Newsy
Co słychać w robotyce i AI — wybór redakcji wujec.ai.
Nowy model animacji Alibaby powstał z myślą o wideo na żywo — i akurat wersji do żywego jako jedynej nie wydano
Alibaba opublikowała Wan2.2-Animate-2-14B 7 sierpnia 2026 na licencji Apache 2.0: wagi, kod uruchomieniowy, a dzień później publikację naukową. Model animuje nieruchomą postać na podstawie nagrania wzorcowego z grającym człowiekiem, a inżyniersko jest to prawdziwa przebudowa, nie odświeżenie. Pierwsza generacja wyodrębniała z nagrania szkielet pozy i dopiero jego podawała generatorowi; publikacja samego zespołu nazywa wady tego rozwiązania wprost — błędy wyodrębniania wędrują do wyniku, a tożsamość postaci rozjeżdża się w miarę trwania ujęcia. Animate-2 usuwa ten etap i podaje nagranie wzorcowe wprost do przebudowanego transformatora dyfuzyjnego. Sama publikacja stawia jednak sprawę nie na wierności, lecz na czasie. Zaczyna od stwierdzenia, że wszystkie istniejące systemy tego rodzaju działają poza czasem rzeczywistym i nie nadają się do zastosowań interaktywnych, takich jak cyfrowe awatary czy prowadzący transmisje na żywo. Odpowiedzią ma być Wan-Animate-2-Lite, wariant uczony trzystopniowo — wstępnie z wymuszaniem nauczyciela i buforem błędu, potem destylacją Self-Forcing z propagacją wsteczną po blokach — po to, by zejść z opóźnieniem do progu pracy na żywo. Na tej obietnicy kończy się streszczenie. Wariantu Lite w repozytorium nie ma. Są dwa pliki wag identycznej wielkości, po 32,8 GB: wersja podstawowa, wykonująca 40 kroków odszumiania ze wsparciem klasyfikatora, i destylowana, dochodząca do obrazu w 10 krokach bez tego wsparcia. Destylacja czyni model działający poza czasem rzeczywistym mniej więcej czterokrotnie tańszym w próbkowaniu; nie jest architekturą strumieniową opisaną w publikacji. Brak nie wygląda też na kolejkę: lista zapowiedzianych prac na karcie modelu ma odhaczone wszystkie pozycje — kod, wagi, integracje z Diffusers, DiffSynth-Studio i ComfyUI — a Lite nie figuruje na niej wcale. W tę samą stronę wskazuje drobiazg. W bloku cytowania na dole karty stoi wciąż niewypełnione miejsce w numerze publikacji, choć poprawny numer widnieje w plakietce na górze tego samego pliku. To wydanie przygotowano szybko. Czytelnik może za to wyciągnąć wniosek z rzeczy zwyczajnej. Liczniki pobrań pokazują, że popyt idzie za szybkością, nie za jakością: w przeróbkach do formatu Diffusers, opublikowanych dzień przed premierą, wersja destylowana pobierana jest mniej więcej trzy razy częściej niż pełnej jakości. Pierwsza generacja Animate jest tymczasem wciąż pobierana o rząd wielkości częściej niż obie te wersje — co zwykle się zdarza w pierwszym miesiącu modelu, który zmienia sposób sterowania. Repozytorium podstawowe wykazuje zero pobrań przy 185 zakładkach, ale ten licznik pokazuje zero dla repozytoriów wydających surowe pliki wag zamiast standardowej konfiguracji, więc mówi raczej o sposobie pobierania niż o zainteresowaniu.
Wan2.2-Animate-2-14B →Każda karta modelu Wan 2.2 odsyła czytelnika do pliku licencji, którego w repozytorium nie ma
Modele wideo Wan 2.2 Alibaby kończą swoje karty tym samym akapitem: wagi są na licencji Apache 2.0, firma nie rości sobie praw do tego, co użytkownik wygeneruje, a po „pełną listę ograniczeń i szczegóły dotyczące przysługujących praw" należy sięgnąć do pełnego tekstu licencji — przy czym słowo „licencja" prowadzi do pliku LICENSE.txt w repozytorium. Tego pliku tam nie ma. Sprawdziliśmy 2 września 2026 roku wszystkie cztery repozytoria z wagami Wan 2.2: T2V-A14B, I2V-A14B, S2V-14B i Animate-14B zwracają dla LICENSE.txt błąd 404. Dwa sprawdzone repozytoria Wan 2.1, T2V-14B i T2V-1.3B, plik zawierają, z pełnym standardowym tekstem Apache 2.0. Praktyczny skutek jest mniejszy, niż to brzmi, ale nie jest żaden. W mocy pozostają dwie niezależne deklaracje Apache 2.0: znacznik licencji w metadanych repozytorium na Hugging Face, czyli to, co wyświetla sam serwis i co czytają automatyczne skanery licencji, oraz plik licencji w odpowiadającym mu repozytorium kodu Alibaby na GitHubie. Kto buduje produkt na tych wagach, licencję ma. Nie ma natomiast dokumentu, do którego karta modelu każe mu zajrzeć — tego, który według niej zawiera komplet ograniczeń. Wagi tej sprawie dodaje moment. Wan 2.2 to ostatnia generacja linii wideo Alibaby, której wagi w ogóle opublikowano; wszystko późniejsze — 2.5, 2.6, 2.7 i Wan3.0 — działa wyłącznie przez API. Te cztery repozytoria nie są więc archiwum. To pliki, które dziś pobiera każdy, kto chce Wana uruchamianego na własnym sprzęcie, a jedno z nich, Animate-14B, jest najczęściej zakładkowanym modelem wideo w historii tej firmy.
Wan2.2-Animate-14B →Pobierany flagowiec Alibaby to nie ten sam model, który firma wynajmuje — karta modelu wymienia cztery braki
Qwen3.8-Max, model o 2,446 biliona parametrów, którego wagi Alibaba opublikowała 8 sierpnia, jest pierwszym modelem klasy Max wydanym przez tę firmę do pobrania. Prawie żadne omówienie nie wspomina jednak, że plik do pobrania i model wołany przez API to nie ten sam produkt — a różnicę opisuje sama Alibaba, w nocie u góry karty modelu. Nota mówi, że wersja z API jest „oparta na" opublikowanym punkcie kontrolnym i ma „więcej funkcji, takich jak wejście obrazu i tryb bez rozumowania, milion tokenów kontekstu domyślnie, oficjalne narzędzia wbudowane". Czytana jako lista braków pobieranej wersji, daje cztery pozycje: - **Brak obrazu.** Repozytorium zawiera architekturę wyłącznie tekstową (`qwen3_5_moe_text`, znacznik `text-generation`). Hostowany Qwen3.8-Max przyjmuje zdjęcia i wideo; pobierany nie. - **Nie da się wyłączyć rozumowania.** Otwarty punkt kontrolny zawsze rozumuje przed odpowiedzią — głębokość reguluje `reasoning_effort`, ale tryb bez rozumowania istnieje tylko w API. - **262 144 tokenów, nie milion.** Karta podaje to wprost: 262 144 natywnie, z możliwością rozszerzenia do 1 010 000. Wersja hostowana ma milion domyślnie; kto uruchamia model u siebie, musi okno rozciągnąć sam i przyjąć konsekwencje dla jakości. - **Brak narzędzi wbudowanych.** Wyszukiwanie w sieci, uruchamianie kodu i reszta hostowanego zestawu należą do usługi, nie do wag. Nic z tego nie jest ukrywane — to jeden akapit we własnej karcie Alibaby, i właśnie dlatego warto go powtórzyć: krążące wyniki Qwen3.8-Max (Terminal-Bench 2.1 86,6, SWE-bench Pro 67,7, DeepSWE 1.1 56,6) zmierzono na konfiguracji hostowanej, a wdrożenie u siebie startuje z węższej. Karta rozstrzyga też, czym ten model jest architektonicznie — materiały premierowe mówiły o tym ogólnikami. To hybryda: 92 warstwy ułożone jako 23 powtórzenia trzech bloków Gated DeltaNet i jednego bloku uwagi bramkowanej, więc pełnej uwagi używa tylko co czwarta warstwa, a pozostałe korzystają z uwagi liniowej. W mieszance ekspertów jest ich 512, z czego na token uruchamia się 10 wybieranych i 1 wspólny. To ten układ sprawia, że 2,4 biliona parametrów kosztuje przy pracy 95 miliardów na token — i Qwen zastosował go po raz pierwszy w modelu flagowym. Nasz profil modelu ma już wpisane natywne okno kontekstu, architekturę hybrydową i wyraźną adnotację, że opublikowane wagi są wyłącznie tekstowe.
Qwen3.8-Max →Trzy miliardy pobrań Qwena obiegły świat — a raport, z którego pochodzą, mówi, że modele-giganty to 1% ruchu
Hugging Face opublikował 14 sierpnia 2026 swój półroczny przegląd modeli o otwartych wagach, a nazajutrz jedna liczba z niego obiegła świat: rodzina Qwen od Alibaby przekroczyła trzy miliardy pobrań, wyprzedzając Google i Metę razem wzięte. Ta liczba to własne, skumulowane wyliczenie Alibaby ze wszystkich platform. Pomiar samego raportu jest węższy i bardziej użyteczny: na samym Hugging Face repozytoria Qwena pobrano w 2026 roku 2045 mln razy, wobec 418 mln u Google i 227 mln u Mety. Qwen odpowiada dziś za ponad połowę wszystkich pobrań modeli otwartych w serwisie, a na jego bazie powstało 151 448 modeli pochodnych — od 180 do 210 nowych dziennie, przy 82 506 u Google i 32 155 u Llamy. Ustalenie, które nie przebiło się nigdzie, leży kilka wykresów dalej i podważa sposób, w jaki zwykle opisuje się ten wyścig. Modele poniżej miliarda parametrów odpowiadają za 83% wszystkich pobrań w historii serwisu. Modele powyżej 100 mld parametrów — czyli czołówka, ta od premier i tabel z wynikami testów — odpowiadają za 1%. Jeśli policzyć sam 2026 rok, wszystko powyżej 70 mld parametrów to wciąż tylko 3% ruchu. Rozkład jest bezlitosny także w drugą stronę: 85,6% modeli w serwisie ma w całym swoim życiu mniej niż 200 pobrań, a 1,5% zbiera 99,2% ruchu. Ta sama nierównowaga widać w tym, co ludzie faktycznie uruchamiają u siebie. W formacie GGUF, czyli skwantyzowanych plikach do lokalnego uruchamiania na zwykłym sprzęcie, Qwen pobierany jest 39,6 mln razy miesięcznie, Gemma od Google 20,8 mln, a Llama 7,5 mln — i to mimo że repozytoriów GGUF Llama ma opublikowanych więcej niż Qwen. Raport odczytuje to jako różnicę strategii, a nie wyrok o jakości: Qwen wydaje modele w każdej klasie wielkości, od takich poniżej miliarda parametrów, które chodzą na laptopie, po czołówkę — a laboratorium publikujące wyłącznie duże modele zbiera ułamek ruchu. Moonshot, którego otwarty dorobek to same modele czołowe, zanotował 37 mln pobrań, czyli 55 razy mniej niż Qwen. Dwa dalsze ustalenia warto odnotować każdemu, kto śledzi, kto co publikuje. Po pierwsze licencje: wśród chińskich wydań powyżej 20 mld parametrów 59% ma licencję Apache 2.0, a 22% MIT, i żadne nie ma zastrzeżenia niekomercyjnego — to tło dla rozdwojenia licencyjnego, które opisywaliśmy wczoraj przy Qwen3.8, gdzie mały model dostał Apache 2.0, a duży już nie. Po drugie autorstwo w najwyższej klasie: raport zauważa, że większość amerykańskich wydań powyżej 100 mld parametrów to pochodne chińskich modeli bazowych, a największą liczbę nowych repozytoriów publikują dziś producenci sprzętu — AMD i NVIDIA, po ponad 200 nowych repozytoriów każde — udostępniając warstwy optymalizacji i konwersji, a nie własne modele. Sam serwis urósł w tym czasie z 2,43 mln do 2,96 mln modeli.
Qwen 3 →Alibaba otwiera oba końce Qwen3.8 — ale tylko mały model dostaje Apache 2.0
Alibaba opublikowała już wagi obu połówek generacji Qwen3.8 — i dołączone do nich licencje to nie ten sam dokument. Qwen3.8-27B, wydany 14 sierpnia, to gęsty model wizyjno-językowy o 27,78 miliarda parametrów na zwykłej licencji Apache 2.0: bez progów, bez warunków, bez osobnej umowy na użytek komercyjny. Przyjmuje tekst, obrazy i wideo, ma natywne okno 262 144 tokenów, które według Alibaby rozciąga się do miliona, i działa na Transformers, vLLM, SGLang oraz TokenSpeed. Własna tabela producenta daje mu 61,7 na SWE-bench Pro wobec 57,6 dla zamkniętego Qwen3.7-Plus i 42,2 na DeepSWE 1.1 wobec 13,3 dla poprzedniej generacji 27B — to liczby producenta, nikt ich niezależnie nie powtórzył. Flagowiec wyszedł na innych warunkach. Qwen3.8-Max, 2,446 biliona parametrów, jest na Hugging Face jako Qwen3.8-2.4T-A95B w wersjach bf16 i FP8, ale na autorskiej „Licencji Qwen3.8-Max". Jej treść dla większości czytelników brzmi jak licencja swobodna: wolno używać, modyfikować, hostować, douczać i odsprzedawać. Zmieniają to dwa zapisy, ale dopiero przy dużej skali. Produkt mający ponad 100 milionów użytkowników miesięcznie albo 20 milionów dolarów przychodu miesięcznie musi wyraźnie pokazywać nazwę modelu w swoim interfejsie. A każda firma prowadząca działalność typu model jako usługa albo asystenta do kodowania i pracy biurowej, której przychód przekroczy 50 milionów dolarów w ciągu dwunastu miesięcy, musi przed użyciem komercyjnym uzyskać od Qwena osobną licencję — z wyłączeniem zastosowań wewnętrznych. W praktyce to licencja wycelowana w garstkę konkretnych konkurentów, zostawiająca wszystkich poniżej tych progów całkowicie wolnymi. Warto ten wzorzec obserwować: „otwarte wagi" po cichu stają się skalą odcieni, a różnica między dwoma plikami Qwen3.8 nie tkwi w kodzie, tylko w akapicie, który do niego dołączono. Oba modele są już w katalogu, a warunki licencji wypisaliśmy w całości w tabelach specyfikacji.
Qwen3.8-27B →Alibaba wypuszcza Qwen3.8-Max — flagowy model o 2,4 biliona parametrów
Alibaba udostępniła 3 sierpnia 2026 model Qwen3.8-Max — największy, jaki dotąd powstał w rodzinie Qwen. To rzadka architektura mixture-of-experts: 2,4 biliona parametrów łącznie, z czego na token aktywowanych jest około 95 miliardów, przy oknie kontekstu sięgającym miliona tokenów. Model jest dostępny globalnie przez API Alibaba Cloud Model Studio oraz w QwenWork, firmowej platformie agentów do pracy biurowej. Alibaba zapowiedziała publiczne udostępnienie pełnych wag modelu, a obok nich mniejszy wariant Qwen3.8-27B, przeznaczony na wdrożenia o ograniczonych zasobach sprzętowych. W rankingu Arena.AI Qwen3.8-Max został najwyżej ocenianym chińskim modelem w zadaniach tekstowych i zajął drugie miejsce na świecie w zadaniach wizyjnych, co stawia go w jednej klasie z czołowymi systemami OpenAI i Anthropic. Po ogłoszeniu akcje Alibaby wyraźnie zwyżkowały w Hongkongu.
Qwen3.8-Max →