HiRO-ACEv2 vs Qwen 3.8: Apa Sebenarnya yang Ditunjukkan oleh Dua Rilis yang Berjarak Empat Hari?

Dua hal muncul di bulan yang sama dan keduanya hampir tidak memiliki hubungan satu sama lain, dan justru itulah sebabnya pemasangan ini layak dibahas dalam satu halaman. Qwen3.8-Max, model penalaran multimodal andalan Alibaba, telah aktif sejak 3 Agustus 2026 dengan harga $2,00 per juta token masukan dan $6,00 per juta token keluaran dengan konteks satu juta token; saudara-saudaranya berbobot terbuka Qwen3.8-27B dan Qwen3.8-Flash menyusul pada 13 dan 26 Agustus, dengan harga dan tolok ukur yang dipublikasikan. HiRO-ACEv2 adalah emulator iklim generasi kedua dari Ai2, dan hadir pada 12 Oktober 2026 sebagai repositori Hugging Face berukuran 10,9 GB tanpa pengumuman, tanpa tabel tolok ukur, tanpa endpoint, dan pada saat penulisan ini, tanpa satu pun unduhan. Siapa pun yang membandingkan keduanya berdasarkan kualitas sedang membandingkan produk yang sudah dirilis dengan artefak riset dan akan mendapatkan jawaban yang tidak bermakna. Membandingkan keduanya berdasarkan cara keduanya dirilis sungguh bermanfaat — keduanya mewakili dua kutub berlawanan dari setiap pilihan yang dibuat sebuah lab tentang mempublikasikan sesuatu kepada publik.

Jawaban singkatnya

Jika Anda ingin memanggil sebuah model hari ini, Qwen 3.8 adalah salah satu hal terkuat yang dapat Anda arahkan dengan kunci API, pada empat tingkat harga yang berbeda, dan HiRO-ACEv2 tidak dapat dipanggil dengan cara apa pun. Jika Anda ingin menjalankan emulator iklim 3 km di perangkat keras Anda sendiri, yang berlaku adalah kebalikannya dan Qwen 3.8 sama sekali bukan peserta.

Berapa banyak dari setiap rilis yang sudah selesai?

Di sinilah empat hari di antara kedua tanggal itu tidak lagi menjadi soal dan perbedaan dalam disiplin perilisan mulai menjadi soal.

• Qwen 3.8 — generasi dengan spesifikasi lengkap. Qwen3.8-Max telah melayani sejak 3 Agustus di tiga format komunikasi (kompatibel OpenAI, kompatibel Anthropic, dan DashScope native) di lima wilayah, dengan thinking yang diaktifkan melalui parameter. Qwen3.8-27B adalah model multimodal dense 27B di bawah Apache 2.0, konteks 262.144 token, masukan teks, gambar, dan video. Qwen3.8-Flash adalah tier bervolume tinggi dengan $0,15 per juta input dan $0,47 output. Entri keempat, "Qwen3.8" tanpa embel-embel, terdaftar sebagai andalan open-weight 2,4 triliun parameter yang akan segera hadir dan belum tersedia di mana pun — satu-satunya anggota keluarga yang tidak dapat Anda gunakan.

• HiRO-ACEv2 — sebuah repositori dan sebuah makalah. File-file itu nyata: HiROv2.ckpt sekitar 1,28 GiB, ACE2S-X-SHIELD.ckpt sekitar 2,98 GiB, data forcing NetCDF selama sepuluh tahun, dua file kondisi awal, tiga konfigurasi YAML, dan sebuah skrip eksekusi. Resepnya terdokumentasi — pasang paket fme dari Ai2, edit empat jalur, jalankan skrip itu. Yang tidak ada adalah endpoint, harga, tabel benchmark, kuantisasi, runtime alternatif, atau pihak ketiga mana pun yang telah menjalankannya.

Apakah tolok ukur tersebut berarti hal yang sama di kedua sisi?

Tidak, dan asimetri adalah bagian yang paling instruktif dari perbandingan ini.

Qwen menerbitkan angka untuk Qwen3.8-27B: 90,3 pada LiveCodeBench v6, 89,2 pada GPQA Diamond, 84,3 pada OSWorld-Verified, dan 79,0 pada QwenSWEBench. Itu adalah angka vendor dan tidak direproduksi oleh para pesaing Alibaba dalam arti yang penting, tetapi ada pengukuran independen di sampingnya — Artificial Analysis menempatkan model yang sama pada Intelligence Index 33,7 dan indeks pengodean 68,1 — dan setiap baris itu dapat dibantah oleh pihak ketiga dengan perangkat benchmark dan waktu satu sore.

Kartu HiRO-ACEv2 tidak memiliki tabel semacam itu. Kartu itu mengklaim downscaler mereproduksi distribusi curah hujan referensi, angin 10 meter, dan tekanan permukaan laut hingga persentil ke-99,9999, dan makalah di baliknya mengklaim biaya inferensi lebih dari 300 kali lebih rendah daripada model numerik global penyelesaian badai konvensional. Keduanya merupakan klaim para penulis sendiri. Keduanya memerlukan simulasi referensi dan analisis distribusi di ekor ekstrem untuk diperiksa. Distribusi dan skor papan peringkat bukan jenis bukti yang sama, dan halaman yang mencetaknya berdampingan dalam satu tabel akan mengajarkan sesuatu yang keliru kepada pembaca.

Yang mana yang benar-benar bisa kamu jalankan sore ini?

Qwen 3.8, jauh lebih unggul, dan alasannya bukan kualitas — melainkan karena salah satu dari ini dibangun untuk dilayani dan yang lainnya tidak.

Qwen3.8-27B bersifat open-weight di bawah Apache 2.0, sehingga dapat di-self-host dari repositori milik vendor itu sendiri, dan juga disediakan secara komersial melalui beberapa platform dengan tarif yang dipublikasikan. Khususnya di OrcaRouter, model yang kami sediakan adalah model yang ada di katalog kami, bukan seluruh keluarganya: qwen/qwen3.8-27b dengan $0.33 per juta token input dan $2.40 per juta output pada konteks 262,144 posisi, qwen/qwen3.8-flash dengan $0.15 dan $0.47, serta qwen/qwen3.8-max dengan snapshot bertanggalnya seharga $2.00 dan $6.00 untuk konteks satu juta token. Harga daftar dari penyedia diteruskan tanpa tambahan apa pun, sehingga perubahan harga vendor langsung berlaku di sisi kami pada hari yang sama, bukan pada perpanjangan kontrak berikutnya, dan failover antar penyedia berjalan otomatis ketika salah satunya sedang bermasalah.

HiRO-ACEv2 tidak memiliki padanan, dan pernyataan jujurnya adalah bahwa ia tidak akan pernah ada dalam bentuk ini. Ini adalah downscaler difusi yang dibundel dengan emulator iklim kasar; tidak ada permintaan untuk diukur dan tidak ada token untuk ditagih. Menyebutnya "tersedia" berarti tautan unduhan dan GPU.

Apa yang terjadi pada masing-masing selanjutnya?

Di sisi Qwen, ada peristiwa berikutnya yang jelas: model unggulan open-weight dengan 2,4 triliun parameter yang saat ini terdaftar sebagai segera hadir. Saat dirilis, model itu akan hadir dengan benchmark yang dipublikasikan, harga yang dipublikasikan, dan ketersediaan hosted, karena memang begitulah cara keluarga model ini dirilis.

Sisi HiRO-ACEv2 tidak memiliki acara berikutnya yang terjadwal dan mungkin tidak akan pernah memilikinya. Ai2 merilis HiRO-ACE pertama pada Januari 2026, dan generasi kedua ini sejauh ini keluar dengan cara yang sama — secara senyap, dengan makalah yang menjadi penjelasnya. Kemungkinan besar arahnya adalah pengumuman yang tidak mengubah apa pun tentang artefak, atau tidak ada pengumuman sama sekali.

Jadi pembacaan praktis dari perbandingan ini sempit dan jelas. Qwen 3.8 adalah yang berada di jalur kritis untuk apa pun yang kemungkinan sedang dibangun pembaca, pada salah satu dari empat tingkat harga tergantung pada seberapa banyak penalaran yang Anda butuhkan per token. HiRO-ACEv2 adalah unduhan spesialis untuk masalah spesialis, dan fakta bahwa ia dirilis pada bulan yang sama dengan rilis frontier besar hanyalah kebetulan kalender, bukan persaingan.

Dua hal yang perlu diperiksa sebelum Anda memberikan penawaran untuk salah satunya.

Di sisi Qwen, periksa tingkatannya. 27B dan flagship 2.4T hanya berbagi nama keluarga dan tidak ada kesamaan lain — yang satu adalah model Apache-2.0 yang dapat diunduh yang berjalan pada satu node, sedangkan yang lain adalah rilis berparameter satu triliun yang belum diluncurkan. Angka dari yang satu tidak menggambarkan yang lain, dan harga yang dipublikasikan keluarga ini mencakup rentang lebih dari faktor tiga belas antara input Flash dan output Max.

Di sisi Ai2, periksa apa yang Anda kutip. Kartu model HiRO-ACEv2 sengaja dibuat minim, dan makalahnya adalah tempat semua angka berada; makalah itu adalah prapublikasi yang diposting pada 13 Oktober 2026, satu hari setelah bobotnya, dan angka-angkanya telah tersedia untuk publik dalam waktu yang lebih singkat daripada sebagian besar siklus rilis perangkat lunak. Tidak ada dari semua itu yang membuatnya salah. Namun hal itu memang membuatnya bersifat sementara, sedangkan tabel benchmark yang memiliki pengukuran independen di sisinya tidak — dan mengatakan hal itu lebih berguna daripada mengarang papan skor untuk mengisi celah itu.

Perbandingan seperti ini juga menjadi tempat munculnya mode kegagalan: insiden AI yang terdokumentasi dan kegagalan agen di balik model di kelas ini dikumpulkan di OrcaRouter AI Incident Archive, di mana setiap entri membawa sumbernya sendiri, tingkat keparahan, nilai keyakinan, dan penanda disengketakan.