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

如果你在追踪 2026 年 8 月国产万亿参数大模型的发布节奏，阿里巴巴千问 Qwen3.8-Max 是这周绕不开的名字。2026 年 8 月 3 日 GA 全量上线：总参数 2.4 万亿、激活 950 亿、100 万 token 上下文，同步推出 Agent 产品「千问办公」，Arena 文本竞技场冲进全球前五——但截至发稿，所有跑分均来自阿里自测，权重尚未开源。本文梳理从预览版到正式版的两周时间线、核心规格与竞品对比，并拆解「开源」标签挂得比权重早的四个争议点。

SECTION 01 2026 年 8 月万亿参数大战中，Qwen3.8-Max 最该警惕的三个信号

7 月中旬到 8 月初，国产大模型发布密度极高。把 Qwen3.8-Max 放进这条时间线，比单看一张跑分表更能判断风险。

• 预览版透明度不足：7 月 19 日预览版开放时未公布激活参数量、未提供跑分表，服务条款还明确禁止自动化生产环境调用——多家独立评测机构当时建议「先在自己的业务场景里测试，不要迁移生产系统」。
• 「开源」标签先于权重落地：GA 当天 qwen.ai 已标注「Open-Source」，但 Hugging Face 与 ModelScope 截至 8 月 4 日仍无对应仓库、许可证条款或确切上线时间，只有「下周」（预计 8 月 10 日前后）的模糊承诺。
• 跑分权威性与竞品脚注争议：PaperBench、QwenSWEBench、RecreationBench 等多为阿里自建基准；对比表脚注写着「Fable 5 的结果可能涉及 fallback」——对竞品跑分的隐性质疑，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。

时间线速览：

• 7 月 16 日 — 月之暗面发布 Kimi K3（2.8 万亿参数，7 月 27 日按承诺开源权重）。
• 7 月 19 日 — Qwen3.8-Max 预览版上线 Token Plan / Qoder / QoderWork，定价为正式价 10%。
• 7 月 31 日 — DeepSeek V4-Flash 正式版发布，参数规模不变但智能体/代码基准大幅超过 V4-Pro 预览版。
• 8 月 3 日 — Qwen3.8-Max GA，发布完整跑分表，「千问办公」同步上线；阿里港股涨约 7%、美股涨约 4.5%。

SECTION 02 Qwen3.8-Max 核心规格与 Arena 排名数据对照

以下数据来自阿里官方发布材料与 Arena.ai 公开排行榜（2026 年 8 月 1 日快照）。带「阿里自测」标注的条目尚无 Artificial Analysis 等第三方平台的正式复现结果。

在 Arena 文本竞技场前 8 名中，Qwen3.8-Max 是唯一挤进去的非 Anthropic 模型——但排名标注为「初步」，且尚无独立第三方对正式版的完整复现。

SECTION 03 2.4 万亿 MoE 架构拆解：大容量、低激活的设计逻辑

Qwen3.8-Max 延续 Qwen3.5 的稀疏 MoE 路线：总参数 2.4 万亿，实际激活控制在 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 API 定价能压到 $2/$6（明显低于 Claude Opus 5 的 $5/$25 和 Fable 5 的 $10/$50）的架构基础。

• reasoning_effort 三档：low / medium / xhigh（默认 xhigh），通过 enable_thinking 或 Anthropic 兼容接口的 reasoning.effort 字段调用，按任务复杂度调节速度与深度。
• 长程自主任务：阿里案例包括 16 天无人工介入的自主编码项目、500+ 步芯片设计优化，以及自建 RecreationBench（黑盒环境下仅凭交互与视觉反馈还原真实应用）——部分过程记录在 GitHub qwen-code-dev-bot/oh-my-cli，但并非完整可复现的第三方审计。
• 生态卡位：同步接入「千问办公」Agent 平台，API 兼容 OpenAI 与 Anthropic 两种协议，可直接接入 Claude Code、Codex、Qoder CLI、Qwen Code、OpenClaw 等工具链。

SECTION 04 Qwen3.8-Max vs Kimi K3 vs DeepSeek V4：横向对比矩阵

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」。Kimi K3 的优势是已开源、有第三方评测；Qwen3.8-Max 的优势是 API 价格更低、多模态更全面。详见GPT-5.6 降价后的 API 价格战格局。

SECTION 05 Qwen3.8-Max 发布后的六步评估与接入清单

1. 确认权重开源时间表：关注阿里官方公告与 Hugging Face / ModelScope 仓库上线，预计 8 月 10 日前后；在权重落地前，「Open-Source」标签仅表示意图而非已交付产物。
2. 区分总参数与激活参数：2.4 万亿是 MoE 总容量，实际激活 950 亿；API 调用成本按激活量级计费，本地私有化部署完整版则需多节点数据中心级硬件。
3. 在 Preview 与 GA 基准间做 A/B：预览版无公开跑分，GA 版跑分均为阿里自建框架——建议在自己的业务场景做盲测，勿仅凭厂商表格迁移生产系统。
4. 核对 API 兼容层：原生 OpenAI 与 Anthropic 双协议支持，迁移 Claude Code / Codex 工作流时重点测试 reasoning.effort 与缓存命中定价（隐式缓存 $0.25、显式写入 $2.5、读取 $0.17）。
5. 横向比价 Kimi K3 与 DeepSeek V4：若需要已验证的开源权重与独立基准，Kimi K3 更成熟；若追求更低 API 单价与多模态，Qwen3.8-Max 有价格优势。
6. 关注独立评测机构复测：Artificial Analysis、Arena.ai 正式版收录后，再更新生产选型决策；在此之前将阿里自测数据视为参考而非定论。

SECTION 06 可引用技术数据与权威来源

• 阿里自测 PaperBench：93.0（较上代提升 28.2 分）
• 阿里自测 SWE-bench Pro：67.7（落后 Fable 5 的 80.0、Opus 4.8 的 69.2）
• 阿里自测 HLE：43.6（旗舰模型中最低，Fable 5 为 53.3）
• 消费端落地：苹果中国市场 Apple Intelligence 的生成式 AI 能力基于经压缩的 Qwen 模型，可在 iPhone 15 及以上本地运行
• 资本市场反应：发布当日阿里港股涨约 7%、美股涨约 4.5%
• 行业背景：8 月 4 日白宫召集 OpenAI、Anthropic、Google、Meta 商讨 Agent 网络安全测试框架，与国产大模型加速开源形成对照

以下链接请在发版或上游更新后再次打开核对：

Arena.ai — 文本与视觉竞技场公开排行榜

Alibaba Cloud Model Studio — 官方 API 与定价文档

TechCrunch — Apple Intelligence 中国版与 Qwen 合作报道

纯 API 调用看似便宜，但长程 Agent 7×24 跑下来账单不可控、厂商自测跑分难以复现、权重未开源前无法本地私有化——在需要反复试 prompt、联调工具链、对比 Kimi K3 与 Qwen 路由的生产环境里，成本与稳定性往往比 headline 参数更重要。对于需要零损耗原生算力、在 Mac 上本地跑量化模型做 A/B、同时稳定 iOS CI/CD 与 AI Agent 自动化的团队，VPSNIX 的云端物理节点通常是更优解——100% 苹果原装物理机、完整 Root 权限、无 Hypervisor 损耗、按天/周/月弹性下单。结合Mac mini M4 云租赁全解析与定价页评估双栈方案。

SECTION 07 常见问题 FAQ