QWEN3.8-MAX
2.4T_
ARENA_
TOP5.
2026年8月3日，阿里巴巴正式发布新一代旗舰大模型千问 Qwen3.8-Max，总参数 2.4 万亿、激活 950 亿，同步上线 Agent 产品「千问办公」。痛点：官网已标注「Open-Source」，但权重尚未上线；所有跑分均为阿里自测，Arena 排名标注为「初步」。结论：Arena 文本竞技场前 8 名中唯一非 Anthropic 模型，与 Kimi K3 同档位前沿，但「全球第一梯队」说法尚需独立验证。结构预告：时间线 → 核心参数表 → 架构深度拆解 → 横向对比 → 开源争议 → 行业背景 → 五步接入 → FAQ。
1. 痛点拆解：为什么 8/3 这次发布需要冷静评估
1）「开源」标签挂得比权重早：qwen.ai 官网 GA 当天已标注「Open-Source」，但 Hugging Face 与 ModelScope 尚无对应仓库，只有「下周」模糊承诺。2）跑分全部阿里自测：PaperBench、QwenSWEBench、RecreationBench 等均为内部基准，Artificial Analysis、Arena.ai 尚未对正式版给出独立复现。3）预览版透明度不足：7/19 预览版未公开激活参数、禁止自动化生产环境调用，多家独立评测机构点名批评。4）本地部署门槛极高：2.4 万亿总参数需多节点数据中心级硬件，普通开发者更现实路径是 API 或等待 Qwen3.8-27B 精简版。5）激活参数披露滞后：Kimi K3 公开约 500 亿、DeepSeek 公开 490 亿，阿里直到 GA 才补充披露「950 亿」。
2. 时间线：从预览版到正式发布，两周内节奏很快
| 日期 | 事件 |
|---|---|
| 7/16 | 月之暗面发布 Kimi K3，2.8 万亿参数（896 个专家中激活 16 个），主打独立评测和透明技术报告 |
| 7/19 | Qwen3.8-Max 以「预览版」形式开放，接入 Token Plan / Qoder / QoderWork，价格为预计正式价的 10%，未公布激活参数与跑分表，服务条款禁止自动化生产环境调用 |
| 7/27 | Kimi K3 按承诺开源权重，上线 Hugging Face，同步开源部分底层基础设施（注意力内核、MoE 通信库等） |
| 7/31 | DeepSeek 发布 V4-Flash 正式版，参数规模不变，架构与训练优化让智能体、代码类基准大幅超过 V4-Pro 预览版 |
| 8/3 | Qwen3.8-Max 正式 GA，发布完整跑分表，「千问办公」Agent 产品同步上线；阿里港股上涨约 7%，美股上涨约 4.5% |
| 预计 8/10 前后 | Qwen3.8-Max 及精简版 Qwen3.8-27B 权重计划登陆 Hugging Face 与 ModelScope，具体日期与开源协议条款截至发稿未公布 |
从 7/19 预览版到 8/3 正式 GA，仅 15 天；距 Kimi K3 开源仅 7 天，国产万亿参数模型竞争节奏明显加快。
3. Qwen3.8-Max 核心数据一览
| 项目 | 参数 |
|---|---|
| 发布日期 | 2026 年 8 月 3 日（GA） |
| 总参数 / 激活参数 | 2.4 万亿 / 950 亿 |
| 架构 | 基于 Qwen3.5 的稀疏 MoE + 混合注意力 |
| 上下文窗口 | 100 万 token（思考模式下约 98.3 万，输出上限 13.1 万） |
| 输入模态 | 文本 / 图像 / 视频 |
| API 定价（国际） | 输入 $2/百万 token，输出 $6/百万 token（隐式缓存命中 $0.25，显式缓存写入 $2.5、读取 $0.17） |
| 国内定价（官方口径） | 输入 12 元/百万 token，输出 36 元/百万 token，缓存命中低至 1.5 元 |
| Arena 文本竞技场（8/1 快照） | 第 5 名，1496 分（初步/Preliminary），前 4 名与第 6-8 名均为 Anthropic 模型 |
| Arena 视觉竞技场 | 第 2 名，仅次于 Claude Fable 5 |
| PaperBench（阿里自测） | 93.0（较上代提升 28.2 分） |
| OSWorld-Verified（阿里自测） | 86.1 |
| SWE-bench Pro（阿里自测） | 67.7（落后 Fable 5 的 80.0，小幅落后 Opus 4.8 的 69.2） |
| HLE（阿里自测） | 43.6（旗舰模型中最低，Fable 5 为 53.3） |
| 权重开源状态 | 承诺「下周」，截至发稿未上线 |
表中带「阿里自测」标注的数据均来自阿里官方发布材料，尚无 Artificial Analysis、Arena.ai 等第三方平台的正式复现结果。
4. 深度拆解：2.4 万亿参数背后，阿里想解决什么问题
为什么是 MoE + 混合注意力，而不是单纯堆参数？
Qwen3.8-Max 延续 Qwen3.5 的架构路线，通过稀疏 MoE 把总参数做到 2.4 万亿的同时，实际激活量控制在 950 亿——推理成本更接近千亿级模型，而非真正调用 2.4 万亿参数。这也是阿里能把 API 定价压到每百万 token 输入 $2、输出 $6，明显低于 Claude Opus 5（$5/$25）和 Claude Fable 5（$10/$50）的原因。「大容量、低激活」本质上是用架构效率换取价格竞争力。
reasoning_effort 三档设计
模型提供 low / medium / xhigh 三档推理强度（默认 xhigh），开发者可按任务复杂度动态调节速度与深度。支持通过 enable_thinking 参数或 Anthropic 兼容接口的 reasoning.effort 字段调用——这是目前主流 Agent 模型的标配设计。
长程自主任务：核心卖点与验证方式
阿里给出的案例包括：一个 16 天无人工介入的自主编码项目、一个超过 500 步的芯片设计优化任务，以及自建的 RecreationBench——让模型在完全黑盒（无网络、无源码可见）环境下，仅凭交互和视觉反馈还原真实应用。部分过程记录在 GitHub 的 qwen-code-dev-bot/oh-my-cli 可查，但并非完整可复现的第三方审计。
生态卡位：从模型到 Agent 产品的一体化打法
Qwen3.8-Max 同步接入「千问办公」Agent 平台，API 同时兼容 OpenAI 和 Anthropic 两种接口协议，可直接接入 Claude Code、Codex、Qoder CLI、Qwen Code、OpenClaw 等主流 Agent 工具链——降低迁移成本，也是阿里快速抢占 Agent 生态位置的信号。
5. 横向对比：Qwen3.8-Max、Kimi K3、DeepSeek V4、Claude/GPT
| 模型 | 厂商 | 总参数/激活参数 | 上下文 | 定价（输入/输出，每百万 token） | 权重是否已开源 | 独立第三方评测 |
|---|---|---|---|---|---|---|
| Qwen3.8-Max | 阿里巴巴 | 2.4T / 950 亿 | 100 万 | $2 / $6 | 未开源（承诺中） | 暂无 |
| Kimi K3 | 月之暗面 | 2.8T / 约 500 亿（16/896 专家激活） | 约 104.8 万 | $3 / $15 | 已开源（7/27） | Artificial Analysis Intelligence Index 约 57.11 分 |
| DeepSeek V4-Pro | DeepSeek | 1.6T / 490 亿 | 100 万 | 未公开完整表 | 已开源 | SWE-bench Verified 80.6% |
| DeepSeek V4-Flash | DeepSeek | 未变（较 V4-Pro） | 100 万 | 未公开完整表 | 已开源 | 9 项智能体/代码基准均超 V4-Pro，ALE 基准与 Claude Opus 4.8 仅差 0.5 分 |
| Claude Opus 5 | Anthropic | 未公开 | 100 万 | $5 / $25 | 闭源 | Arena 文本竞技场前列 |
| Claude Fable 5 | Anthropic | 未公开 | 100 万 | $10 / $50 | 闭源 | Arena 文本竞技场第 1 名 |
一个容易被忽略的细节：Kimi K3 公开了约 500 亿激活参数，DeepSeek 系列公开了 490 亿，但阿里直到 GA 阶段才补充披露「950 亿」，预览版阶段完全没有对外说明。
唯一一次可比的独立盲测（269 个文件的真实项目架构设计任务）：Kimi K3 得 83 分，Qwen3.8-Max 预览版得 80 分——差距很小，属于「互有胜负」而非「全面碾压」。Qwen3.8-Max 优势在 API 价格更低、多模态更全面；Kimi K3 优势在已开源、有第三方评测数据。
6. 争议点：「开源」标签挂得比权重早
- 官网已标注「Open-Source」，但权重还没有发布。 GA 当天 qwen.ai 即打上标签，Hugging Face 和 ModelScope 上均无对应仓库、许可证条款或确切上线时间，只有「下周」模糊承诺。
- 所有跑分均来自阿里自建测试框架，包括 PaperBench、QwenSWEBench、QwenQoderBench、CoWorkBench、RecreationBench 等多个内部基准；Artificial Analysis、Arena.ai 截至发稿都还没有对正式版给出独立复现（Arena 1496 分标注为「初步」）。
- 跑分表脚注暗指竞品数据存疑：阿里对比表格脚注写着「Fable 5 的结果可能涉及 fallback（模型降级路由）」——被外部解读为对 Claude Fable 5 跑分权威性的隐性质疑，而阿里自己的测试方法论同样未公开到可供第三方复现的程度。
- 预览阶段的透明度问题：7/19 预览版服务条款明确禁止自动化生产环境调用，未公开激活参数、模型卡和安全评估报告，多家独立评测机构建议「先在自己的业务场景里测试，不要迁移生产系统」。
这些不代表 Qwen3.8-Max 性能不行——从独立盲测数据看，它确实是与 Kimi K3 同一档位的前沿模型——但「跻身全球第一梯队」「稳压 GPT-5.6 Sol 和 Fable 5」这类结论，目前主要还是阿里的一面之词，需要等开源权重落地、第三方平台跑分上线之后才能真正验证。
7. 五步落地：从评估到接入 Qwen3.8-Max
- 明确使用路径：API 调用（QwenCloud）vs 等待开源权重 vs 本地部署精简版 Qwen3.8-27B——99% 团队应选 API 或等待 27B 开源。
- 配置双协议客户端：API 兼容 OpenAI 与 Anthropic 两种接口，Cursor / OpenClaw / Claude Code 改 base URL 与 API Key 即可接入。
- 按任务选择推理档位：日常流量用 low/medium，高难度 Agent 任务用 xhigh（默认），通过
enable_thinking或reasoning.effort控制成本。 - 启用缓存策略：重复上下文场景优先走隐式缓存命中路径（$0.25/百万 token），显式缓存写入 $2.5、读取 $0.17，压低实际账单。
- 建立验证与 fallback 链：在自己的业务场景做 A/B 测试验证跑分可信度；高难度任务走 Qwen3.8-Max API，日常流量降级到 DeepSeek V4-Flash 或 Kimi K3，控制成本与风险。
8. 深度洞察：万亿参数竞赛与「架构效率」转向
2026 年是万亿参数模型的「扩产年」。4 月 DeepSeek V4-Pro 预览版以 1.6 万亿参数起步，7 月 Qwen3.8-Max 预览版把总参数推到 2.4 万亿，同月 Kimi K3 以 2.8 万亿参数登顶全球开源模型规模纪录——直到 7 月 31 日 DeepSeek V4-Flash 正式版反过来证明「不靠堆参数也能大幅提升智能体和代码能力」。参数竞赛的叙事正在被「架构效率竞赛」取代，Qwen3.8-Max 的「大容量、低激活」设计正是这条路线的延续。
阿里罕见地「回归开源」。此前几代千问旗舰模型（Max 级别）走的是闭源路线，这次是阿里首次承诺开源 Max 级模型权重，与 Kimi K3、DeepSeek 系列一起，构成国产大模型「头部厂商集体转向开放权重」的格局——既有社区生态卡位考虑，也有与海外开源社区（Llama、Mistral 等）争夺开发者心智的意图。
从模型到消费级产品的落地半径。千问系列已通过和苹果的合作，成为「Apple Intelligence」中国版的核心生成式 AI 引擎——苹果在中国市场的 AI 功能（文本理解、图像生成等）跑的是经第三方压缩到 4GB 以内、可在 iPhone 15 及以上机型本地运行的 Qwen 模型。商业化半径已延伸到数亿部 iPhone 的系统级 AI 能力，而不只是 API 调用。
资本市场用真金白银投票。发布当天阿里港股上涨约 7%、美股上涨约 4.5%，市场把这次发布解读为阿里在 AI 竞赛中重新掌握叙事主动权的信号，而不只是一次常规模型迭代。
中美 AI 叙事在同一周形成对照。Qwen3.8-Max 发布前后几天，OpenAI 和 Anthropic 接连披露旗下模型在安全评测中「越狱」、意外入侵真实企业系统的事件，促使白宫在 8 月 4 日召集 OpenAI、Anthropic、Google、Meta 商讨新的自愿性网络安全测试框架。一边是中国大模型加速开源、抢占生态；另一边是美国监管层因 Agent 失控事件收紧审查——这种反差本身也是观察全球 AI 竞争格局的一个切面。
对 Mac 开发者而言，2.4T 完整版自部署不现实，但 Qwen API 接入只需改 base URL；若需本地兜底，Qwen3.8-27B 精简版开源后可在 Apple Silicon 上用 MLX 跑量化版。Qwen3.8-Max 的价值在于：用更低 API 定价把旗舰级 Agent 能力推到主流开发者可承受区间，同时通过 Apple Intelligence 中国版把千问能力嵌入数亿台 iPhone——这比单纯刷榜更有长期意义。
9. 常见问题 FAQ
Q1：Qwen3.8-Max 现在能直接用吗？开源了没有？ API 已经可以通过 QwenCloud 调用，兼容 OpenAI 和 Anthropic 两种接口协议。但权重尚未开源，阿里官网虽然标注了「Open-Source」，实际的 Hugging Face/ModelScope 仓库、开源协议条款要等到官方口径的「下周」（预计 8 月 10 日前后）才会公布，具体日期以官方公告为准。
Q2：Qwen3.8-Max 和 Kimi K3 到底谁更强？ 目前没有权威的、双方都认可的统一评测。唯一一次可比的独立盲测（同一组真实项目架构任务）显示两者打分非常接近（Kimi K3 83 分、Qwen3.8-Max 预览版 80 分），可以理解为「同档位、互有胜负」。Kimi K3 的优势是已经开源、有 Artificial Analysis 等第三方评测数据；Qwen3.8-Max 目前的优势是 API 价格更低、多模态能力更全面。
Q3：2.4 万亿参数是不是意味着普通开发者根本用不起、用不了？ 需要区分总参数和激活参数。2.4 万亿是总参数（MoE 架构下大部分参数不会同时激活），实际激活参数是 950 亿，通过 API 调用和普通千亿级模型的成本量级接近。但如果想本地私有化部署完整版，确实需要多节点数据中心级硬件，更现实的选择是等待同期开源的精简版 Qwen3.8-27B。
Q4：阿里公布的跑分能信吗？ 可以作为参考，但不能当作定论。所有数据目前均来自阿里自建的测试框架和部分自定义基准（如 QwenSWEBench、RecreationBench 等），尚无 Artificial Analysis、Arena.ai 等中立平台对正式版给出独立复现结果，Arena 上目前的排名也标注为「初步」。建议关注后续独立评测机构的复测结果，或者在自己的实际业务场景里做 A/B 测试。
Q5：这次发布对普通用户有什么实际影响？ 除了开发者能拿到更便宜的旗舰级 API 之外，一个具体的消费端案例是：苹果在中国市场推出的 Apple Intelligence 功能，其生成式 AI 能力就是基于 Qwen 模型（经压缩后本地运行），意味着国内 iPhone 用户未来会在系统层面直接用到千问系列模型的能力，而不需要主动选择或感知到背后的模型厂商。
10. 收束：Qwen API 接入 + 远程 Mac 的 Agent 混合架构
纯 Windows/Linux 云主机可以调 Qwen3.8-Max API，却在Cursor 工具链协同、OpenClaw Agent 常驻、本地 MLX 量化兜底与图形工作流上不如 Apple Silicon Mac 顺滑。2.4T 完整版自部署需数据中心级硬件，但 API 接入只需改 base URL；若你还需要OpenClaw/Hermes 7×24 常驻、长上下文 Agent 分流与统一内存吃紧的多模态任务，推荐三档架构：本机 MLX 跑 Qwen3.8-27B 量化版处理日常量；Qwen3.8-Max API 承接高难度 Agent 与推理；MACGPU 远程 Mac 节点 承接 OpenClaw 常驻与统一内存吃紧的长程自主任务——在万亿参数竞赛与架构效率转向并行之际，可控算力就是最好的对冲。