Qwen 3.8 vs Claude Opus 4.8: La scala economica incontra lo specialista del ragionamento

Alibaba ha presentato in anteprima Qwen3.8-Max a Shanghai il 19 luglio 2026 come modello da 2,4 trilioni di parametri costruito per scala e completezza. Il modello di Anthropic Claude Opus 4.8 è un animale molto diverso: un modello di punta premium per il ragionamento profondo a cui i team ricorrono quando un compito ha molti passaggi e una risposta sbagliata è costosa.

Per due settimane era difficile fare onestamente quel confronto, perché Qwen non aveva un prezzo pubblicato né benchmark pubblicati. Questo è cambiato il 3 agosto 2026, quando Qwen3.8-Max è diventato generalmente disponibile con una tariffa di $2 / $6 per milione di token e una tabella di benchmark completa. La questione filosofica rimane la stessa — scala grezza e apertura contro affidabilità del ragionamento — ma ora ci sono numeri su entrambi i lati.

Una nota per gli sviluppatori — il modo più rapido per risolvere una domanda del genere è eseguirli entrambi sui propri workflow. OrcaRouter espone oltre 200 modelli dietro un unico endpoint compatibile con OpenAI, così puoi far competere Qwen 3.8 Max con Opus 4.8 sullo stesso compito senza dover integrare due SDK.

Verdetto in breve.Opus 4.8 resta lo specialista del ragionamento: inserito nel cluster di testa dell'Artificial Analysis Intelligence Index e affidabile per lunghe catene agentiche in cui una risposta sbagliata con sicurezza costa più della bolletta dei token. I suoi punti deboli sono costo e verbosità — AA stima la sua tariffa media intorno a $3.85/1M con massimo sforzo, ed è ad alto consumo di token, con Grok 4.5 che secondo quanto riportato completa compiti comparabili usando circa 4× meno token di output. Qwen3.8-Max ora risponde con qualcosa che a luglio non aveva: un prezzo reale e basso di $2 / $6 fissi per 1M di token, input in cache a $0.25, e una tabella di benchmark del fornitore con in testa Terminal-Bench 2.1 86.6 e OSWorld-Verified 86.1. Ha anche mostrato una genuina diligenza agentica nell'unico test di terze parti disponibile. Ma non ha ancora ricevuto alcun punteggio da valutatori indipendenti. Opus per il ragionamento di cui devi fidarti; Qwen per il lavoro attento ai costi e orientato alla completezza.

Punti chiave

• Qwen3.8-Max è GA dal 3 agosto 2026 a $2 / $6 per 1M token, fisso sull'intero contesto di 1M token — una vera e propria scheda tariffaria, che sostituisce lo sconto temporaneo di anteprima di luglio.

• Opus 4.8 è sostanzialmente più costoso: Artificial Analysis colloca il suo costo misto intorno a $3.85/1M con lo sforzo massimo, ed è ad alto consumo di token — secondo quanto riferito, ~4× più token di output per attività rispetto a Grok 4.5, quindi le lunghe esecuzioni agentiche ampliano il divario.

• Le fonti non concordano sul numero AA esatto di Opus 4.8. Su AA v4.1, Kimi K3 (57.1) risulta subito sopra, quindi l'affermazione affidabile è "cluster di testa, sotto i leader Fable 5 / GPT-5.6 Sol" piuttosto che un singolo punteggio fisso.

• Qwen ora ha numeri agentici, auto-dichiarati: Terminal-Bench 2.1 86.6, OSWorld-Verified 86.1, FrontierSWE 73.5 (dal 40.7 di un predecessore). Nessuno verificato in modo indipendente.

• L'unico dato agentico di terze parti di Qwen è favorevole: rispetto a Kimi K3 ha prodotto 354 citazioni repo contro 274, ha usato 22 richieste gateway contro 53, e ha registrato 0 tool call fallite contro 2 — con un punteggio di 80/100 contro l'83 di Kimi.

• L'apertura diverge definitivamente: Qwen promette pesi aperti entro la settimana, più una Qwen3.8-27B con ~17GB di VRAM; Opus 4.8 è chiuso e solo API.

Nota sull'accuratezza: tutti i valori di qualità di Qwen3.8-Max sono dichiarati da Alibaba e non verificati da terze parti. I valori di Opus 4.8 sono attribuiti ad Artificial Analysis e a fonti citate e possono differire da quanto riportato da Anthropic; poiché i tracker non concordano sull'indice esatto di Opus, ne indichiamo la posizione relativa anziché un singolo numero. Il prezzo di Qwen è il listino GA e sostituisce lo sconto dell'anteprima di luglio.

Specifiche e prezzo, fianco a fianco

Ecco i dati concreti, con ogni cifra attribuita alla sua fonte.

• Produttore / stato — Qwen3.8-Max: Alibaba; GA (3 agosto 2026); Claude Opus 4.8: Anthropic; ammiraglia GA con deep-reasoning

• Architettura — Qwen3.8-Max: ~2.4T totali, MoE sparso (parametri attivi ancora non divulgati); Opus 4.8: chiuso; architettura non divulgata

• Finestra di contesto — Qwen3.8-Max: 1M token (983.616 con pensiero; output massimo 131.072); Opus 4.8: ammiraglia a contesto lungo

• AA Intelligence Index — Qwen3.8-Max: Ancora non valutato; Opus 4.8: Cluster superiore, sotto i leader (Artificial Analysis; Kimi K3 a 57.1 riportato appena sopra)

• Punti di forza — Qwen3.8-Max: Scala, completezza, economicità del contesto lungo; Opus 4.8: Ragionamento profondo a più fasi + affidabilità agentica

• Punteggi agentici dichiarati dal fornitore — Qwen3.8-Max: Terminal-Bench 2.1 86.6, OSWorld-Verified 86.1 (dichiarati da Alibaba); Opus 4.8: n/d — la reputazione si guadagna in produzione

• Prezzi (input / output) — Qwen3.8-Max: $2.00 / $6.00 per 1M, fisso; input in cache $0.25; Opus 4.8: Premium — AA medio ~$3.85/1M al massimo sforzo

• Efficienza dei token — Qwen3.8-Max: Verbose; IFBench 82.8 è il suo punteggio autodichiarato più basso; Opus 4.8: Pesante sui token — ~4× più output rispetto a Grok 4.5 (riportato)

• Pesi aperti — Qwen3.8-Max: Promesso entro la settimana (ancora nessuna licenza); Opus 4.8: No — chiuso / solo API

Due cose inquadrano il confronto, ed entrambe si sono mosse il 3 agosto.

Innanzitutto, il divario di costi è ora misurabile piuttosto che teorico. A luglio, il vantaggio di Qwen era uno sconto su cui non si poteva fare affidamento in sede di budget. Ora è una tariffa, e la forma del divario è insolita: Opus è costoso e ad alto consumo di token, il che significa che i due fattori si moltiplicano. Se Opus emette quattro volte i token di output per lo stesso compito e applica un premio per token, una lunga esecuzione agentica può costare molte volte più di quanto le tariffe pubblicizzate suggeriscano. La tariffa di output di Qwen di $6, il contesto flat da 1M e l'input in cache a $0,25 colpiscono esattamente quella moltiplicazione.

Secondo, La colonna dei benchmark di Qwen non è più vuota — e per una volta, parte di essa è direttamente rilevante. L'intera proposta di Opus 4.8 è l'affidabilità agentica, e Alibaba ha ora pubblicato numeri agentici: Terminal-Bench 2.1 86.6 per le operazioni di shell, OSWorld-Verified 86.1 per il controllo di una GUI reale. Misurano le cose giuste. La riserva è la provenienza, non la rilevanza: Alibaba li ha prodotti con il proprio harness e nessuna terza parte li ha replicati. La reputazione di Opus, invece, poggia su qualcosa di più difficile da pubblicare ma probabilmente più prezioso — l'uso continuato in produzione da parte di molti team, che è un tipo di evidenza che una tabella di un fornitore non può fabbricare.

Affidabilità del ragionamento vs completezza grezza

La differenza interessante tra questi due non è la qualità al primo colpo — è come si comportano quando un compito ha molti passaggi e strumenti reali associati.

La reputazione di Opus 4.8 si fonda sull'affidabilità agentica: lunghe catene di ragionamento in cui tiene traccia del contesto, si riprende dai vicoli ciechi e restituisce risposte su cui puoi agire senza ricontrollare ogni passaggio. È questa la proprietà per cui i team pagano un premio, perché in produzione il costo di una risposta multi-step sicura ma sbagliata supera di gran lunga la bolletta dei token. Il compromesso è che Opus è pesante in termini di token — secondo quanto riportato, Grok 4.5 completa compiti comparabili con circa 4× token di output in meno — quindi la sua affidabilità comporta un costo reale e continuo.

Qwen 3.8 risponde con un diverso tipo di forza: pura meticolosità, e ora c'è un dato di terze parti a confermarlo. In un test di comprensione dell'architettura condotto da Trilogy AI (Qwen3.8-Max vs Kimi K3), Qwen ha ottenuto 80/100 contro gli 83 di Kimi — perdendo sul punteggio principale — ma è stato l'agente più diligente, producendo 354 citazioni di repository contro le 274 di Kimi, utilizzando 22 richieste gateway contro 53, e registrando 0 chiamate a strumenti fallite contro 2. Entrambi i modelli sono giunti alla stessa conclusione architettonica di base; Qwen ha semplicemente svolto più lavoro di grounding per arrivarci, con un uso più pulito degli strumenti.

Quel risultato di zero tool call fallite è il segnale agentico più incoraggiante che Qwen abbia, perché le tool call fallite sono ciò che realmente rompe gli agenti in produzione. È anche un solo test, su un solo compito, da parte di un solo valutatore — ben lontano dalla base di evidenze su cui poggia la reputazione di Opus.

Il costo della meticolosità di Qwen era la latenza e i token. I revisori dell'era preview lo trovavano "molto buono e molto lento" — 30+ minuti per la creazione di un sito web, più di un'ora per una simulazione di poker, il modello più lento che quel revisore avesse mai usato. Ora valgono due avvertenze. Quella era infrastruttura preview, e il serving GA è un sistema diverso; la telemetria a 7 giorni di OrcaRouter mostra attualmente un tempo al primo token (p50) di 1,64 secondi, sebbene TTFT e throughput end-to-end su build di un'ora siano quantità diverse. Il risultato merita di essere testato di nuovo piuttosto che ripetuto.

C'è anche un problema strutturale che vale la pena menzionare: il punteggio più basso riportato da Alibaba è IFBench 82.8, ovvero l'aderenza alle istruzioni sotto vincolo. Per pipeline agenziali che analizzano l'output del modello a ogni passaggio, un modello che supera l'ambito previsto e aggiunge lavoro non richiesto è uno svantaggio, indipendentemente da quanto sia approfondito. È proprio qui che la disciplina di Opus giustifica il suo sovrapprezzo.

Costo nella pratica: dove il divario di token 4× si fa sentire

Prendiamo un'esecuzione di agente multi-step: 80.000 token di input di contesto e — questa è la variabile chiave — volumi di output differenti, perché, secondo quanto riportato, Opus emette circa 4× in più.

• Qwen3.8-Max a 8.000 token di output: 0,08M × $2 = $0,16, più 0,008M × $6 = $0,048. ≈ $0,21 per esecuzione.

• Opus 4.8 a un prezzo misto di ~3,85 $/1M su 80.000 token di input + ~32.000 di output (4× i token): circa 0,43 $ per esecuzione con prezzo misto — e notevolmente di più se input e output vengono tariffati separatamente alle tariffe del livello premium.

• A 3.000 esecuzioni/giorno: Qwen ≈ $630/giorno; Opus ≈ $1.290/giorno o superiore.

• Con l'input in cache di Qwen a $0.25/1M su un contesto stabile, il suo costo scende a ≈ $0.07 — circa 6× più economico di Opus.

Il contrappeso onesto è quello che si applica sempre ai confronti con Opus: se Opus risolve un compito in un unico tentativo mentre un modello più economico richiede due tentativi più una revisione umana, il modello più economico non è in realtà più economico. La verbosità di Opus è in parte il meccanismo della sua affidabilità: ragiona ad alta voce, e questo costa token. La domanda per il tuo carico di lavoro è se stai pagando per una deliberazione che ti serve. Nel ragionamento ad alto rischio e a basso volume, probabilmente sì. Nell'analisi ad alto volume, dove comunque verifichi a valle, probabilmente no.

Apertura e la questione dell'on-premise

Opus 4.8 è chiuso e disponibile solo tramite API, permanentemente. Qwen3.8-Max potrebbe non esserlo — i pesi sono promessi entro la settimana — ma l'ammiraglia non è un obiettivo realistico di self-hosting: circa 1,2 TB a 4 bit contro circa 141 GB per H200 significa otto o più acceleratori di fascia alta, e con il conteggio dei parametri attivi ancora non divulgato non puoi modellare il throughput che quella spesa comprerebbe. Non c'è inoltre ancora alcun testo di licenza, quindi l'usabilità commerciale è formalmente indeterminata.

Il Qwen3.8-27B, annunciato contestualmente, è la release pratica per i team il cui interesse è il controllo piuttosto che la capacità grezza. Anch'esso a pesi aperti, secondo quanto riportato gira in circa 17GB di VRAM — una singola scheda di fascia alta. Se stai confrontando con Opus perché ti serve il ragionamento all'interno della tua rete, il 27B è il modello da valutare; l'apertura del modello di punta da 2.4T è per lo più teorica.

Domande frequenti

Qwen 3.8 è migliore di Claude Opus 4.8?

Non in base alle prove esistenti. Opus 4.8 si trova nel cluster più alto dell'Artificial Analysis Intelligence Index sottoposto a verifica ed è dimostrato nel ragionamento agentico profondo in produzione. Qwen3.8-Max presenta forti risultati auto-dichiarati (Terminal-Bench 2.1 86.6, OSWorld-Verified 86.1) e un test agentico di terze parti favorevole, ma nessun punteggio indipendente. Qwen vince sul prezzo; Opus vince sulla prova e sull'affidabilità del ragionamento.

Perché il numero di benchmark di Opus 4.8 è descritto in modo così vago?

Poiché i tracker sono realmente in conflitto. Su AA v4.1, Kimi K3 (57.1) risulta appena sopra Opus 4.8, collocando Opus nel cluster di testa ma sotto i leader Fable 5 / GPT-5.6 Sol — eppure fonti diverse lo riportano in modo diverso, quindi citare un numero secco sarebbe fuorviante. La sua posizione relativa è l'affermazione affidabile.

Quanto è più economico Qwen 3.8 rispetto a Claude Opus 4.8?

In modo significativo, e il divario si allarga nelle esecuzioni lunghe. Qwen3.8-Max costa $2 / $6 per 1M fisso, con input in cache a $0,25. Artificial Analysis colloca il costo misto di Opus vicino a $3,85/1M con impegno massimo, e Opus è presumibilmente ~4× più pesante in termini di token rispetto a Grok 4.5 — quindi il divario di prezzo si moltiplica con il volume di output. In una tipica esecuzione multi-step Qwen risulta circa 2–6× più economico a seconda della cache.

Qwen 3.8 Max è uscito dall'anteprima?

Sì, il 3 agosto 2026. Ha un listino prezzi pubblicato e un endpoint compatibile con OpenAI e DashScope, quindi la campagna di crediti Qoder di luglio e la presentazione con il 90% di sconto non descrivono più come viene venduto.

Qwen 3.8 è affidabile per il lavoro agentico?

I primi segnali sono incoraggianti ma esigui. Alibaba riporta Terminal-Bench 2.1 86.6 e OSWorld-Verified 86.1, e in un test di terze parti ha registrato zero chiamate a strumenti fallite contro le due di un rivale. A fronte di ciò, il suo punteggio autoreferenziale più basso è IFBench 82.8 sull'aderenza alle istruzioni, e i tester in anteprima hanno osservato ripetutamente che supera l'ambito previsto — un rischio reale per i pipeline che analizzano l'output di ogni passaggio.

Posso auto-ospitare Qwen 3.8 per evitare il prezzo premium di Opus?

Realisticamente, non è l'ammiraglia. I pesi sono promessi entro la settimana, ma non è stata pubblicata alcuna licenza, e con ~1.2TB in 4-bit servirebbero otto o più GPU di classe H200. Il Qwen3.8-27B annunciato contemporaneamente, che secondo quanto riportato richiede ~17GB di VRAM, è l'opzione praticabile. Opus 4.8 è chiuso, quindi non c'è alcuna possibilità di self-host.

Quale dovrei usare oggi?

Opus 4.8 per lavori di produzione critici dal punto di vista del ragionamento o agentici, di cui devi poterti fidare, dove una risposta sbagliata in più passaggi è costosa. Qwen3.8-Max per lavori attenti ai costi e che privilegiano la completezza — soprattutto analisi di contesti lunghi, dove la tariffa fissa di 1M e l'input in cache a $0,25 rendono difficile contestare la convenienza economica.

Il risultato finale

Qwen 3.8 vs Claude Opus 4.8 è ancora un contrasto di filosofie, ma l'economia non è più ipotetica. Qwen3.8-Max è arrivato alla GA con prezzi reali che sottocostano Opus con un ampio margine, e il divario si amplifica perché Opus ha sia un prezzo premium sia un elevato consumo di token. Qwen ha anche pubblicato numeri agentici che parlano direttamente al campo di casa di Opus, e il suo test agentico di terze parti ha mostrato un uso degli strumenti più pulito rispetto a un forte rivale.

Opus mantiene il vantaggio dove è sempre stato: posizione verificata nel cluster di testa e un track record di produzione per un ragionamento multi-step affidabile che nessuna tabella di fornitori può sostituire. Le lacune rimanenti di Qwen sono quelle note — nessun punteggio indipendente, nessun conteggio di parametri attivi divulgato, nessuna licenza ancora, e una debolezza auto-dichiarata nel seguire le istruzioni che conta esattamente nelle pipeline agentiche per cui Opus viene scelto. Osserva due eventi: il primo punteggio Intelligence Index indipendente e l'arrivo dei pesi con una licenza. Fino ad allora, Opus è il modello a cui affidi decisioni costose, e Qwen 3.8 è quello a cui instradi il volume — testato sui tuoi flussi di lavoro.