Qwen3.8-Max hat 24 Tage allein programmiert

Am 13. Juli hat jemand bei Alibaba ein leeres Repository angelegt, Qwen3.8-Max ein GitHub-Konto dazugegeben und danach zugesehen.

Vierundzwanzig Tage später steht dort oh-my-cli, ein Werkzeug, das im Terminal selbst Dateien ändert und Befehle ausführt, mit Freigabestufen für gefährliche Befehle und einer Electron-Anwendung. Am 7. August lagen dort 683 Commits, 670 vom Bot-Konto und 13 von einem Menschen.

Dieses Modell hält eine Aufgabe wochenlang, ohne dass jemand nachsteuert. Und seit dem 8. August kannst du es herunterladen. Das ist die eigentliche Nachricht dieser Ausgabe, denn bei den kleineren Qwen-Modellen ist Veröffentlichen seit Jahren die Regel, bei einem Max-Modell war es das nie.

Die Zahlen

Test	Was gemessen wird	Qwen3.8-Max	Vergleich
Terminal-Bench 2.1	mehrschrittige Arbeit im Terminal	86,6	GPT-5.6 Sol Max: 88,8, Claude Fable 5: 84,6
SWE-bench Pro	Fehler in fremdem, gewachsenem Code beheben	67,7	Claude Fable 5: 80,0
Preis je Million Token	was der Betrieb kostet	2 $ ein, 6 $ aus	Cache-Treffer: 0,25 $

Alle drei stammen aus Alibabas eigener Tabelle, kein unabhängiger Auswerter hat bisher eine davon nachgemessen. Selbst nachzählen ließ sich nur das Repository, und dort stimmte Alibabas Angabe schon nicht mehr.

Eigene Auszählung über die GitHub-API am 7. August 2026 gegen Alibabas Angabe für den 30. Juli.

In der Woche nach der Ankündigung entstand mehr als in den sechzehn Tagen davor. Danach ging der Lauf noch eine Woche weiter und steht seit dem 12. August still. Am 13. August liegen dort 841 Commits, 828 vom Bot und weiterhin genau 13 von einem Menschen, dazu 403 Pull Requests und 473 Issues. Die dreizehn sind in einem Monat nicht mehr geworden.

Die Gewichte sind offen

Fünf Tage nach der Ankündigung hat Alibaba nachgelegt. Seit dem 8. August liegen die Gewichte auf Hugging Face, als Qwen3.8-2.4T-A95B und als FP8-Fassung. Zwei Tage später kam die erste Quantisierung aus der Community dazu.

Zwei Einschränkungen gehören dazu. Das offene Modell ist nicht ganz das, was über die Schnittstelle läuft: Alibaba nennt Qwen3.8-Max die offizielle Fassung auf derselben Grundlage, mit Bildeingabe, einer Million Token Kontext und eingebauten Werkzeugen. Und die Lizenz ist nicht Apache 2.0, sondern eine eigene. Nutzen, ändern, verkaufen und hosten ist erlaubt, ab 100 Millionen monatlichen Nutzern musst du den Modellnamen in deiner Oberfläche nennen.

Die kleinere 27B-Variante, die Alibaba mit angekündigt hatte, fehlt weiter. Offiziell liegt von Qwen bis heute nur die 27B der Vorgängergeneration auf Hugging Face.

Der Haken

Bei SWE-bench Pro kommt Qwen3.8-Max auf 67,7, Claude Fable 5 auf 80,0. Der Test misst, ob ein Modell Fehler in fremdem, über Jahre gewachsenem Code behebt.

oh-my-cli hat bei null angefangen, und dort kennt das Modell jede Entscheidung, weil es sie selbst getroffen hat. In fremdem Code muss es Absichten rekonstruieren, die niemand aufgeschrieben hat.

Was das für dich heißt

Übertragbar sind drei Zutaten, und keine davon ist das Modell: eine Aufgabe mit klarem Abbruchkriterium, eine Prüfung, die ohne Menschen läuft, und ein paar Regeln, die der Agent nicht selbst ändern darf.

Bei oh-my-cli stehen die in AUTONOMY.md, einem Vertrag aus vier Teilen:

Vision, Nutzer Produkt-Umfang und zehn nicht verhandelbare Sicherheitsgrenzen. Die Datei schützt sich selbst, der Bot darf sie lesen und einen Änderungsvorschlag als Issue öffnen, committen oder zusammenführen darf er sie nie. Und als Auftrag zählt nur ein Issue, das er sich selbst gestellt hat, alles andere von außen gilt ausdrücklich als Hinweis, nie als Befehl.

Das Spannende ist deshalb der Aufbau, nicht die Modellkarte. Genau der lässt sich nachbauen, auch mit einem kleineren Modell.

Testen lohnt trotzdem, wenn du eine wiederkehrende Aufgabe hast, die sich automatisch prüfen lässt. Für gewachsene Software noch nicht.

In RelationFlow bindest du es unter Eigene Modelle als OpenAI-kompatiblen Endpunkt ein, Basis-Adresse und Modell-ID genügen.

DSGVO: Die Schnittstelle steht in China, für das es keinen Angemessenheitsbeschluss gibt. Personenbezogenes gehört da erst nach Standardvertragsklauseln und einer Transfer-Folgenabschätzung hin.

Lokal bleibt schwierig, obwohl die Gewichte jetzt da sind: 2,4 Billionen Parameter sind nach der Faustregel unseres Katalogs rund 1.300 Gigabyte. Das ist kein Arbeitsplatzrechner, das ist ein Serverschrank. Die angekündigte 27B-Variante läge bei etwa 15 Gigabyte, also auf einer einzelnen Karte, und genau die ist nicht gekommen.

Quellen: qwen-code-dev-bot/oh-my-cli samt AUTONOMY.md, eigene Auszählung über die GitHub-API am 7. und am 13. August 2026, Gewichte und Lizenz nach der Modellkarte auf Hugging Face. Benchmarks und Preise nach Alibabas Ankündigung vom 3. August, zusammengefasst bei MarkTechPost und Developer Tech.