Modèle Qwen3.8 vision-langage ouvert d’Alibaba, avec 27,8 milliards de paramètres, raisonnement flexible, contexte de 262K extensible à 1 M et compréhension des images et vidéos.

27.8B262.1K context131.1K output
→

Qwen3.8-Flash-Next

Modèle multimodal expérimental ouvert d’Alibaba avec 125 Md de paramètres de langage, 6 Md actifs, attention clairsemée hybride et contexte natif de 262K extensible à 1 M.

125B au total / 6B actifs262.1K context131.1K output
→

Qwen3.8-Max-0902

Version actualisée de Qwen3.8-Max d’Alibaba pour le codage à l’échelle de projets, le développement autonome prolongé, les agents multi-outils et la compréhension multimodale.

2.4T au total / 95B actifs1.0M context131.1K output
→

Qwen3.8-Max

Le modèle phare Qwen3.8 géré d’Alibaba, fondé sur le modèle ouvert 2.4T-A95B et enrichi de la vision, d’un mode sans raisonnement, d’outils intégrés et d’un contexte de 1 M de jetons par défaut.

2.4T au total / 95B actifs1.0M context131.1K output
→

Qwen3 Coder 30B-A3B

Qwen3 Coder 30B-A3B est un modèle de code avec 30,5B paramètres au total, 3,3B actifs et une fenêtre de contexte native de 262 144 jetons pour le codage agentique.

30.5B au total / 3.3B actifs262.1K context65.5K output
→

Qwen3 Coder 480B-A35B

Qwen3 Coder 480B-A35B est un modèle de code avec 480B paramètres au total, 35B actifs et une fenêtre de contexte native de 262 144 jetons pour le codage agentique.

480B au total / 35B actifs262.1K context65.5K output
→

Qwen3-Coder-Next

Le modèle de codage sparse à poids ouverts d’Alibaba, avec 80B paramètres au total et 3B actifs, conçu pour les agents efficaces à long contexte.

80B au total / 3B actifs262.1K context
→

Communauté

LinkedIn

Suivez-nous

X (Twitter)

Suivez-nous

GitHub

Voir les dépôts

YouTube

Regarder les vidéos

Discord

Rejoindre la communauté

Reddit

Rejoindre la discussion

Blog

Lire les articles de blog