MarkTechPost traça cronologia de três anos e meio do Qwen: do 7B aos 2,4T de pesos abertos relatados
Segundo um artigo cronológico do MarkTechPost de 4 de outubro de 2026, o Qwen da Alibaba passou de um teste por convite em abril de 2023 a um modelo de pesos abertos relatado com 2,4 trilhões de parâmetros, com a licença migrando gradualmente de "uso comercial gratuito abaixo de 100 milhões de usuários ativos mensais" para Apache 2.0 em múltiplos tamanhos, além do surgimento de esparsificação MoE, atenção linear híbrida e linhas de produto abertas e fechadas em paralelo.
O que mudou
Segundo o artigo "The Story of Qwen", publicado pelo MarkTechPost em 4 de outubro de 2026, o autor Asif Razzaq traça cronologicamente a trajetória de lançamentos da série Qwen da Alibaba ao longo de três anos e meio: em 7 de abril de 2023, a Alibaba Cloud abriu o teste do "Tongyi Qianwen" para clientes empresariais por meio de códigos de convite; em 3 de agosto do mesmo ano, lançou como código aberto o Qwen-7B e o Qwen-7B-Chat, cuja licença previa uso comercial gratuito abaixo de 100 milhões de usuários ativos mensais; em 2024, as gerações Qwen1.5, Qwen2 e Qwen2.5 foram lançadas em sequência intensa, sendo que no Qwen2 a maioria dos tamanhos, exceto o 72B, passou a Apache 2.0; em 2025, o Qwen3 introduziu o "pensamento híbrido", com o flagship Qwen3-235B-A22B integralmente sob Apache 2.0, seguido pelo Qwen3-Next-80B-A3B com atenção linear Gated DeltaNet e mistura 3:1 de atenção com gate; em 2026, o artigo relata que a Alibaba avançou em múltiplas gerações como Qwen3.5, Qwen3.6 e Qwen3.7 em meio ano, e disponibilizou o modelo de pesos abertos relatado com 2,4 trilhões de parâmetros. O artigo também registra mudanças de pessoal na equipe e a reorganização da Alibaba que integrou o negócio de IA a um novo grupo. O texto do artigo está truncado no trecho sobre o Qwen3.7, de modo que detalhes de alguns nós posteriores não são visíveis, e esta análise se baseia apenas no conteúdo visível.
Impacto para desenvolvedores
O impacto direto para desenvolvedores aparece primeiro nos limites de licença: o relato mostra que o Qwen 7B inicial usava termos personalizados de "uso comercial gratuito abaixo de 100 milhões de usuários ativos mensais", enquanto a partir do Qwen2 vários tamanhos passaram a Apache 2.0. Pesos abertos e licença de código aberto são duas coisas distintas: poder baixar os pesos não equivale a Apache 2.0, nem a poder comercializar, redistribuir ou usar para treinar modelos derivados sem condições, e a autorização específica deve seguir o arquivo de licença do repositório do modelo correspondente, não podendo a descrição desta reportagem substituir o texto original da licença. Em segundo lugar vem a divisão das formas de implantação: o relato indica que, a partir do Qwen3-Max-Preview, parte dos flagships passou a ser oferecida apenas via API, e o Qwen3.6-Plus seria um modelo hospedado de código fechado, criando no lado da engenharia dois caminhos: "pesos abertos auto-hospedáveis" e "flagship hospedado acessível apenas por API". Terceiro, mudam as premissas de arquitetura e custo: o relato afirma que o custo de treinamento do Qwen3-Next-80B-A3B foi cerca de 10% do Qwen3-32B, e que acima de 32K tokens a vazão de inferência aumentaria 10 vezes; números desse tipo vêm de cards de modelo e declarações do fornecedor, sem reprodução por terceiros, servindo apenas como hipótese de seleção e não como promessa. Quarto, os critérios de contexto não são uniformes: o relato menciona 32K em todos os tamanhos do Qwen1.5, 128K em parte dos instruct do Qwen2, 262K nativos na atualização 2507 do Qwen3-235B e 1 milhão de tokens alegados na versão hospedada do Qwen3.5-Plus, e misturar esses números leva a diferenças reais de truncamento e de cobrança. Por fim, as mudanças de pessoal e organizacionais citadas não constituem por si só mudança técnica, mas sinalizam que o ritmo de versões e o responsável pela manutenção podem variar, e projetos de longo prazo deveriam incluir no orçamento o "custo de compatibilidade de atualizações entre versões de uma mesma série".
Integração e avaliação
A seguir, análise recomendatória, não fato comprovado. A primeira decisão diz respeito a licença e forma de distribuição: se o relatado se confirmar, tamanhos diferentes de uma mesma família podem estar sob termos personalizados e Apache 2.0, e antes de optar pela auto-hospedagem deve-se verificar individualmente o arquivo de licença do checkpoint-alvo, em vez de julgar pela série como um todo. O gatilho é planejar incorporar o modelo a um produto externo, redistribuir pesos ou usá-lo para treinar modelos derivados; se for apenas experimentação interna, a restrição das diferenças de licença é bem menor. O critério verificável é: para cada checkpoint candidato, confirmar o nome da licença e as cláusulas de uso comercial e redistribuição, registrando a data da verificação. A segunda decisão é a escolha entre denso e MoE: o relato afirma que o Qwen3.5-397B-A17B ativa 17 bilhões de 397 bilhões de parâmetros totais, que o Qwen3.5-35B-A3B tem escala de ativação menor, e que a Qwen alega que este último supera em alguns aspectos o anterior Qwen3-235B-A22B-2507. É preciso selecionar por memória e vazão, não por parâmetros totais: medir no hardware-alvo o consumo real de memória determinado pelos parâmetros ativos, a latência por requisição e a vazão. O gatilho é alta concorrência ou memória limitada, quando modelos esparsos podem ser mais vantajosos; se a tarefa exige estabilidade em raciocínio de cadeia longa, a previsibilidade de um modelo denso pode pesar mais. O critério verificável é comparar latência p95 e custo por mil tokens no mesmo lote de requisições reais, em vez de olhar apenas pontuações de benchmark. A terceira decisão é sobre contexto longo: como coexistem no relato critérios de 32K, 128K, 262K e 1M, antes de habilitar contexto longo deve-se confirmar se é capacidade nativa do modelo ou configuração da versão hospedada. O gatilho é lidar com documentos longos ou trajetórias de agente com múltiplos turnos; o critério verificável é testar acurácia de recuperação e ponto de truncamento próximos ao limite de comprimento desejado.
Limites e pontos a confirmar
O texto original que embasa este artigo é interrompido no trecho sobre o Qwen3.7, e os nomes, licenças e datas de lançamento do modelo de pesos abertos de 2,4 trilhões de parâmetros e dos nós posteriores não estão completos no texto visível, de modo que as afirmações acima sobre esse modelo seguem a linha do relato do MarkTechPost, sem verificação independente. As versões mencionadas nesta reportagem não têm entrada com correspondência exata no catálogo atual do KimiSeek; o KimiSeek lista atualmente os itens Qwen3.8 Max, Qwen3.8 Flash, Qwen3.8 27B, Qwen3.8 2.4T A95B, Qwen3.7 Max, Qwen3.7 Plus, Qwen3.6 Plus e dois modelos de imagem, que não são os mesmos identificadores dos checkpoints específicos de Qwen3.5, Qwen3.6 e Qwen3.7 descritos no relato, e entradas do catálogo não devem ser usadas como evidência de disponibilidade das versões reportadas; a disponibilidade de API mencionada no relato refere-se à oferta do lado do fornecedor. Os números de desempenho e custo da reportagem (como proporção de custo de treinamento, múltiplos de vazão e comparações de benchmark) vêm do fornecedor ou de transcrição secundária, carecem de condições de avaliação reproduzíveis e não devem ser a única base para decisões de compra ou migração. As descrições de licença vêm de transcrição da cronologia e podem divergir dos termos formais dos repositórios de cada modelo, prevalecendo o arquivo de licença original. Preços e cobranças mudam com o tempo, e deve-se consultar a página de preços da plataforma correspondente. Não é possível, com esta fonte, determinar se as mudanças de pessoal e organizacionais afetam a manutenção de longo prazo e o ritmo de versões.