Qwen3.8-Max 正式发布：核心能力、测试指标与商业化更新一览

Qwen3.8-Max 是阿里巴巴于 2026年8月3日 正式发布的新一代基座大模型。

作为千问系列中规模最大、性能最强的旗舰版本，本次更新在模型架构、核心能力以及商业生态上均实现了显著突破。以下是本次更新的核心亮点及对应的测试指标数据：


一、 本次核心更新亮点

1. 架构与参数规模跃升

模型基于 Qwen3.5 架构构建，采用前沿的稀疏混合专家（MoE）架构与混合注意力机制。

总参数量突破 2.4 万亿（2.4T），但在实际推理时仅激活 950 亿（95B）参数。这种创新设计使模型推理效率提升 30%，推理速度加快 25%，在保持顶尖性能的同时有效控制了计算成本。

2. 支持原生多模态与超长上下文

Qwen3.8-Max 首次支持视觉理解功能，实现了多模态视觉生产力，涵盖教育解题、视频理解与三维创作等。

同时，上下文处理长度扩展至 1M Tokens，大幅提升了长文本处理与复杂多轮对话的连贯性。

3. 长周期自主编程与办公能力突破

模型的能力重心，正在明显转向长周期的自主任务。

拿编程来说，已经不只是“辅助写代码”这么简单，而是进一步实现了从零开始自主开发完整项目的突破。面对一个空文件夹，它也能自动推进真实项目开发，连续运行十余天且全程不需要人工干预。

放到专业办公场景里看，借助真实环境与算力结合的强化训练，这一模型在法律咨询、金融分析、文档处理等 200 余种高频专业任务中同样表现亮眼，能够稳定产出符合生产标准的成果。

4. Max 级别模型首次开源

与历代 Max 级模型仅通过 API 提供服务不同，官方宣布 Qwen3.8-Max 将于下周正式开放源代码（权重在 Hugging Face 和 ModelScope 发布），同期还将开源 270 亿参数的 Qwen3.8-27B 版本。

二、 核心测试指标与基准测试数据

根据官方自测及第三方权威榜单数据，Qwen3.8-Max 在多项核心指标上表现优异：

1. 第三方权威榜单排名

• Text Arena（文本综合评测）：综合性能跻身全球顶尖行列，排名第五，仅次于 Anthropic 的 Claude 系列。
• Vision Arena（视觉评测）：排名全球第二。
• Frontend Code Arena（前端代码评测）：排名全球第四。
• Artificial Analysis Agentic Index（智能体能力）：以 55.4 分位列全球第一，超越 Claude Opus5 和 GPT5.6，首次为中国模型拿下该榜单冠军。

2. 核心基准测试（Benchmark）得分

• PaperBench（科研复现/论文能力）：得分 93.0，较上代大幅提升 28.2 分，超越 Anthropic Fable 5（88.8）和 GPT-5.6 Sol（90.5）。
• IFBench（指令遵循）：得分 82.8，大幅领先 Fable 5（63.5）。
• OSWorld-Verified（智能体电脑操作能力）：得分 86.1，位居主流模型首位，超越 Fable 5（85.0）。
• GPQA Diamond（科学推理）：取得 92.6 分。
• BabyVision（视觉推理）：在无工具条件下取得 82.0 分，超出部分主流模型近两倍。
• CoWorkBench（通用协作）：得分 74.8，与 Fable 5（75.9）差距极小。
• WideSearch（通用智能体评测）：得分 81.9。

3. 部分工程实现基准（存在差距）

• SWE-bench Pro（真实软件工程）：得分 67.7，低于 Claude Fable 5 的 80.0。
• Terminal Bench 2.1：得分 86.6，低于 GPT-5.6 Sol 的 88.8。

4. 长周期任务实战指标

• 自主编程：在完全无人工干预的环境下独立运行约 16 天，留下 265 次 commit 与 127 个 PR，产出名为“oh-my-cli”的自进化智能体框架。
• 科研复现：连续工作约 125 小时、编写约 7,600 行代码、完成 33 轮 GPU 训练，先复现目标论文结论，再经四轮探索取得高于原方法 2.71 分的结果。
• 芯片设计优化：在芯片设计沙箱内历经约 500 轮交互，将硬件门数由 8,298 门精简至 678 门。

三、 API 定价与商业化更新

Qwen3.8-Max 的 API 服务现已同步接入千问AI平台。

就国内市场来看，其定价相当直接：每百万 Tokens 输入 12 元，输出 36 元，而隐式缓存命中后的价格最低只需 1.5 元。

再看国际市场，这套价格策略同样很有竞争力，输入和输出成本分别仅为 Opus5 的 40% 与 24%。

也就是说，在智能水平相近的前提下，它把性价比又往上推了一步。