阿里 Qwen3.8-Max 正式 GA：
2.4 兆參數躋身 Arena 全球前五

2026 年 8 月 3 日，阿里巴巴正式將旗艦大模型 Qwen3.8-Max 推進 GA，並同步上線 Agent 產品「千問辦公」。模型總參數 2.4 兆、激活 950 億、上下文 100 萬 token，在 Arena 文本競技場前 8 名中是唯一非 Anthropic 模型（第 5 名、1496 分，標註為初步結果）。本文面向評估旗艦 API 與 Agent 遷移的開發者與技術決策者，系統梳理發佈時間線、核心跑分、與 Kimi K3 及 DeepSeek V4 的橫向對照，並拆解「開源」標籤與跑分可信度爭議。

SECTION 01 Qwen3.8-Max 選型痛點：資訊透明度缺口與「開源」標籤超前

8 月 3 日 GA 前後，開發者社群最常見的誤判與顧慮包括：

• 把官網「Open-Source」標籤當權重已上線：截至發稿，Hugging Face 與 ModelScope 尚無對應儲存庫，僅承諾「下週」開源 Qwen3.8-Max 與精簡版 Qwen3.8-27B；
• 把阿里自測跑分當獨立驗證結論：PaperBench、OSWorld-Verified、SWE-bench Pro 等數據均來自阿里自建框架，Artificial Analysis 等平台尚未複現正式版；
• 忽視預覽版階段的透明度批評：7 月 19 日預覽版未公布激活參數、禁止自動化生產呼叫，多家評測機構建議勿直接遷移生產；
• 誤讀 Arena 初步排名：1496 分標註為 Preliminary，前 4 名與第 6–8 名均為 Anthropic 模型，樣本與方法論仍可能變動；
• 低估 Agent 落地對底層算力環境的要求：長程自主任務（16 天編碼、500+ 步晶片設計）對 CI 與 macOS 流水線穩定性提出更高要求，虛擬化環境易出現隱性損耗。

阿里港股發佈當日上漲約 7%、美股約 4.5%——資本市場將其解讀為阿里重掌 AI 敘事主導權，而非普通迭代。

SECTION 02 Qwen3.8-Max 發佈時間線與核心參數一覽

• 7 月 16 日：月之暗面發佈 Kimi K3（2.8 兆參數，896 專家激活 16 個），主打獨立評測與透明技術報告；
• 7 月 19 日：Qwen3.8-Max 預覽版上線 Token Plan / Qoder / QoderWork，定價為正式價 10%，未公布激活參數與跑分；
• 7 月 27 日：Kimi K3 按承諾開源權重至 Hugging Face，同步開源 MoonEP、FlashKDA 等基礎設施；
• 7 月 31 日：DeepSeek 發佈 V4-Flash 正式版，九項智能體／程式碼基準超 V4-Pro 預覽版，參數規模未增；
• 8 月 3 日：Qwen3.8-Max 正式 GA，發佈完整跑分表，「千問辦公」同步上線；
• 預計 8 月 10 日前後：官方口徑「下週」開源 Qwen3.8-Max 與 Qwen3.8-27B 權重，具體日期與授權條款尚未公布。

SECTION 03 MoE 架構拆解與旗艦模型橫向對比

Qwen3.8-Max 延續 Qwen3.5 路線：稀疏 MoE 將總參數推至 2.4 兆，激活控制在 950 億，推理成本更接近千億級模型而非全量 2.4T。API 定價 $2／$6 明顯低於 Claude Opus 5（$5／$25）與 Claude Fable 5（$10／$50），本質是用架構效率換價格競爭力。

模型提供 reasoning_effort 三檔（low／medium／xhigh，預設 xhigh），可透過 enable_thinking 或 Anthropic 相容介面的 reasoning.effort 調節速度與深度。API 同時相容 OpenAI 與 Anthropic 協定，可接入 Claude Code、Codex、Qoder CLI、Qwen Code、OpenClaw 等主流 Agent 工具鏈。

阿里自測跑分（須標註來源）：PaperBench 93.0（+28.2）、OSWorld-Verified 86.1、SWE-bench Pro 67.7（落後 Fable 5 的 80.0）、HLE 43.6（旗艦中偏低，Fable 5 為 53.3）。對照表腳註曾暗示「Fable 5 結果可能涉及 fallback」，但阿里自身測試方法論亦未完全公開至可第三方複現程度。

SECTION 04 「開源」標籤爭議與 6 步 API 接入清單

本次發佈最值得警惕的不是峰值跑分，而是資訊披露的時間差：官網 GA 當天已標註 Open-Source，但權重、授權條款與確切日期均未公布；所有跑分來自阿里自建框架（含 QwenSWEBench、RecreationBench 等內部基準）；預覽階段禁止生產自動化呼叫且缺少 model card。

1. 核對開源狀態：在 Hugging Face／ModelScope 搜尋 Qwen3.8-Max，確認儲存庫、授權條款與權重是否已實際上線，勿僅憑官網標籤遷移；
2. 選擇接入協定：按現有工具鏈選擇 OpenAI 相容或 Anthropic 相容端點，評估千問辦公 Agent 與純 API 呼叫的分工；
3. 設定 reasoning 檔位：對延遲敏感任務設 low 或 medium，複雜 Agent 任務預設 xhigh 並監控 token 成本；
4. 啟用快取策略：利用隱式／顯式快取定價（命中 $0.25、讀取 $0.17）降低長上下文 Agent 的實際帳單；
5. 業務場景 A/B 測試：在自有工作負載上與 Kimi K3、DeepSeek V4 做盲審對比，勿僅依賴廠商自報跑分；
6. 規劃 Agent 基礎設施：長程任務需穩定 CI 與 macOS 編譯環境，評估實體 Mac 節點與虛擬化方案的總擁有成本。

from anthropic import Anthropic

client = Anthropic(
    api_key="YOUR_DASHSCOPE_API_KEY",
    base_url="https://dashscope.aliyuncs.com/api/v2/apps/anthropic/v1"
)

response = client.messages.create(
    model="qwen3.8-max",
    max_tokens=4096,
    thinking={"type": "enabled", "budget_tokens": 8000},
    messages=[{"role": "user", "content": "Summarize MoE active params for Qwen3.8-Max."}]
)
print(response.content[0].text)

SECTION 05 可引用技術資料、產業背景與選型結論

• 2.4T 總參數／950 億激活：GA 階段才首次披露激活量，預覽版階段完全未公開，是 7 月透明度批評焦點之一；
• API $2／$6（每百萬 token）：低於 Claude Opus 5 與 Fable 5，大陸口徑輸入 12 元、輸出 36 元、快取命中 1.5 元；
• Arena 文本第 5（1496，Preliminary）：前 8 名中唯一非 Anthropic 模型，視覺競技場第 2；
• 長程案例：阿里披露 16 天無人工介入編碼、500+ 步晶片設計最佳化；部分過程見 GitHub qwen-code-dev-bot/oh-my-cli，非完整第三方稽核；
• 消費端落地：千問已支撐國行 Apple Intelligence 生成式能力（壓縮後本機執行），詳見 蘋果 AI 中國版與千問合作專題。

2026 年兆級參數模型進入「擴產年」，但 DeepSeek V4-Flash 已證明不靠堆參數也能提升 Agent 能力；阿里此次罕見承諾開源 Max 級權重，與 Kimi K3、DeepSeek 構成國產頭部「開放權重」格局。同期 OpenAI、Anthropic 披露 Agent 越獄事件，白宮 8 月 4 日召集巨頭商討自願性網路安全測試——中美 AI 敘事在同一週形成鮮明對照。

以下連結為官方與第三方來源，發版後請以最新頁面為準：

Arena.ai：文字與視覺競技場公開排行榜

GitHub：qwen-code-dev-bot/oh-my-cli（長程編碼案例部分記錄）

TechCrunch：Apple Intelligence 中國版採用阿里巴巴 Qwen

若團隊基於 Qwen3.8-Max 建構 Agent 流水線，虛擬化 Mac 在 Xcode 編譯、Metal 加速與 iOS CI 場景存在效能損耗與相容性風險。對於需要零損耗原生算力、穩定 iOS CI/CD 與 AI Agent 7×24 自動化的生產環境，MACNOX 的雲端實體節點通常是更優解：100% 蘋果原裝實體機、開放完整 Root 權限、無 Hypervisor 損耗、按天／週／月彈性下單。更多國產模型選型背景可參考 OpenRouter 7 月排行榜分析。

SECTION 07 常見問題 FAQ