Qwen3.8-Max 正式发布：上次挤牙膏没给的基准分，这次全补齐了

2026 年 8 月 3 日，阿里巴巴通义千问团队正式发布 Qwen3.8-Max，并同步上线配套的 Agent 产品"千问办公"。这次发布补上了半个月前留下的一个大坑——本站在 7 月 20 日《Qwen3.8 深度解读：2.4 万亿参数、"第二只服 Fable 5"，但一个基准分都没给》一文中提到，阿里当时只在 X 上甩出一句"我们相信它是当今最强大的模型之一，仅次于 Fable 5"，却没有附带任何技术报告、跑分数据，连每 token 的激活参数量都没披露。

半个月后，这个悬念有了完整答案：Arena 综合榜排名、Vision Arena 与 CodeArena 的具体名次、PaperBench 编程评测分数、真实办公场景的实测效果、国际与国内两套定价，以及一个此前从未出现过的承诺——Qwen-Max 级别的旗舰模型，历史上第一次要开放权重。这也是为什么在过去 24 小时的 AI 圈新闻里，这条比"又一个模型刷榜"更值得深入写一写：它不只是一次模型发布，更标志着中国大模型阵营在"闭源旗舰要不要开源"这个问题上又往前迈了一步。

信息来源：阿里云通义千问官方发布、量子位《阿里 Qwen3.8 正式发布，编程与办公再进化，推理更快更稳定》、DataLearnerAI《Qwen3.8-Max：评测、价格、API 与模型参数》、Dataconomy 中文版《阿里巴巴开源 Qwen3.8-Max 人工智能模型》、凤凰网科技《阿里 Qwen3.8-Max 模型发布：2.4 万亿参数，瞄准复杂长程任务》等公开报道整理，文末附完整链接。

一、背景介绍：从"预告没数据"到"正式发布带齐数据"

把时间线拉直看会更清楚阿里这半个月在做什么：

7 月 16 日：Moonshot AI 发布 2.8 万亿参数的 Kimi K3（本站 7 月 18 日已详细拆解），中国开源阵营的参数量竞赛进入新阶段。
7 月 19 日：阿里在 X 上抢发一条不到 100 字的预告推文，甩出 Qwen3.8 的名字和"2.4T 参数、仅次于 Fable 5"的定位宣言，但没有技术报告、没有跑分、没有架构细节，更像是一次"占坑"式的应激反应。
8 月 3 日：阿里正式发布 Qwen3.8-Max，这次不再是一句话公告，而是完整的技术细节、第三方榜单排名、真实业务场景实测和明确的开源时间表。

这个"先用一句话占住话题、半个月后再补全数据"的打法，本身也值得开发者留意——在当下这种几乎"隔天刷新参数纪录"的行业节奏里，厂商越来越倾向于先抢占叙事窗口，再慢慢把证据链补齐。这次阿里补上的证据链，含金量确实不低。

二、技术细节解析

2.1 架构与规模

Qwen3.8-Max 基于 Qwen 3.5 架构演进而来，核心参数：

项目	数值
总参数量	2.4 万亿（2.4T）
激活参数量	950 亿（95B）
架构	稀疏 MoE + 混合注意力机制
上下文长度	约 1M tokens
最大输出	128K tokens
模态	文本 / 图像 / 视频 → 文本
推理模式	强制思考模式，分低 / 高 / 超高三档强度

值得注意的两点：第一，950 亿激活参数意味着这是一个典型的"大稀疏、小激活"MoE 设计思路，和 Kimi K3、DeepSeek-V4 系列的技术路线一致，用远小于总参数量的实际计算量换取接近满血模型的效果；第二，"强制思考模式"是个明确的产品选择——Qwen3.8-Max 不提供关闭思考链的选项，三档强度（低/高/超高）由调用方按任务复杂度自行选择，这和 Claude、GPT 系列"可选思考"的设计不同，说明阿里判断在当前阶段，测试时计算（test-time compute）对这个模型的能力上限影响太大，不值得为了省 token 而关闭。

2.2 榜单表现

在权威第三方 Arena 综合榜单上，Qwen3.8-Max 仅次于 Anthropic 的 Claude 系列，是当前全球大模型第一梯队的成员之一。细分榜单：

Vision Arena：全球第二
CodeArena：全球第四
PaperBench 编程评测：93.0 分，较上一代提升 28.2 分，创下评测新高

PaperBench 这个 28.2 分的提升幅度值得单独说一句——这是一个衡量模型复现学术论文实验、完成研究工程任务能力的评测集，单次迭代能拉开这么大的差距，说明阿里这一代在"长程自主执行"上做了针对性优化，而不只是常规的规模堆叠。

2.3 长程自主能力的实测场景

阿里这次公布了几个具体到"能验证"程度的实测案例，比单纯秀跑分更有说服力：

自主编程：从一个空文件夹出发，无人工干预连续运行 16 天，完成开源项目 oh-my-cli 的构建，累计产生 265 次代码提交。
自主科研：连续自主工作 125 小时，在 AIME24 数学基准上取得 2.7 分的提升。
竞赛表现：24 小时内在某场公开竞赛中击败 458 支人类参赛队伍。
法律场景：处理数百份法律文件、标出 1,284 条条款，耗时从人工的一周压缩到一小时。
芯片设计：通过约 500 轮交互，将某电路设计的门数从 8,298 门优化到 678 门。
电商模拟：在 365 天的长周期经营模拟测试中，取得 416,252 元的资金成绩。
体育数据分析：原本需要数十小时的分析工作缩短到数十分钟。

这几个场景共同指向一个信号：阿里这次发布刻意把重点从"单点跑分"转向"长时间跨度、无人值守的真实任务交付能力"，这和本站 8 月 3 日介绍的 OpenAI Astra（协调多智能体长时间共同解决数学难题）呈现出相似的行业趋势——测试时计算和长程自主执行，正在取代单纯的参数规模，成为 2026 年下半年各家模型竞争的主战场。

2.4 多模态与配套生态

Qwen3.8-Max 支持文本、图像、视频输入，配套推出了 Qwen-MM-Plugins 插件库，支持 GUI 交互与视觉反馈，可以理解为面向"看屏幕操作软件"这类 Agent 场景的能力补充。同步上线的 Agent 产品"千问办公"（Qwen Cowork）已经接入 Qwen3.8 API，定位类似 OpenAI 的 Operator 或 Anthropic 的 Computer Use，主打专业办公场景的自动化。

三、定价与开源计划：这次是真的"卷"到位了

3.1 API 定价

计费项	国内价格	国际价格
输入	¥12 / 百万 tokens	$2 / 百万 tokens
输出	¥36 / 百万 tokens	$6 / 百万 tokens
隐式缓存命中	¥1.5 / 百万 tokens	—

按公开报道的说法，国际输入/输出价格分别只有 Claude Opus 5 的约 40% 和 24%，在"仅次于 Claude"的榜单定位下打出这样的价格，对预算敏感、又需要旗舰级能力的开发者是个明显的信号。

3.2 开源计划

这是本次发布里最值得记一笔的部分：阿里宣布 Qwen3.8-Max 的权重预计将于下周开源，同时还会开源规模更小的 Qwen3.8-27B。此前 Qwen-Max 系列一直是纯闭源、只提供 API 的旗舰产品线（对标 GPT-5.x/Claude Opus 系列），Qwen 的开源权重版本通常止步于 Qwen-Plus 或更小的尺寸。如果 Qwen3.8-Max 的权重如期开源，将是 Qwen-Max 级别模型历史上第一次真正开放权重，也会进一步印证此前"中国开源模型累计下载量占全球 41%、落后闭源前沿仅约 4 个月"的行业判断。

四、实践指南：如何接入 Qwen3.8-Max

Qwen3.8 目前已在千问 AI 平台开放 API，接口与 OpenAI SDK 兼容，开发者可以直接复用现有工具链，只需切换 base_url 和模型名。以下是一个 Python 调用示例（含思考强度参数）：

python

from openai import OpenAI

client = OpenAI(
    api_key="你的 DASHSCOPE_API_KEY",
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
)

response = client.chat.completions.create(
    model="qwen3.8-max",
    messages=[
        {"role": "system", "content": "你是一名严谨的后端架构师。"},
        {
            "role": "user",
            "content": "帮我审查这段 Python 代码是否存在并发安全问题，并给出修复建议。",
        },
    ],
    extra_body={
        # 思考强度：low / high / extra-high，Qwen3.8-Max 不支持关闭思考模式
        "thinking_intensity": "high",
    },
    max_tokens=4096,
)

print(response.choices[0].message.content)

几点接入时需要注意的细节：

思考模式不可关闭——如果你的应用场景是低延迟的简单问答，thinking_intensity 设为 low 也仍然会产生思考开销，成本和延迟评估时要把这一点算进去，不能直接套用 Claude/GPT 那种"可选思考"的成本模型。
长上下文场景注意分段计费——1M tokens 的上下文窗口配合隐式缓存（¥1.5/百万 tokens）非常适合"长文档反复追问"的场景，比如法律文书审查、长代码库问答，命中缓存的部分成本能降到输入价的八分之一。
多模态输入走同一个 endpoint——图像/视频输入通过标准的 content 数组传入 image_url/video_url 字段即可，无需切换到专门的多模态接口，这点与 Qwen 系列一贯的 API 设计习惯一致。
等开源权重发布后本地部署——如果不想依赖云端 API，可以关注下周 Qwen3.8-Max 与 Qwen3.8-27B 的权重发布，27B 这个尺寸对个人开发者和中小团队的本地推理更友好，2.4T 满血版则需要多机多卡集群才能承载。

五、总结与展望

从 7 月 19 日一条没有数据支撑的预告推文，到 8 月 3 日带着完整榜单、真实场景实测和开源承诺的正式发布，Qwen3.8-Max 用半个月时间证明了"仅次于 Fable 5"不完全是空话——至少在 Arena 综合榜和 Vision Arena 上，它确实站到了除 Claude 系列之外的第一梯队位置。更值得关注的是两个信号：

第一，长程自主执行能力正在取代单点跑分成为新的竞争焦点。16 天无人工干预的自主编程、125 小时连续自主科研工作，这些场景和 8 月 3 日本站介绍的 OpenAI Astra 数学证明工作呈现出一致的行业方向——模型厂商不再满足于"一次问答给出正确答案"，而是在比拼"放手让模型自己跑多久、能不能扛住多长的任务链条"。

第二，Qwen-Max 级别旗舰模型即将开放权重，如果下周如期兑现，将是国产大模型开源阵营的一个标志性节点。这意味着开发者未来有机会在本地或私有云上部署一个"仅次于 Claude"性能水平的模型，而不必依赖任何厂商的 API——这对数据敏感行业（法律、金融、医疗）和希望摆脱 API 定价波动风险的团队，都是实打实的利好。接下来一周，值得持续关注权重是否如期放出、社区跑分是否能验证官方宣称的榜单排名，以及 Qwen3.8-27B 这个更适合本地部署的尺寸实际表现如何。

参考来源：

Qwen3.8-Max 正式发布：上次挤牙膏没给的基准分，这次全补齐了 ​

一、背景介绍：从"预告没数据"到"正式发布带齐数据" ​

二、技术细节解析 ​

2.1 架构与规模 ​

2.2 榜单表现 ​

2.3 长程自主能力的实测场景 ​

2.4 多模态与配套生态 ​

三、定价与开源计划：这次是真的"卷"到位了 ​

3.1 API 定价 ​

3.2 开源计划 ​

四、实践指南：如何接入 Qwen3.8-Max ​

五、总结与展望 ​

📚 相关文章

💬 评论