Qwen3.8-LiveTranslate vs Qwen 3.8: Tabrakan Penamaan, Bukan Pertarungan yang Adil

Cari salah satu dari model ini dan Anda akan diperlihatkan model lainnya. Qwen3.8-LiveTranslate, dirilis 19 September 2026, dan Qwen3.8-Max — model yang paling banyak dimaksud orang ketika mereka menulis "Qwen 3.8" tanpa sufiks, tersedia secara umum sejak 3 Agustus 2026 dan diperbarui sebagai Qwen3.8-Max-0902 pada 2 September — berbagi prefiks generasi dan hampir tidak ada kesamaan lainnya. Yang satu adalah sistem interpretasi simultan yang menerima masukan audio dan mengembalikan audio serta teks terjemahan, ditagih melalui WebSocket dengan ID qwen3.8-livetranslate-flash-realtime. Yang lainnya adalah generalis campuran-ahli (mixture-of-experts) sparse dengan 2,4 triliun parameter dan jendela konteks 1 juta token yang sama sekali tidak dapat mendengar apa pun. Mengadu keduanya secara langsung adalah kesalahan kategori, dan fakta bahwa begitu banyak orang sampai pada kesalahan itu adalah inti cerita di sini: vendor sekarang merilis setidaknya empat hal berbeda dengan nama Qwen 3.8, dan skema penamaan tidak memberi tahu Anda mana yang Anda inginkan.

Apa sebenarnya masing-masing itu

Generasi Qwen 3.8 dirilis dalam beberapa lapisan sepanjang paruh kedua tahun 2026, dan lapisan-lapisan tersebut tidak dapat dipertukarkan.

Qwen3.8-Max adalah andalan yang dihosting: model MoE sparse dengan total sekitar 2,4 triliun parameter dan sekitar 95 miliar aktif per forward pass, konteks 1 juta token, serta input teks, gambar, dan video dengan output hanya teks. Harganya $2,00 per juta token input dan $6,00 per juta token output, dengan pembacaan cache sebesar $0,250 per juta. Skor yang dilaporkan vendor menempatkannya pada 86,6 di Terminal-Bench 2.1, 92,6 di GPQA Diamond, 67,7 di SWE-bench Pro, dan 43,6 di Humanity's Last Exam.

Qwen3.8-2.4T-A95B adalah rilis open-weight dari generasi yang sama, diterbitkan pada 12 Agustus 2026: 512 pakar yang dirutekan di 92 lapisan, 69 lapisan di antaranya menggunakan perhatian linear, dan sekitar 4,89 TB bobot. Ini adalah model yang dimaksud sebagian besar orang dengan "Qwen 3.8" ketika mereka berbicara tentang menjalankan sesuatu sendiri alih-alih memanggil API.

Qwen3.8-27B adalah checkpoint terbuka kecil dalam keluarga yang sama, dan Qwen3.8-LiveTranslate adalah spesialis — penerjemah arsitektur Interleave yang dibangun di atas desain Hybrid MoE Thinker–Talker, dengan 60 bahasa sumber yang dikenali dan 29 tersedia untuk output lisan.

Sumbu yang memisahkan mereka bukanlah ukuran. Melainkan modalitas. Qwen3.8-Max tidak memiliki jalur masukan audio dan sama sekali tidak memiliki keluaran audio. Memintanya untuk menafsirkan percakapan langsung bukanlah soal memberikan prompt yang lebih baik; kemampuan itu tidak ada dalam model tersebut.

Kontras spesifikasi

Jika diletakkan berdampingan, kedua model tersebut hampir tidak memiliki titik temu pada dimensi apa pun yang penting bagi pembeli:

• Tugas utama — Qwen3.8-LiveTranslate: interpretasi simultan ucapan-ke-ucapan. Qwen3.8-Max: penalaran umum, pengodean, serta pekerjaan teks agentik dan multimodal.

• Modalitas masukan — Qwen3.8-LiveTranslate: audio dan gambar. Qwen3.8-Max: teks, gambar, dan video.

• Modalitas keluaran — Qwen3.8-LiveTranslate: teks dan audio tersintesis. Qwen3.8-Max: hanya teks.

• Jendela konteks — Qwen3.8-LiveTranslate: 53.248 token (49.152 masuk / 4.096 keluar). Qwen3.8-Max: 1.000.000 token.

• Bobot — Qwen3.8-LiveTranslate: tertutup, hanya API. Qwen3.8-Max: dihosting, dengan model saudara terbuka Qwen3.8-2.4T-A95B yang diterbitkan dalam generasi yang sama.

• Batas laju — Qwen3.8-LiveTranslate: 10 permintaan dan 100.000 token per menit. Qwen3.8-Max: throughput hosted standar, tanpa batas realtime per permintaan.

Disparitas konteks itulah yang mengejutkan orang. Qwen3.8-Max memegang satu juta token; penerjemah lisan memegang sekitar lima persen dari itu. Tetapi penerjemah lisan real-time tidak memerlukan konteks panjang — ia memerlukan memori pendek dan yang sangat cepat. Batas atas input 49.152 tokennya dirancang untuk membawa beberapa menit terakhir percakapan ke depan agar nama dan terminologi tetap konsisten, yang persis merupakan tugas yang dilakukan "disambiguasi konteks panjang". Menilai penerjemah lisan dari angka konteksnya seperti menilai mesin balap dari tangki bahan bakarnya.

Mengapa perbandingan harga adalah jebakan

Berdasarkan per juta token, interpreter terlihat jauh lebih mahal daripada model unggulan: $7,50 per juta token input audio dibandingkan $2,00 per juta token input teks, dan $30,00 per juta output audio dibandingkan $6,00 per juta output teks.

Perbandingan itu tidak bermakna, dan itulah kesalahan tunggal yang paling umum dilakukan terhadap kelas model ini. Token audio dan token teks bukanlah unit yang sama. Ucapan dikodekan menjadi token audio dengan kepadatan yang tidak memiliki hubungan dengan konten yang sama saat dituliskan — satu menit percakapan mengonsumsi jauh lebih banyak token audio daripada yang dikonsumsi transkripnya dalam token teks, dan audio keluaran menambahkan aliran kedua di atasnya. Menyejajarkan kedua laju tersebut menyiratkan rasio biaya yang tidak ada dalam praktik.

Perbedaan struktural lebih penting daripada perbedaan harga. Qwen menagih penerjemah per token, sedangkan sebagian besar pasar ucapan real-time menagih per menit sesi. Kedua model penetapan harga itu berperilaku sangat berbeda saat audio Anda makin senyap, sesi Anda makin singkat, atau pembicara Anda berhenti sejenak — meter per menit menagih keheningan, sedangkan meter per token tidak. Jika Anda menyusun model biaya, pertanyaannya bukan tarif mana yang lebih rendah; melainkan meter mana yang menghukum bentuk penggunaan Anda. Dan perhatikan pembagian wilayahnya: harga Beijing adalah ¥40 / ¥3,3 / ¥100 / ¥160 per juta untuk input audio, input gambar, output teks, dan output audio, jauh di bawah tarif Singapura, yaitu jenis perbedaan yang baru terlihat saat Anda membandingkan keduanya baris per baris.

{{1}}Satu poin tambahan yang menguntungkan interpreter dalam hal biaya:{{/1}} {{2}}Qwen mempertahankan tarif ini secara praktis tetap dibandingkan Qwen3.5-LiveTranslate, dengan Beijing tidak berubah dan Singapura sedikit lebih murah.{{/2}} {{3}}Generasi baru yang hadir tanpa kenaikan harga bukanlah hal yang lazim di pasar ini.{{/3}}

Bobot terbuka versus hanya API adalah garis pemisah yang sesungguhnya

Jika Anda memilih di antara keduanya berdasarkan prinsip dan bukan berdasarkan kemampuan, fakta yang menentukan adalah lisensi.

Qwen3.8-Max tersedia secara hosted, dan bobot kelas Max generasi ini dirilis sebagai sumber terbuka dengan nama Qwen3.8-2.4T-A95B pada bulan Agustus. Jalur itu memang ada, tetapi bukan jalur yang bisa dianggap enteng: bobot sebesar 4,89 TB adalah perangkat keras pusat data, dan lisensi open-weight mewajibkan organisasi yang berpendapatan di atas $50 juta dalam periode dua belas bulan untuk memperoleh lisensi komersial dari Alibaba Cloud.

Qwen3.8-LiveTranslate tidak memiliki jalur seperti itu. Bobotnya tertutup dan hanya tersedia melalui API, dapat dijangkau melalui WebSocket Realtime API yang mengharuskan target_language diatur dalam session.update event sebelum audio apa pun mengalir, tidak mendukung pemanggilan fungsi, tidak ada output terstruktur, tidak ada caching konteks, tidak ada inferensi batch, dan tidak ada fine-tuning. Jika kebutuhan Anda adalah menjalankan interpreter di perangkat keras Anda sendiri, model ini tidak memenuhinya dan sebanyak apa pun rekayasa tidak akan mengubahnya.

Itu penting bagi jenis pembeli tertentu: pembeli yang tidak dapat mengirim audio ke pihak ketiga — rumah sakit, firma hukum, kontraktor pemerintah. Bagi semua orang lainnya, pertanyaan praktisnya adalah apakah juru bahasa tersebut cukup baik untuk membenarkan ketergantungan itu, dan jawabannya adalah pengukuran yang belum diizinkan Qwen untuk dilakukan siapa pun.

Memilih berdasarkan pekerjaan, bukan berdasarkan nama.

Jawaban yang benar untuk "Qwen3.8-LiveTranslate atau Qwen 3.8" adalah Anda mungkin memerlukan jawaban untuk pertanyaan yang berbeda.

• Jika pekerjaannya adalah interpretasi langsung — rapat, panggilan, siaran — hanya satu dari ini yang bisa melakukannya, dan itu bukan model unggulan.

• Jika tugasnya adalah merangkum apa yang dikatakan, mengekstrak butir tindakan, menjawab pertanyaan tentang transkrip, atau menulis tindak lanjut — hanya model unggulan yang dapat melakukannya, dan itu bukan juru bahasa.

• Jika pekerjaan tersebut mencakup keduanya, Anda sedang membangun pipeline, dan Anda akan membayar dua vendor dengan dua kontrak serta dua set kredensial kecuali Anda mengonsolidasikannya secara sengaja.

Kasus ketiga itulah yang umum, dan di sinilah menjalankan kedua bagian di balik satu endpoint berhenti menjadi sekadar kemudahan dan mulai menjadi arsitektur. Qwen3.8-Max tersedia di OrcaRouter dengan harga daftar penyedia sebesar $2.00 per juta input dan $6.00 per juta output dengan tanpa markup yang diteruskan, sehingga pemotongan harga Qwen sampai ke tagihan Anda pada hari yang sama alih-alih pada perpanjangan kontrak berikutnya, dan failover otomatis berarti bagian peringkas dari pipeline tidak mati ketika salah satu penyedia mengalami jam buruk.

Untuk menjelaskan secara eksplisit tentang separuh lainnya, karena perbedaan ini penting: Qwen3.8-LiveTranslate tidak ada di katalog kami. Model ini tersedia melalui API Model Studio milik Alibaba sendiri dan endpoint uji coba vendor di omni.qwen.ai/live-translate, dan kami tidak akan menyiratkan bahwa kami merutekan model yang tidak kami rutekan. Yang dapat Anda letakkan di balik satu kunci hari ini adalah stack hilir — model-model yang mengonsumsi apa yang dihasilkan oleh interpreter.

Masalah penamaan adalah temuan yang sebenarnya

Empat model, satu prefiks, tanpa konvensi sufiks yang dapat diandalkan pembaca. "Qwen 3.8" merujuk ke model unggulan yang dihosting, checkpoint terbuka 2,4T, model kecil 27B, atau interpreter, tergantung siapa yang mengetik dan apa yang terakhir mereka baca. Tabel benchmark yang dipublikasikan tidak membantu, karena model unggulan memilikinya dan interpreter sebagian besar tidak: Qwen3.8-Max dapat ditempatkan pada Terminal-Bench atau GPQA Diamond, sementara bukti Qwen3.8-LiveTranslate adalah lagging rata-rata 2,3 detik, 85,7 xCOMET-XXL pada FLEURS yang dilaporkan vendor, dan tingkat kesalahan diarisasi 9,7% yang dilaporkan sendiri tanpa replikasi independen.

Jadi perbandingan yang ingin dijawab halaman ini sebenarnya adalah sebuah peringatan. Sebelum Anda membandingkan Qwen 3.8 dengan apa pun, pastikan Qwen 3.8 yang mana yang Anda maksud. Jika ia menerima audio, ia adalah interpreter, dan ia adalah spesialis yang Anda beli untuk satu pekerjaan. Jika ia menerima video, ia adalah flagship, dan ia adalah generalis yang Anda beli untuk dua puluh pekerjaan lainnya. Evaluasi apa pun yang mencampuradukkan keduanya tidak akan menghasilkan kesimpulan tentang salah satu pun dari keduanya.