Qwen 3.8, Coding-Modelle & Hugging Face: Faktencheck-Report

TL;DR

„Qwen 3.8” existiert wirklich — es ist Alibabas aktuelle Modellgeneration (Flaggschiff Qwen3.8-Max, 2,4 Billionen Parameter, plus offenes Qwen3.8-27B). Ein offizielles „Qwen3.8-Coder” gibt es aber nicht.
Ja — Qwen-Modelle werden intensiv genutzt, um andere Coding-Modelle zu trainieren: als Basis, als Lehrer-Modell und als Datengenerator. Belegte Beispiele: Hugging Faces OlympicCoder, Microsofts NextCoder, NVIDIAs OpenCodeReasoning-Nemotron, DeepSeek-R1-Distill-Qwen.
Hugging Face ist die zentrale Plattform dieses Ökosystems: Hosting, eigene Qwen-basierte Projekte, und Qwen als meistgeladenes offenes Modell überhaupt (~2 Mrd. Downloads 2026).

Die Qwen-Familie einordnen

Qwen2.5-Coder · Nov 2024 Qwen3 · Apr 2025 Qwen3-Coder · Jul 2025 Qwen3-Coder-Next · Feb 2026 Qwen 3.8 · Jul/Aug 2026

FaktWas ist „Qwen 3.8” wirklich?

Alibabas aktuelle Generation, keine Coding-Spezialversion. Qwen3.8-Max (Modell-ID Qwen/Qwen3.8-2.4T-A95B) hat 2,4 Billionen Parameter mit 95 Milliarden aktiven Parametern (MoE) und wurde am 3. August 2026 offiziell freigegeben, nach einer Preview am 19. Juli 2026 auf der World AI Conference in Shanghai. Daneben existiert das offene, dichte Qwen3.8-27B (Apache 2.0, Mitte August 2026 veröffentlicht).

Für dedizierte Coding-Aufgaben bleibt Qwen3-Coder-Next (Februar 2026, 80B MoE, 3B aktiv) das aktuelle offizielle Coder-Modell — aufgebaut auf Qwen3-Next-80B-A3B-Base.

Nov 2024

Qwen2.5-Coder: Pretraining-Mix aus 70% Code, 20% Text, 10% Mathematik; 5,2 Billionen Trainings-Tokens, 92 Programmiersprachen.

Apr 2025

Qwen3: Dense- und MoE-Modelle (0,6B–235B) mit „Thinking”/„Non-Thinking”-Modi.

Jul 2025

Qwen3-Coder-480B-A35B-Instruct: 480B MoE, 35B aktiv, 256K Kontext — laut Alibaba „vergleichbar mit Claude Sonnet 4”.

Feb 2026

Qwen3-Coder-Next: 80B MoE, 3B aktiv — aktuelles offizielles Coder-Flaggschiff.

Jul/Aug 2026

Qwen3.8-Max & Qwen3.8-27B — aktuelle Generation, kein separates Coder-Modell.

Qwen als Basis, Lehrer & Datenquelle für andere Coding-Modelle

Das ist der Kern der Hypothese — und sie ist gut belegt. Drei Muster lassen sich unterscheiden:

BelegtA) Qwen als Fine-Tuning-Basis

Modelle, die direkt auf Qwen-Basis feinabgestimmt wurden
Modell	Basis	Ergebnis
Hugging Face OlympicCoder-7B/32B	Qwen2.5-Coder-7B/32B-Instruct	32B übertrifft o1-mini und DeepSeek-R1 (das Lehrer-Modell) im 50-Submission-Setting
Microsoft NextCoder-7B/14B/32B	Qwen2.5-Coder Instruct	32B: 74,7% Aider (vs. GPT-4o 71,4%), 21,9% Aider Polyglot (vs. GPT-4o 18,2%)
NVIDIA OpenCodeReasoning-Nemotron-14B/32B	Qwen2.5-14B/32B-Instruct	State-of-the-Art unter offenen Reasoning-Modellen
DeepSeek-R1-Distill-Qwen-1.5B–32B	Qwen2.5-Modelle + 800k R1-Traces	32B übertrifft OpenAI-o1-mini auf mehreren Benchmarks

BelegtB) Qwen als Lehrer-Modell (Distillation)

Alibaba selbst setzt laut Qwen3 Technical Report auf „strong-to-weak distillation” — Wissenstransfer von großen auf kleine Modelle, auch bei Qwen3-Coder-Next („Expert distillation into a single deployment-ready model”).

Community-Beispiel: Empero „Qwen3.8-9B” — ein unabhängiges deutsches Lab nutzte das große Qwen3.8-Modell als Lehrer, erzeugte ~70.000 kuratierte Reasoning-Traces (Mathematik & Wettbewerbsprogrammierung) und trainierte damit ein 9B-Studentenmodell auf Qwen3.5-9B-Basis. Trotz des Namens kein offizielles Alibaba-Produkt.

BelegtC) Qwen als synthetischer Datengenerator

Arbeiten wie QueST nutzen Qwen3-235B-A22B als Lehrer, um 100.000 schwierige Coding-Probleme zu generieren und damit Qwen3-8B-Base zu trainieren. Ähnlich bei HardTests und DataFlow: synthetische Testfälle/Trainingsdaten aus Qwen2.5-Coder-7B.

Die Rolle von Hugging Face

BelegtHosting, eigene Projekte, Marktdaten

Hosting-Plattform: Alle offiziellen Qwen-Modelle und -Datensätze liegen auf Hugging Face (Qwen/…); Erstveröffentlichung 2023 parallel über ModelScope und Hugging Face.
Eigene Coding-Projekte: Das Hugging-Face-Team (open-r1) baute OlympicCoder direkt auf Qwen2.5-Coder auf und veröffentlichte den zugehörigen codeforces-cots-Datensatz.
Marktdaten: Laut Hugging Faces Report „State of Open Models: Summer 2026” ist Qwen das meistgeladene offene Modell — rund 2,045 Mrd. Downloads 2026 (Google: 418 Mio., Meta: 227 Mio.) und über 151.000 abgeleitete Modelle auf dem Hub. Alibaba selbst nennt höhere Zahlen (3 Mrd. Downloads, 300.000+ Derivate).

Die Distillation-Kontroverse — richtig eingeordnet

Wichtige NuanceWer destilliert hier eigentlich von wem?

Die aktuellen Distillation-Vorwürfe laufen umgekehrt zur Nutzerfrage: OpenAI beschuldigte DeepSeek (Februar 2026), systematisch OpenAI-Outputs destilliert zu haben. Anthropic ging im Juni 2026 noch weiter und warf ausdrücklich Alibabas Qwen-Lab vor, die „größte bekannte Distillation-Kampagne” gegen Claude betrieben zu haben — rund 25.000 gefälschte Konten, 28,8 Mio. Austausche, Fokus auf Software-Engineering.

Alibaba bestreitet die Vorwürfe vollständig. Keine der genannten Zahlen ist unabhängig verifiziert. Alibaba setzte im Gegenzug Claude Code intern auf eine „High-Risk”-Liste, nachdem versteckter Tracking-Code entdeckt wurde.

Für die in dieser Recherche untersuchte Richtung — Qwen als offene, legitime Quelle für das Training anderer Modelle — ist die Beleglage dagegen eindeutig und unstrittig.

Einordnung & offene Punkte

Belegt Qwen wird vielfach als Basis, Lehrer und Datenquelle für andere Coding-Modelle genutzt (OlympicCoder, NextCoder, OpenCodeReasoning, DeepSeek-Distills).
Belegt Hugging Face ist zentrale Hosting- und Ökosystem-Plattform, mit eigenen Qwen-basierten Projekten.
Plausibel, unbestätigt Alibabas eigene Benchmark-Zahlen zu Qwen3.8-Max sind herstellerseitig und bislang nicht unabhängig verifiziert.
Vorwurf, bestritten Dass Qwen selbst in großem Stil von Claude/Anthropic destilliert habe — Alibaba weist dies zurück, keine unabhängige Bestätigung.
Namensverwirrung ist real: „Qwen 3.8”, „Qwen3.8-Max”, „Qwen3.8-27B” und das Community-Distillat „Qwen3.8-9B” (Empero, nicht Alibaba) sind vier verschiedene Dinge.

Handlungsempfehlungen

Begriff klären: Für Coding-Aufgaben Qwen3-Coder-Next oder Qwen3-Coder-480B verwenden — nicht „Qwen 3.8”, das kein dediziertes Coder-Modell hat.
Für eigene Fine-Tunes/Distillation: Qwen2.5-Coder-Instruct und Qwen3-Coder sind bewährte, Apache-2.0-lizenzierte Basen mit etablierten Blaupausen (OlympicCoder, QueST) auf Hugging Face.
Vorsicht bei „Qwen3.8-9B”: Community-Distillat von Empero (Deutschland), nicht offiziell von Alibaba — Lizenz und Modellkarte vor Nutzung prüfen.
Compliance prüfen: Distillation aus proprietären APIs (OpenAI, Anthropic) verstößt oft gegen Nutzungsbedingungen; Distillation aus offenen Apache-2.0-Qwen-Modellen ist dagegen ausdrücklich erlaubt.
Unabhängige Benchmarks abwarten: Vor Kaufentscheidungen Leaderboards wie LMArena oder Artificial Analysis statt Herstellerangaben heranziehen.