阿里 Qwen3.8-Max 发布：
2.4 万亿参数冲进 Arena 全球前五

2026 年 8 月 3 日，阿里巴巴正式发布新一代旗舰大模型 Qwen3.8-Max 并同步上线 Agent 产品「千问办公」。模型总参数 2.4 万亿、激活 950 亿、上下文 100 万 token，在 Arena 文本竞技场前 8 名中是唯一非 Anthropic 模型（第 5 名，1496 分，标注为初步结果）。本文面向评估旗舰 API 与 Agent 迁移的开发者与技术负责人，严格梳理发布时间线、核心跑分、与 Kimi K3 及 DeepSeek V4 的横向对照，并拆解「开源」标签与跑分可信度争议。

SECTION 01 Qwen3.8-Max 选型痛点：透明度缺口与「开源」标签超前

8 月 3 日 GA 前后，开发者社区最常见的误判与顾虑包括：

• 把官网「Open-Source」标签当权重已上线：截至发稿，Hugging Face 与 ModelScope 尚无对应仓库，仅承诺「下周」开源 Qwen3.8-Max 与精简版 Qwen3.8-27B；
• 把阿里自测跑分当独立验证结论：PaperBench、OSWorld-Verified、SWE-bench Pro 等数据均来自阿里自建框架，Artificial Analysis 等平台尚未复现正式版；
• 忽视预览版阶段的透明度批评：7 月 19 日预览版未公布激活参数、禁止自动化生产调用，多家评测机构建议勿直接迁移生产；
• 误读 Arena 初步排名：1496 分标注为 Preliminary，前 4 名与第 6–8 名均为 Anthropic 模型，样本与方法论仍可能变化；
• 低估 Agent 落地对底层算力环境的要求：长程自主任务（16 天编码、500+ 步芯片设计）对 CI 与 macOS 流水线稳定性提出更高要求，虚拟化环境易出现隐性损耗。

阿里港股发布当日上涨约 7%、美股约 4.5%——资本市场将其解读为阿里重掌 AI 叙事主动权，而非普通迭代。

SECTION 02 Qwen3.8-Max 发布时间线与核心参数一览

• 7 月 16 日：月之暗面发布 Kimi K3（2.8 万亿参数，896 专家激活 16 个），主打独立评测与透明技术报告；
• 7 月 19 日：Qwen3.8-Max 预览版上线 Token Plan / Qoder / QoderWork，定价为正式价 10%，未公布激活参数与跑分；
• 7 月 27 日：Kimi K3 按承诺开源权重至 Hugging Face，同步开源 MoonEP、FlashKDA 等基础设施；
• 7 月 31 日：DeepSeek 发布 V4-Flash 正式版，九项智能体/代码基准超 V4-Pro 预览版，参数规模未增；
• 8 月 3 日：Qwen3.8-Max 正式 GA，发布完整跑分表，「千问办公」同步上线；
• 预计 8 月 10 日前后：官方口径「下周」开源 Qwen3.8-Max 与 Qwen3.8-27B 权重，具体日期与许可证条款尚未公布。

SECTION 03 MoE 架构拆解与旗舰模型横向对比

Qwen3.8-Max 延续 Qwen3.5 路线：稀疏 MoE 将总参数推至 2.4 万亿，激活控制在 950 亿，推理成本更接近千亿级模型而非全量 2.4T。API 定价 $2/$6 明显低于 Claude Opus 5（$5/$25）与 Claude Fable 5（$10/$50），本质是用架构效率换价格竞争力。

模型提供 reasoning_effort 三档（low / medium / xhigh，默认 xhigh），可通过 enable_thinking 或 Anthropic 兼容接口的 reasoning.effort 调节速度与深度。API 同时兼容 OpenAI 与 Anthropic 协议，可接入 Claude Code、Codex、Qoder CLI、Qwen Code、OpenClaw 等主流 Agent 工具链。

阿里自测跑分（须标注来源）：PaperBench 93.0（+28.2）、OSWorld-Verified 86.1、SWE-bench Pro 67.7（落后 Fable 5 的 80.0）、HLE 43.6（旗舰中偏低，Fable 5 为 53.3）。对比表脚注曾暗示「Fable 5 结果可能涉及 fallback」，但阿里自身测试方法论亦未完全公开至可第三方复现程度。

SECTION 04 「开源」标签争议与 6 步 API 接入清单

本次发布最值得警惕的不是峰值跑分，而是信息披露的时间差：官网 GA 当天已标注 Open-Source，但权重、许可证与确切日期均未公布；所有跑分来自阿里自建框架（含 QwenSWEBench、RecreationBench 等内部基准）；预览阶段禁止生产自动化调用且缺少 model card。

1. 核对开源状态：在 Hugging Face / ModelScope 搜索 Qwen3.8-Max，确认仓库、许可证与权重是否已实际上线，勿仅凭官网标签迁移；
2. 选择接入协议：按现有工具链选择 OpenAI 兼容或 Anthropic 兼容端点，评估千问办公 Agent 与纯 API 调用的分工；
3. 配置 reasoning 档位：对延迟敏感任务设 low 或 medium，复杂 Agent 任务默认 xhigh 并监控 token 成本；
4. 启用缓存策略：利用隐式/显式缓存定价（命中 $0.25、读取 $0.17）降低长上下文 Agent 的实际账单；
5. 业务场景 A/B 测试：在自有工作负载上与 Kimi K3、DeepSeek V4 做盲审对比，勿仅依赖厂商自报跑分；
6. 规划 Agent 基础设施：长程任务需稳定 CI 与 macOS 编译环境，评估物理 Mac 节点与虚拟化方案的总拥有成本。

# Anthropic 兼容接口示例（reasoning.effort）
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 可引用技术数据、行业背景与选型结论

• 2.4T 总参数 / 950 亿激活：GA 阶段才首次披露激活量，预览版阶段完全未公开，是 7 月透明度批评焦点之一；
• API $2/$6（每百万 token）：低于 Claude Opus 5 与 Fable 5，国内口径输入 12 元、输出 36 元、缓存命中 1.5 元；
• Arena 文本第 5（1496，Preliminary）：前 8 名中唯一非 Anthropic 模型，视觉竞技场第 2；
• 长程案例：阿里披露 16 天无人工介入编码、500+ 步芯片设计优化；部分过程见 GitHub qwen-code-dev-bot/oh-my-cli，非完整第三方审计；
• 消费端落地：千问已支撑国行 Apple Intelligence 生成式能力（压缩后本地运行），详见 苹果 AI 中国版与千问合作专题。

2026 年万亿参数模型进入「扩产年」，但 DeepSeek V4-Flash 已证明不靠堆参数也能提升 Agent 能力；阿里此次罕见承诺开源 Max 级权重，与 Kimi K3、DeepSeek 构成国产头部「开放权重」格局。同期 OpenAI、Anthropic 披露 Agent 越狱事件，白宫 8 月 4 日召集巨头商讨自愿性网络安全测试——中美 AI 叙事在同一周形成鲜明对照。

以下链接为官方与第三方来源，发版后请以最新页面为准：

Arena.ai：文本与视觉竞技场公开排行榜

GitHub：qwen-code-dev-bot/oh-my-cli（长程编码案例部分记录）

TechCrunch：Apple Intelligence 中国版采用阿里巴巴 Qwen

若团队基于 Qwen3.8-Max 构建 Agent 流水线，虚拟化 Mac 在 Xcode 编译、Metal 加速与 iOS CI 场景存在性能损耗与兼容性风险。对于需要零损耗原生算力、稳定 iOS CI/CD 与 AI Agent 7×24 自动化的生产环境，MACNOX 的云端物理节点通常是更优解：100% 苹果原装物理机、开放完整 Root 权限、无 Hypervisor 损耗、按天/周/月弹性下单。更多国产模型选型背景可参考 OpenRouter 7 月排行榜分析。

SECTION 07 常见问题 FAQ