مقارنة كوين 3.8 وكوين 3.7 ماكس: أبرز الفروقات والتغييرات

أصدرت Alibaba نموذج Qwen 3.8-Max في أوائل أغسطس 2026. إذا كنت تستخدم qwen3.7-max في الإنتاج، فقرار الترقية يعتمد على نوع عبء العمل والتكلفة الفعلية، وليس على كون النموذج أحدث فقط. يقدم 3.8-Max مكاسب كبيرة في مهام الوكلاء والبحث، ويدعم إدخال الصور، وسعر قائمته أقل، مع وعد بإتاحة أوزان مفتوحة.

جرّب Apidog اليوم

لكن qwen3.7-max متاح حاليًا بخصم ترويجي 50%، ما يجعله أرخص من 3.8-Max بأسعار اليوم. استخدم هذه المقارنة لتحديد ما إذا كان عليك التبديل الآن، أو الاستمرار مؤقتًا مع 3.7-Max، أو اختيار qwen3.7-plus للمهام الروتينية.

إذا كنت تحتاج إلى خلفية عن النموذج الجديد، اقرأ ما هو Qwen 3.8-Max. وللنموذج السابق، راجع ما قدمه Qwen 3.7.

ملاحظة منهجية: كل الأرقام المعيارية أدناه مأخوذة من جدول Alibaba في منشور إطلاق Qwen 3.8 الرسمي. قورنت النماذج ضمن اختبار البائع نفسه، لذلك تكون الفروقات الداخلية مفيدة للمقارنة، لكن التحقق المستقل ما زال مطلوبًا. شُغّلت معظم اختبارات البرمجة عبر حزمة Claude Code، وبعض المعايير داخلية لـ Qwen.

النسخة المختصرة

ما الذي تغير؟	Qwen 3.7-Max	Qwen 3.8-Max
Terminal Bench 2.1	74.5	86.6
SWE-bench Pro	60.6	67.7
PaperBench	64.8	93.0
IFBench	79.1	82.8
GPQA Diamond	92.4	92.6
HLE	41.4	43.6
سعر القائمة لكل مليون رمز	$2.5 إدخال / $7.5 إخراج	$2 إدخال / $6 إخراج
السعر الحالي الترويجي	$1.25 إدخال / $3.75 إخراج	$2 إدخال / $6 إخراج
إدخال الصور	لا	نعم
البنية المعلنة	غير معلنة	2.4T إجمالي، 95B MoE نشط
الأوزان المفتوحة	لم تصدر	وُعد بها للأسبوع التالي تقريبًا
نافذة السياق	مليون رمز	مليون رمز

أين تظهر القفزة فعلًا؟

تتركز مكاسب Qwen 3.8-Max في المهام الوكيلية طويلة الأمد: التخطيط، تنفيذ الأدوات، التصحيح الذاتي، وإعادة المحاولة.

Terminal Bench 2.1: من 74.5 إلى 86.6

هذه زيادة 12 نقطة في مهام الوكلاء المعتمدة على الطرفية. إذا كنت تبني وكيلًا يشغل أوامر، يفحص ملفات، ويصحح أخطاء تنفيذ، فهذه من أهم نتائج الترقية.

في جدول Alibaba نفسه، سجل Claude Opus 4.8 وFable 5 نتيجة 84.6، بينما سجل GPT-5.6 Sol نتيجة 88.8.

SWE-bench Pro: من 60.6 إلى 67.7

تحسن بمقدار 7 نقاط في مهام هندسة البرمجيات الواقعية. هذا مفيد، لكنه ليس صدارة للفئة: يسجل Fable 5 نتيجة 80.0 في الجدول نفسه.

القرار العملي: اختبر النموذج على مجموعة الإصلاحات الخاصة بمستودعك بدل الاعتماد على المعيار وحده، خصوصًا إذا كان معدل حل مشكلات البرمجة هو معيار الشراء الرئيسي لديك.

PaperBench: من 64.8 إلى 93.0

أكبر قفزة في الجدول: 28 نقطة في إعادة إنتاج أبحاث الذكاء الاصطناعي. إذا كان التدفق لديك يشمل قراءة أوراق طويلة، استخراج منهجيات، أو تنفيذ استدلال علمي متعدد الخطوات، فهذه نتيجة تستحق اختبارًا مباشرًا.

IFBench: من 79.1 إلى 82.8

تحسن في اتباع التعليمات بنحو 4 نقاط. كان 3.7-Max قويًا أصلًا في هذا الاختبار، لذلك تعزز النسخة الجديدة نقطة قوة قائمة بدل معالجة ضعف كبير.

GPQA Diamond: من 92.4 إلى 92.6

فرق شبه معدوم. إذا كانت مهامك تشبه أسئلة وأجوبة العلوم المتقدمة، فلا تتوقع مكسب جودة ملموسًا من الترقية وحدها.

HLE: من 41.4 إلى 43.6

تحسن بمقدار نقطتين، لكنه يظل خلف المتصدرين في جدول Alibaba: Fable 5 عند 53.3 وGPT-5.6 Sol عند 47.2.

الخلاصة: اختر 3.8-Max للوكلاء والبحث وإدخال الصور. لا تبرر الترقية فقط لأنك تتوقع تحسنًا كبيرًا في أسئلة المعرفة العامة أو GPQA.

للتفاصيل الكاملة حول الحزم والمعايير الداخلية، راجع تحليل معايير Qwen 3.8.

البنية: أرقام معلنة للتخطيط الأفضل

Qwen 3.8-Max نموذج خليط خبراء (MoE) بإجمالي 2.4 تريليون معلمة، مع 95 مليار معلمة نشطة في كل تمريرة أمامية، ومبني على أساس Qwen 3.5.

نسبة التنشيط تقارب 4%، وهي مهمة لتخطيط الخدمة: الحوسبة الفعلية مرتبطة بالمعلمات النشطة، لا بإجمالي 2.4 تريليون.

لم تنشر Alibaba أرقامًا مماثلة لـ Qwen 3.7-Max. في المقابل، توثق وثائق Model Studio ومنشور الإصدار بنية 3.8-Max، ما يجعل تقدير السعة والتكلفة أكثر وضوحًا.

للمقارنة، يعمل Kimi K3 بإجمالي 2.8 تريليون معلمة و104 مليارات معلمة نشطة، لذا فإن Qwen 3.8-Max أصغر على المحورين.

إدخال الصور: قدرة جديدة يجب اختبارها

Qwen 3.7-Max نموذج نصي فقط. أما Qwen 3.8-Max فيدعم إدخال الصور أصليًا.

تذكر Alibaba نتائج متعددة الوسائط تشمل:

• MathVision: 95.2
• LogicVista: 91.9
• OSWorld-Verified: 86.1

لا توجد مقارنة مباشرة مع 3.7-Max لأنه لا يدعم الصور أساسًا.

هذا يسمح لك بتجميع تدفقات كانت تحتاج نموذج رؤية مستقلًا، مثل:

• فهم لقطات الشاشة.
• تحليل صور المستندات.
• استخراج المخططات والرسوم البيانية.
• أتمتة واجهات المستخدم اعتمادًا على الصور.

تحقق من وثائق API قبل اعتماد تدفقات الفيديو أو المستندات الطويلة؛ منشور الإطلاق يعرض هذه القدرات، لكنها ليست بالضرورة أنواع إدخال API مستقلة لكل حالة استخدام.

التسعير: أرخص في القائمة، أغلى حاليًا

سعر قائمة Qwen 3.8-Max هو:

• $2 للإدخال لكل مليون رمز
• $6 للإخراج لكل مليون رمز

بينما سعر قائمة Qwen 3.7-Max هو:

• $2.5 للإدخال
• $7.5 للإخراج

أي أن 3.8-Max أقل 20% في سعر القائمة رغم قدراته الإضافية.

لكن خصم 50% الحالي على 3.7-Max يغير الحساب:

النموذج	الإدخال لكل مليون رمز	الإخراج لكل مليون رمز
qwen3.7-max — عرض ترويجي	$1.25	$3.75
qwen3.8-max	$2	$6

بأسعار اليوم، 3.7-Max أقل تكلفة بنحو 38%.

راجع صفحة تسعير Model Studio الرسمية قبل اتخاذ القرار، ثم انتبه إلى نقطتين:

1. العرض الترويجي محدود الوقت. لا يوجد تاريخ انتهاء منشور، لذلك لا تبنِ ميزانية طويلة الأمد على السعر المخفض.
2. رموز التفكير تُحاسب كإخراج. يضبط Qwen 3.8-Max افتراضيًا reasoning_effort: xhigh، وقد ترتفع التكلفة الفعلية للطلب كثيرًا عن السعر النظري لكل رمز.

للتخزين المؤقت وحساب التكلفة لكل مهمة، راجع دليل تسعير Qwen 3.8.

إذا كانت تكلفة Max مرتفعة لمهامك، فـ qwen3.7-plus بسعر $0.4 إدخال و$1.6 إخراج يظل خيار القيمة. راجع مقارنة Plus وMax.

الأوزان المفتوحة: فرق استراتيجي بين النموذجين

لم تصدر Alibaba أوزانًا مفتوحة سابقًا لأي نموذج من فئة Qwen-Max، ولم تكن هناك إشارة إلى أن 3.7-Max سيحصل عليها.

لكن منشور Qwen 3.8-Max يعد بإتاحة الأوزان عبر Hugging Face وModelScope في “الأسبوع القادم”، أي تقريبًا 10 أغسطس 2026.

حتى 3 أغسطس 2026، لم تكن الأوزان متاحة للتنزيل. تعامل مع ذلك بوصفه وعدًا حتى تصدر الأوزان فعليًا.

عمليًا، استضافة نموذج بإجمالي 2.4 تريليون معلمة مشروع متعدد العقد حتى مع التكميم. لذلك، بالنسبة لمعظم الفرق، ستكون الفائدة الأقرب هي الوصول عبر استضافات طرف ثالث أو ضغط الأسعار، لا تشغيل النموذج داخل البنية التحتية الخاصة بك.

ما الذي لم يتغير؟

• نافذة السياق: مليون رمز في النموذجين.
• مسار الوصول: كلاهما متاح من خلال Alibaba Cloud Model Studio ونقاط نهاية متوافقة مع OpenAI.
• التبديل الأساسي: تغيير معرف النموذج من qwen3.7-max إلى qwen3.8-max.
• ضوابط الاستدلال في 3.8-Max: تتوفر reasoning_effort بثلاثة مستويات، إضافة إلى enable_thinking وpreserve_thinking.

مثال عملي: اجعل معرف النموذج متغيرًا بيئيًا بدل تثبيته في الكود.

const model = process.env.QWEN_MODEL ?? "qwen3.7-max";

// بدّل البيئة فقط عند الاختبار:
// QWEN_MODEL=qwen3.8-max

ولخفض مخاطر التكلفة، عيّن مستوى الاستدلال صراحة أثناء المقارنة:

{
  "model": "qwen3.8-max",
  "reasoning_effort": "medium",
  "messages": [
    {
      "role": "user",
      "content": "حلل هذا الطلب وأعد النتيجة بصيغة JSON."
    }
  ]
}

لا تفترض أن الإعداد الافتراضي xhigh مناسب لكل تدفق إنتاجي؛ قارن الجودة وزمن الاستجابة واستخدام الرموز على بياناتك الفعلية.

قرار الترقية: ثلاثة مسارات واضحة

رقِّ الآن إلى Qwen 3.8-Max إذا

• كنت تبني وكلاء طرفية أو أدوات برمجية.
• كان عبء العمل يتضمن البحث أو إعادة إنتاج أوراق تقنية.
• تحتاج إلى تحليل لقطات الشاشة أو صور المستندات.
• تريد سعر قائمة أقل واستقرارًا أكبر بعد انتهاء عرض 3.7-Max.

فروقات Terminal Bench من 74.5 إلى 86.6 وPaperBench من 64.8 إلى 93.0 هي الأكثر احتمالًا للظهور في الإنتاج لهذه الحالات.

استمر مع Qwen 3.7-Max مؤقتًا إذا

• كانت مهامك دردشة عامة أو تلخيصًا أو أسئلة وأجوبة.
• كان النموذج الحالي يحقق مؤشرات الجودة لديك.
• كانت التكلفة الحالية عامل القرار الأكبر.

اضبط تذكيرًا شهريًا لمراجعة العرض الترويجي. يجب أن تكون خطتك الاحتياطية السعرية هي 3.8-Max بسعر $2 / $6، لا سعر 3.7-Max الترويجي.

انتقل إلى qwen3.7-plus إذا

كانت المهام روتينية، مثل:

• التصنيف.
• الاستخراج المنظم.
• التوليد البرمجي البسيط.
• التحويلات النصية المتكررة.

بسعر 0.4 دولار / 1.6 دولار، قد تكون قدرات فئة Max إنفاقًا زائدًا لهذه الحالات.

اختبر التبديل قبل الالتزام

لا تتخذ القرار من المعايير فقط. أنشئ اختبارًا جنبًا إلى جنب باستخدام عينات من حركة مرورك الفعلية.

اتبع هذا المسار:

1. أنشئ مجموعة طلبات تمثل أكثر المهام شيوعًا أو أهمية.
2. استخدم نفس نقطة نهاية Model Studio المتوافقة مع OpenAI.
3. أنشئ بيئتين تختلفان فقط في متغير النموذج:
   • qwen3.7-max
   • qwen3.8-max
4. شغّل المجموعة على البيئتين.
5. قارن:
   • دقة المخرجات.
   • الالتزام بالبنية المطلوبة.
   • زمن الاستجابة.
   • عدد رموز الإدخال والإخراج.
   • التكلفة الفعلية لكل مهمة مكتملة.

في Apidog، يمكنك حفظ طلب واحد، وإنشاء بيئتين، ثم تبديل قيمة معرف النموذج وإعادة تشغيل سيناريوهات الاختبار نفسها. بما أن النموذجين يشتركان في واجهة API، فلن تحتاج إلى بناء مجموعتي طلبات منفصلتين.

حوّل سؤال “هل نرقّي؟” إلى نتائج قابلة للقياس على بياناتك. نزّل Apidog مجانًا واختبر النموذجين قبل تغيير إعدادات الإنتاج.

الأسئلة الشائعة

هل Qwen 3.8-Max أرخص من Qwen 3.7-Max؟

بسعر القائمة، نعم: $2 / $6 مقابل $2.5 / $7.5 لكل مليون رمز.

لكن بالأسعار الحالية، لا: خصم 50% يجعل 3.7-Max بسعر $1.25 / $3.75، أي أقل بنحو 38% من 3.8-Max. لا يوجد تاريخ انتهاء منشور للعرض. راجع دليل تسعير Qwen 3.8 للتفاصيل.

هل أحتاج إلى تغيير الكود للتبديل من qwen3.7-max إلى qwen3.8-max؟

للاستخدام الأساسي، لا. كلاهما يستخدم نقاط نهاية Model Studio المتوافقة مع OpenAI، لذا يكفي تغيير معرف النموذج.

لكن عيّن reasoning_effort صراحة عند استخدام 3.8-Max، لأن القيمة الافتراضية هي xhigh ورموز التفكير تُحاسب كرموز إخراج. وإذا أرسلت صورًا، فهذه قدرة متاحة في 3.8-Max فقط.

هل لدى Qwen 3.7-Max أوزان مفتوحة؟

لا. لم تصدر Alibaba أوزانًا مفتوحة لفئة Qwen-Max سابقًا. Qwen 3.8-Max هو أول نموذج من هذه الفئة يُوعَد بإتاحة أوزانه على Hugging Face وModelScope، والمتوقع تقريبًا في 10 أغسطس 2026. وحتى 3 أغسطس، لم تكن الأوزان متاحة بعد.

هل Qwen 3.8-Max أفضل من Claude أو GPT؟

يعتمد ذلك على المعيار، وهذه أرقام Alibaba نفسها. في جدولها، يتفوق 3.8-Max على Opus 4.8 وFable 5 في Terminal Bench 2.1، ويتصدر في PaperBench وIFBench. لكنه يتخلف عن Fable 5 في SWE-bench Pro (67.7 مقابل 80.0) ويتأخر عن المتصدرين في HLE.

لا توجد تقييمات مستقلة بعد، لذلك اختبر النموذج على مهامك قبل اتخاذ قرار نهائي.