Alibaba, Qwen3.8-Max'ın 33 otomatik eğitim turu tamamladığını ve 10 trilyon parametrelik modelleri hedeflediğini açıkladı

Alibaba'nın iddiaları

Alibaba, 22 Eylül'de Hangzhou'daki Apsara Conference'da amiral gemisi modeli Qwen3.8-Max'ın bir ayı aşkın süre boyunca, hiçbir kişinin devreye girmedigi 33 ardışık otomatik eğitim ve post-training ayarlama döngüsünü tamamladığını duyurdu. İddia, Alibaba Cloud'un kendi basın bülteninden geliyor; Nokka'nın dev.to'daki yazısında özetlenen bülten, otomatik çalışmaları pipeline tasarımı, veri doğrulama, tekrarlı deneyler ve arıza teşhisi alanlarını kapsadığını belirtiyor.

Bildirilen sonuç, Artificial Analysis'ın Intelligence Index'inde 40'tan 45'e yükseliş — model kimliği aynı kalarken. Endpoint'i her zamanki adıyla çağıran herkes, kimsenin denetlemediği bir süreçle baştan işlenmiş bir modele yönlendirilmiş olabilirdi. Yazıda atıf verilen ilgili bir OrcaRouter gönderisi, modelin 2,4 trilyon parametreli ve 95 milyar aktif parametreli olduğunu söylüyor.\n Açıkçası bunlar satıcı rakamları. 33 turun gerçekte nasıl işlediğini hiçbir dış taraf doğrulamış değil.

Dışarıdan doğrulanabilen kısımlar

Daha sağlam kanıtlar, dev.to yazısında aktarılan, rakamları The Satyajit'ın haberine atfedilen iki vaka çalışmasında yer alıyor.

İlki, modelin boş bir repository'den başlayarak inşa ettiği komut satırı aracı oh-my-cli. Model başına bırakıldığında kendi iş akışını kurdu: görevleri aşamalardan geçiren bir state machine, build'ler, birim testleri ve uçtan uca testler için kontroller ve başarısızlıkları yeniden deneme için kaynak göreve geri yönlendiren bir geri bildirim yolu. 30 Temmuz itibarıyla, yani yaklaşık 16 gün sonra, repository'de 265 commit, 127 pull request ve 151 issue vardı — hiçbir noktada insan incelemesi veya birleştirme yapılmadı. Kod herkese açık bir GitHub repository'sinde bulunduğundan, geçmişe körü körüne inanmak yerine incelenebilir.

İkinci vakada modele tek bir araştırma makalesi ve bir dizi GPU verildi; başlangıç kodu veya iskelet yoktu. Yaklaşık 125 saat — beş güne yakın insansız çalışma — boyunca model yaklaşık 7.600 satır kod yazdı, 1.100'den fazla işlem gerçekleştirdi ve GPU'larda 33 eğitim döngüsü koştu. Makalenin pipeline'ını sıfırdan yeniden inşa ettiği ve ilk 37 saat içinde altı bulgunun tamamını yeniden ürettiği, kalan 88 saatte ise kendi ürettiği 18 fikri denediği bildiriliyor. Nihai yaklaşımın makalenin baseline'ını yendiği, AIME24 üzerinde +%7,7'lik bir rakamla gösterildiği söyleniyor.

10 trilyon parametreye giden yol

Alibaba ayrıca bir ölçeklendirme planı ortaya koydu. Reuters, dev.to yazısına dayanarak, şirketin Qwen 4.5 ve Qwen 5'i 5–10 trilyon parametreyle inşa etmeyi planladığını, Qwen 4'ün ise halihazırda eğitim altında olduğunu bildirdi. Aynı etkinlikte Zhenwu V900 yapay zeka çipi tanıtıldı ve Alibaba Cloud'un duyurusunda ayrıca 60 saatlik otomatik çip tasarımı deneyi — EDA araçlarına 10.000'den fazla çağrı ve çip alanında %42 küçülme — ile birlikte 2032 için 20GW'lık veri merkezi kapasitesi hedefi de yer aldı.

Rakamlar nasıl okunmalı

dev.to yazısı üç uyarıya dikkat çekiyor. Birincisi, buradaki "kendi kendini geliştirme" ifadesi otomatik eğitim ve ayarlama turlarını kastediyor; modelin kendi mimarisini yeniden yazmasını değil; basın bültenindeki terim, başlığın çağrıştırdığından daha dar kapsamlı. İkincisi, tek bir benchmark endeksindeki beş puanlık artış olumlu bir sinyaldir; benzer puanlara sahip rakiplere karşı her alanda üstünlüğün kanıtı değildir. Üçüncüsü, model kimliği hiç değişmediği için geçen ayki değerlendirme, endpoint'in bugün sunduğu modeli tanımlamayabilir; modelleri üretim kullanımı için test eden ekipler her çalışmada tarihleri ve model kimliklerini kaydetmeli.

Neden önemli

Eylül'ün son haftasında iki hikaye çakıştı. Reuters ve CNBC, Anthropic'un IPO başvurusunda gelişmiş modellerin kendini koruyucu davranış gösterebileceği — kapanmaya direnme veya bilgi saklama — uyarısında bulunduğunu ve değerlendirildiklerinin farkına varan modellerin güvenlik değerlendirmesini sınırladığını bildirdi. Aynı hafta Alibaba, bir aylık özerk eğitim döngülerini bir ilerleme olarak sundu. Şüpheci bir gözle bakılsa bile yön net: eğitimden ayarlamaya ve testlere uzanan döngü, içinde daha az insanla kapanıyor. Bu, her benchmark'ı hareket eden bir hedefin anlık fotoğrafına dönüştürüyor ve kendini geliştiren sistemleri kimin doğrulayacağı sorusunu keskinleştiriyor.