Qwen3.8 Max po polsku: mój test w 13 zadaniach, ceny i dostęp

👁 215 przeczytań

Qwen3.8 Max po polsku pisze poprawnie i trzyma się poleceń co do litery, ale długo myśli i płaci się za to myślenie. W moim Laboratorium flagowy model Alibaby (wersja 0902) zdobył 76,4 pkt na 100 w pisaniu, spełnił wszystkie 26 reguł z poleceń i bezbłędnie rozwiązał trudną korektę oraz quiz o Polsce. Poniżej wyniki zadanie po zadaniu, fragmenty odpowiedzi, ceny w złotówkach i jedna poprawka, którą muszę zrobić we własnym rankingu. Aktualny przewodnik po modelach językowych Alibaby, z cenami i testem po polsku, jest na stronie Qwen.

Co to za model

Qwen3.8 Max to największy model Alibaby. Migawka 0902 wyszła 2 września 2026. Według opisu na OpenRouterze to model typu mixture-of-experts z 2,4 bln parametrów, który przyjmuje tekst, obraz i wideo, a odpowiada tekstem. Dokumentacja Alibaba Cloud podaje kontekst 1 mln tokenów i do 131 072 tokenów odpowiedzi. Wagi są zamknięte. Rozumowanie jest domyślnie włączone; w API Alibaby da się je wyłączyć parametrem enable_thinking albo ograniczyć przez thinking_budget.

W indeksie Artificial Analysis (27 września 2026) ma 45 punktów, tyle co GLM-5.3 w wariancie max. Generuje 39 tokenów na sekundę i wypada najdrożej z czołówki w przeliczeniu na zadanie: 5,41 USD, bo przy indeksie wyprodukował 190 mln tokenów. Całą rodzinę modeli opisałem w przewodniku Qwen AI.

Mój wynik: zadanie po zadaniu

Test jest ten sam co w rankingu AI do pisania po polsku: 13 poleceń przez OpenRouter, effort=low, ocena w ciemno przez trzech sędziów z innych firm (Claude Opus 5.5, GPT-6 Sol, Gemini 3.1 Pro). Oceny poniżej pochodzą z rundy z 27 września, w której Qwen był kotwicą obok nowych modeli. Jego wynik różnił się od pierwszej rundy o 0,5 pkt (75,9 wobec 76,4).

Średnie ocen sędziów w skali 1-10. * Druga próba z wyższym limitem, wyjaśnienie niżej.

Pozostałe testy Qwen zaliczył niemal bezbłędnie: w łatwej korekcie 21 z 22 poprawek, w trudnej 30 z 30, w quizach o Polsce 46 z 46 i 48 z 48. Tyle samo w trudnej korekcie i trudnym quizie miał Claude Opus 5.5.

Fragmenty odpowiedzi

Opowiadanie w realizmie magicznym (8,56) zaczyna się tak:

„Halina przepracowała na poczcie trzydzieści dwa lata. Znała każdy blok na osiedlu Tysiąclecia, każdą klatkę schodową, każdy zapach - od gotowanej kapusty na parterze po naftalinę na czwartym piętrze.”

Sędzia od OpenAI uznał je za spójne, z dobrze poprowadzonym napięciem, a Opus 5.5 zwrócił uwagę na mocne, otwarte zakończenie. Dwaj sędziowie mieli zastrzeżenia do długości, choć mój licznik pokazał 305 słów, w granicach polecenia (300-350).

W przekładzie newslettera idiomy wyszły po polsku, bez dosłownych kalek:

„Bądźmy szczerzy: onboardowanie nowych klientów to nie fizyka jądrowa, ale od zbyt dawna chodziliśmy na skróty. (…) To był kubeł zimnej wody. Strata tych klientów okazała się jednak szczęściem w nieszczęściu.”

Tu też widać słabość: „onboardowanie” i „follow-up” zostały po angielsku, a „trzy duże konta przeszły nam koło nosa” zmienia sens (klienci odeszli, a nie zostali niezdobyci).

Najsłabsze streszczenie (6,22) miało błąd, który wyłapali wszyscy trzej sędziowie: „termin wdrożenia nie ustalono” zamiast „terminu”. Qwen pominął też szkolenia i moduł prognozowania. Ten sam błąd zrobił GLM-5.3.

Myślenie kosztuje więcej niż tekst

Przy effort=low Qwen wygenerował w 13 zadaniach 37,7 tys. tokenów, z czego 33 tys. to myślenie. Najdroższy był krótki opis produktu:

• 26 września, pierwsza próba: 6000 tokenów myślenia, wyczerpany limit, pusta odpowiedź, 0,0366 USD i prawie 6 minut.
• Druga próba z wyższym limitem: 14 460 tokenów myślenia, 0,0897 USD, prawie 5 minut. Ten sam opis zajął GPT-6 Lunie 3,6 sekundy.

Tę drugą próbę ocenili sędziowie i to był błąd mojej metody: inne modele nie dostawały wyższego limitu. Jeśli policzyć opis produktu jako niezaliczony, Qwen ma 68,2 pkt zamiast 76,4, czyli mniej więcej tyle co MiMo-V2.6-Pro (69,1) i wyraźnie mniej niż Muse Spark 1.3 (75,5). Obie liczby podaję w porównaniu mniej znanych modeli z czołówki. Przy wyższych ustawieniach rozumowania ten problem rośnie: w teście chińskich modeli po polsku wersja Prime liczyła w myślach każde słowo i nie oddała tekstu.

Ceny i koszt mojego testu

Alibaba liczy jedną stawkę w całym zakresie kontekstu, bez progów. Ceny sprawdziłem w cenniku Model Studio (wersja międzynarodowa, region Singapur) i na liście OpenRoutera, gdzie jedynym dostawcą jest Alibaba. Przeliczenie po kursie NBP 3,857 zł za dolara.

Jak korzystać z Qwen3.8 Max w Polsce

• OpenRouter - model qwen/qwen3.8-max-0902, ta sama cena co u Alibaby. Tak robiłem test.
• Alibaba Cloud Model Studio - wersja międzynarodowa, konto z kartą. W natywnym API masz parametry enable_thinking i thinking_budget.
• Qwen Chat - darmowy czat Alibaby. Nie udało mi się potwierdzić, czy wersja 0902 jest tam do wybrania.

Przy pisaniu po polsku ustawiłbym niskie rozumowanie albo budżet myślenia, bo inaczej płacisz za tysiące tokenów, których nie zobaczysz. To moja opinia, oparta na liczbach z tego testu.

Najczęstsze pytania

Czy Qwen3.8 Max dobrze pisze po polsku?

Poprawnie: 8,81 na 10 za poprawność językową w ocenie sędziów. Gorzej z naturalnością (7,11) - teksty bywają schematyczne. Wynik łączny 76,4 pkt, przy równych limitach 68,2.

Ile kosztuje Qwen3.8 Max?

2 USD (7,71 zł) za milion tokenów wejścia i 6 USD (23,14 zł) za milion tokenów wyjścia, bez VAT. Mój test 13 zadań kosztował 0,24 USD.

Dlaczego Qwen3.8 Max jest taki wolny?

Bo dużo myśli i generuje około 39 tokenów na sekundę. W moim teście 9 krótkich tekstów zajęło mu 572 sekundy, GPT-6 Lunie 39.

Czy Qwen3.8 Max jest open source?

Nie. Wagi wersji Max są zamknięte; otwarte są mniejsze modele z rodziny, np. Qwen3.8 27B.

// czytaj dalejGLM-5.3 po polsku: test w 13 zadaniach, dostawcy i cenyArtykułyClaude Haiku 5.5: cena, darmowy dostęp i test po polskuArtykułyKimi K3, GLM-5.3, Qwen3.8 Max i DeepSeek po polsku: test 6 zadańArtykuły