Alibaba 3-avgustda Kimi K3 to'lqinidan so'ng Qwen3.8-Max modelining rasmiy versiyasini taqdim etdi. Ushbu model 2,4 trillion parametrga ega va 1 million token hajmidagi kontekst oynasini qo'llab-quvvatlaydi. U dasturlash va ofis vazifalari sohasida sezilarli darajada yaxshilangan imkoniyatlarni namoyish etadi va jahonning birinchi etaloniga kirib kelmoqda, shu bilan birga model vaznlari bir hafta ichida ochiq bo'lishi kutilmoqda.
Ko'p modalli tizim sifatida Qwen3.8-Max tasvirlar, video fayllar va PDF hujjatlarini qayta ishlashga qodir. Bu funksiyalarga token rejalar orqali, shuningdek, Qianwen Office, Qoder va Qianwen ilovalari orqali kirish beriladi.
Uzoq muddatli agent demonstratsiyasi o'tkazildi, u boshidan oxirigacha mustaqil vazifani bajardi: u jahon miqyosidagi yillik hisobotlarning vizual tilini tadqiq qildi, qayta ishlatiladigan ko'nikmalarni ajratib oldi va HTML formatida uchta xayoliy yillik hisobot holatini yaratdi. Vazifa kamida o'n ta hisobotni tahlil qilishni talab qildi, ular Amerika texnologiya va iste'mol brendlari, Yevropa energiya va sanoat kompaniyalari, Yaponiya yoki skandinav dizayn korxonalari hamda internet, ishlab chiqarish va iste'mol sohalaridagi Xitoy firmalarini qamrab olishi kerak edi. Ushbu hisobotlar tartibiy ma'lumotlarni oshkor qilish va brendning hikoya qilish jihatlarini qamrab olishi kerak edi.
Har bir hisobot asl PDF faylini ochish va muqovani, moliyaviy xulosani, rahbariyat muhokamasini, grafiklar sahifasini va jadvalni o'rganishni talab qildi. Tadqiqot kartochkalari manbalar, tipografiya, to'r, rang sxemasi va qoidalar kabi ma'lumotlarni qayd etdi, shuningdek, haqiqiy matn, raqamlar, grafikalar, logotiplar yoki tasvirlarni nusxalash taqiqlangan edi.
Vazifani bajarayotganda Qwen3.8-Max asosiy agent sifatida harakat qildi, kompaniyalarning yillik hisobotlarini o'rganuvchi oltita parallel kichik agentning ishlashini muvofiqlashtirdi. Kichik agentlarning natijalari ketma-ket ko'rib chiqildi, bu asosiy agentning kontekst oynasining haddan tashqari yuklanishining oldini oldi va katta gorizontda vazifaning yakunlanishini ta'minladi. Ikki tadqiqot to'lqinida o'n ikki ta kompaniya o'rganildi, jumladan Tencent, Xiaomi, Muji, Coca-Cola, Nike, Alibaba, IKEA, Shell, Li-Ning, Unilever, Alphabet va Orsted, ular Xitoy, Amerika, Yevropa va Yaponiya bozorlarini ifodalaydi.
Model olingan ma'lumotlarni qayta ishlatiladigan ko'nikmaga umumlashtirdi, bu to'liq ish jarayonini, tadqiqot kartochkalarini, tipografiya sintaksisini, grafiklar spetsifikatsiyalarini va dizayn tokenlarini o'z ichiga oladi. Tasvirlar hikoya qilish uchun xizmat qilishi kerakligi, CSS va ichki SVGga hamda o'z yaratilgan ma'lumotlar diagrammalariga ustuvorlik berilishi talab qilindi. Shuningdek, faqat litsenziyalangan ochiq materiallardan foydalanish va qonuniy material mavjud bo'lmasa, tasvirlarsiz bo'lishga ruxsat berish sharti belgilandi.
Bu modelni chiqarish Alibaba ning uzoq muddatli agentlar paradigmasiga sodiqligini ta'kidlaydi, bunda modellar ko'p bosqichli mustaqil ish jarayonlarini bajarishga qodir. 1 million kontekst hajmi keng ko'lamli hujjatlarni qayta ishlash imkonini beradi, 2,4 trillion parametr esa murakkab vazifalarni parchalash uchun fikrlash chuqurligini ta'minlaydi. Bir hafta ichida ochiq vaznlarni chiqarish muddati raqobatbardosh bosimni qo'llab-quvvatlaydi va Qwen modellari korxonalar uchun infratuzilma bo'lgan ochiq kodli Xitoy ekotizimini mustahkamlaydi. Qwen3.8-Max Kimi K3 (2,8 trillion), DeepSeek-V4-Flash (304 milliard) va MiniMax H3 kabi Xitoy modellarining umumiy o'sish fonida paydo bo'ldi, ular ko'p modalli kontent yaratishni ochib beradi. Hajm, kontekst, agentlar orkestratsiyasi va tezkor kodni ochish kombinatsiyasi Alibaba ni uzoq muddatli agentlar sohasidagi raqobat markaziga qo'yadi.
AgiBot WITA-Omni Full-Modal modeli DailyOmni benchmarki doirasida 85.21 ball yuqori natija ko‘rsatdi. Shu bilan birga, model sakkizta ko‘rsatkichdan oltitasida ustunlikni namoyish etib, Alibaba Qwen, Google Gemini, ByteDance Doubao va NVIDIA kabi tizimlarni ortda qoldirdi.
Benchmark modelning real sharoitlarda audio va vizual signallarni bir vaqtning o‘zida qayta ishlash qobiliyatini baholaydi. Sinovdan o‘tkazilgan parametrlar orasida audio-vizual ma'lumotlarning uyg'unligi (86.13), voqealar haqida vaqtinchalik fikrlash (84.64), murakkab kross-modal fikrlash (85.06) hamda 30 va 60 soniyalik videolarni tushunish vazifalaridagi yuqori natijalar mavjud edi.
Universal multimodal modellar aksincha, raqamli kontent bilan o‘zaro aloqaga moslashtirilgan bo‘lsa, WITA-Omni dastlab jismoniy o‘zaro ta’sir uchun ishlab chiqilgan. Bu shuni anglatadiki, ushbu modeldan foydalanadigan robotlar real vaqt rejimida jismoniy muhitda tushunishi, reaksiyalari va harakat qilishi kerak.
Innovatsiya Thinker-Talker-Actor paradigmasida yotadi, u an'anaviy ketma-ket quvurni almashtiradi. Robotlar o‘zaro aloqaning standart jarayonlari nutqni tanish, semantik tushunish, javob yaratish, nutqni sintezlash va harakatni chiqarishni alohida, ketma-ket bosqichlar sifatida bajaradi, bu esa kechikishlarning to‘planishiga olib keladi. WITA-Omni esa ko‘pmodal fikrlash yadrosi Thinker, nutqni uzluksiz yaratish Talker va Actor harakat va ifodasi modullarini bitta vaqt chizig‘ida parallel ravishda ishga tushiradi.
Actor moduli faqat Thinkerning semantik holatini emas, balki Talkerdan keladigan audio latent o‘zgaruvchilarni ham qabul qiladi. Bu qo‘l harakatlari va mimikaning nutq ritmi, pauzalar, aksentlar va hissiy ohang bilan sinxronlashishiga imkon beradi, robot nima aytayotgani va qanday harakat qilayotgani o‘rtasidagi nomuvofiqlikni yo‘q qiladi. Arxitektura oldin suhbatdosh sun'iy intellekt uchun yaratilgan Thinker-Talker paradigmasini kengaytirib, Actor modulini nutq bilan birga to‘liq chiqish kanali sifatida qo‘shadi.
Thinker maxsus kodlovchilar va yengil proyeksion qatlamlar orqali matn, tasvir, audio va video kirishlarini birlashgan ifodalash fazosiga birlashtiradi, bu esa o‘zaro aloqa va kross-modal fikrlash to‘g‘risida qaror qabul qilish uchun xizmat qiladi. Talker Thinkerning yashirin holatlariga bog‘liq tabiiy nutqni yaratadi. Actor Thinkerning semantik holati va Talkerning audio xususiyatlaridan foydalanib, harakatlar boshlig‘i va ifoda boshlig‘ini boshqaradi. Oqimlar o‘rtasidagi sinxronizatsiya mexanizmi robot harakatlari nutq tezligidagi o‘zgarishlarga, ifoda o‘zgarishlariga javob berishini va jismoniy harakatlar verbal muloqot bilan vaqtinchalik uyg‘unligini saqlab turishini ta’minlaydi.
Bu natija AgiBot world model Genie Envisioner-Sim 2.0 ning WorldArena da avval birinchi o‘rinni egallagan yutuqidan keyin keldi. Ushbu ikkita yutuq sun'iy intellekt imkoniyatlarining uchburchak tuzilishini hosil qiladi: WITA-Omni o‘zaro aloqa uchun, world model jismoniy dunyoni tushunish uchun va robot apparati unda harakat qilish uchun. Reytingdagi g‘alaba, jismoniy sun'iy intellekt bilan shug‘ullanuvchi kompaniyalar universal modellarni moslashtirish o‘rniga, real dunyo cheklovlariga optimallashtirilgan holda ustun umumiy imkoniyatlarga erishishi mumkinligini tasdiqlaydi.
Robotlar nazorat qilinadigan zavod muhitlaridan noaniq ijtimoiy maydonlarga o‘tish paytida, ko‘p sensorli oqimlarni sinxron qayta ishlash va muvofiqli verbal va jismoniy harakatlar bilan reaksiyalar berish qobiliyati asosiy farq bo‘lib qoladi. AgiBot sinxron ko‘pmodal o‘zaro aloqani jismoniy AI sanoatidagi yangi raqobatbardosh o‘lchov sifatida belgilaydi, bu umumiy AI sohasidagi model sifati bo‘yicha raqobatdan ajralib turadi.
Uchta yirik xitoy texnologiya giganti – Alibaba, Tencent va ByteDance bir vaqtning o'zida bitta strategik maqsadga e'tibor qaratishdi: stoldagi ofis AI-agentiga. Analysys tahlil firmasi tomonidan 2026 yilning ikkinchi chorag'ini qamrab olgan va 17 ta asosiy stoldagi AI-agentini o'rganuvchi hisobotga ko'ra, 2026 yil iyun oyidagi umumiy tashriflar soni 60,62 millionni tashkil etdi. Shu bilan birga, uchta yetakchi – Alibaba, Tencent va ByteDance jami 56,22 million tashrifni ta'minladi, qolgan 4,4 million esa boshqa barcha raqobatchilarga tegishli bo'ldi.
Bu ma'lumotlar platformalar iqtisodiyoti ofis AI-agentlariga ham qo'llanilishini tasdiqlaydi, bu brauzerlar va qidiruv tizimlari bilan bir xildir: foydalanuvchilar bitta asosiy stoldagi agentni o'rnatishga moyil, bu tabiiy oligopolistik dinamikani hosil qiladi.
2026 yil iyul oyida uchta kompaniya ham o'zlarining AI-agentlari portfelini qayta tuzdi. Alibaba mavjud uchta mahsulotni – QoderWork (lokal stoldagi operatsiyalar uchun), Wukong (korporativ xavfsizlik va ruxsatnomalar uchun) va MuleRun (murakkab ish jarayonlari shablonlari uchun) – Qianwen Office deb nomlangan dastlabki nom ostida yagona mahsulotga birlashtirdi. Ushbu loyihaga yangi DingTalk bosh ijrochi Chen Yusen (1992 yilda tug'ilgan texnik asoschi bo'lib, uning Chaitin Technology startapi Alibaba Cloud tomonidan sotib olingan) rahbarlik qilmoqda.
Tencent esa QClaw mahsulot markazi jamoasini 6-sonli bulutli mahsulotlar bo'limiga ko'chirdi va uni WorkBuddy bilan yagona boshqaruv ostida integratsiya qildi. ByteDance esa Doubao'ni o'zining flagman ofis agenti brendi sifatida o'zgartirdi.
Xitoy AI-agentlari bozori 2025 yilda 80,4 milliard yuan dan 2030 yilgacha 696,8 milliardgacha o'sishi prognoz qilinmoqda. Eng konversiya qilinadigan segment bitta xodimga ega kompaniyalar bo'lib, ular yordamchi, buxgalter yoki dizayner rolida AI yordamiga muhtoj. Foydalanuvchilarning deyarli 60% to'lashga tayyor, chunki ofis samaradorligining oshishi investitsiyalarning bevosita qaytarilishini ta'minlaydi: tejangan vaqt daromadga aylanishi mumkin.
Chen Yusen rahbariyat ostidagi Alibaba strategiyasi uch bosqichlarni integratsiya qilishga qaratilgan: QoderWork stoldagi ishni tabiiy til bilan boshqarish uchun interfeys darajasi sifatida xizmat qiladi, Wukong korporativ xavfsizlik chegaralari doirasida ishlaydigan ruxsat berish darajasi sifatida, va MuleRun ko'p marta ishlatiladigan ish jarayonlari shablonlari uchun ijro etish darajasi sifatida. Bu yondashuv Anthropic metodologiyasiga o'xshaydi, bunda Claude Chat, Claude Code va Claude Cowork bitta asosiy modeldan yagona interfeys orqali foydalanadi. Yagona mahsulotning maqsadi – foydalanuvchilardagi chalkashlikni bartaraf etish, bu avval mijozlarni Alibaba ning uchta mos kelmaydigan mahsuloti orasidan tanlashga majbur qilgan edi.
Tencentning afzalligi WeChat va bulutli xizmatlar ekotizimlariga chuqur integratsiyasida namoyon bo'ladi. WorkBuddy allaqachon Tencent Docs, WeCom va Tencent Meeting bilan yaqin aloqani qo'llab-quvvatlaydi, Xitoyda ustunlik qilayotgan WeChat biznes kommunikatsiyalari ekotizimiga chuqur singdirilgan korporativ ish jarayonini taklif qiladi. ByteDance Doubao tavsiya algoritm va kontent yaratish bo'yicha kompaniyaning tajribasidan foydalanadi. Bu uch tomonlama raqobat qaysi kompaniya foydalanuvchi niyatidan ish yakunlanishigacha eng to'liq korporativ tajribani taklif qila olishi bilan belgilanadi. Ushbu kurash natijasi, ehtimol, keyingi o'n yillik Xitoydagi korporativ dasturiy ta'minot yo'nalishini belgilab beradi, chunki stoldagi agent bilimli ishchilarning raqamli vositalar bilan o'zaro aloqasi uchun asosiy interfeysga aylanadi va an'anaviy ofis paketlari modelini AIga yo'naltirilgan ish jarayoni paradigmasi bilan almashtiradi.
