2026 年 8 月 3 日，阿里巴巴正式发布旗舰大模型千问 Qwen3.8-Max：总参数 2.4 万亿、激活 950 亿、100 万 token 上下文，同步上线 Agent 产品「千问办公」。如果你是一名关注前沿大模型选型的 AI 开发者或 Agent 基础设施负责人，本文一次讲清楚发布时间线、核心跑分、与 Kimi K3/DeepSeek V4 的横向对比，以及「开源」标签为何引发争议。结论先行：Qwen3.8-Max 在 Arena 文本竞技场排名第 5（1496 分，标注 Preliminary），是前 8 名中唯一的非 Anthropic 模型；但截至发稿，权重尚未开源，所有跑分均来自阿里自测，第三方权威平台尚未收录正式复现结果。
01 7 月密集发布：从 Kimi K3 到 Qwen3.8-Max GA
2026 年 7–8 月，中国大模型赛道进入「万亿参数周」——几乎每周都有重磅发布，透明度与跑分可信度成为开发者最关心的问题：
- 7 月 16 日：月之暗面发布 Kimi K3，2.8 万亿参数（896 专家中激活 16 个），主打独立评测与透明技术报告。
- 7 月 19 日：Qwen3.8-Max 以「预览版」先行开放，接入 Token Plan / Qoder / QoderWork，价格为预计正式价的 10%，但未公布激活参数量、未提供跑分表，服务条款明确禁止自动化生产环境调用。
- 7 月 27 日：Kimi K3 按承诺时间开源权重，上线 Hugging Face，并同步开源部分底层基础设施（注意力内核、MoE 通信库等）。
- 7 月 31 日：DeepSeek 发布 V4-Flash 正式版，在参数规模不变的前提下，靠架构与训练优化让智能体、代码类基准大幅超过自家上一代 V4-Pro 预览版。
- 8 月 3 日：Qwen3.8-Max 正式 GA，发布完整跑分表，「千问办公」Agent 产品同步上线，对标腾讯 WorkBuddy、Moonshot Kimi Work。当天阿里巴巴港股上涨约 7%，美股上涨约 4.5%。
- 预计 8 月 10 日前后（官方口径「下周」）：Qwen3.8-Max 及其精简版 Qwen3.8-27B 的权重计划登陆 Hugging Face 与 ModelScope，但截至发稿，具体日期与开源协议条款均未公布。
预览版阶段的透明度缺口——未公开激活参数、无 model card、禁止生产环境自动化调用——是多家独立评测机构在 7 月点名批评「信息不足」的原因之一。GA 阶段虽补充了 950 亿激活参数与完整跑分表，但第三方复现仍待观察。
02 核心数据一览：参数、定价与 Arena 排名
| 项目 | Qwen3.8-Max |
|---|---|
| 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 |
| API 定价（国内） | 输入 12 元/百万 token，输出 36 元/百万 token |
| Arena 文本竞技场（8/1 快照） | 第 5 名，1496 分（Preliminary）；前 8 名中唯一非 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） |
| SWE-bench Pro（阿里自测） | 67.7（落后 Fable 5 的 80.0） |
| 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。
03 深度拆解：MoE 架构、推理档位与长程 Agent 能力
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。
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。
长程自主任务是本次发布的核心卖点：阿里给出的案例包括 16 天无人工介入的自主编码项目、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：Qwen3.8-Max 同步接入「千问办公」Agent 平台，API 同时兼容 OpenAI 和 Anthropic 两种协议，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，也是阿里抢占 Agent 生态位置的信号。值得注意的是，千问系列已通过与苹果的合作成为国行 Apple Intelligence 的核心生成式 AI 引擎。
04 横向对比：Qwen3.8-Max、Kimi K3、DeepSeek V4 与六步选型指南
| 模型 | 总参数/激活 | 定价（输入/输出，每百万 token） | 权重开源 | 独立第三方评测 |
|---|---|---|---|---|
| Qwen3.8-Max | 2.4T / 950 亿 | $2 / $6 | 未开源（承诺中） | 暂无 |
| Kimi K3 | 2.8T / 约 500 亿 | $3 / $15 | 已开源（7/27） | Artificial Analysis ≈ 57.11 |
| DeepSeek V4-Flash | 较 V4-Pro 未变 | 未公开完整表 | 已开源 | 9 项智能体/代码基准超 V4-Pro |
| Claude Fable 5 | 未公开 | $10 / $50 | 闭源 | Arena 文本竞技场第 1 名 |
| 独立盲测（269 文件架构任务） | Kimi K3 83 分 vs Qwen3.8-Max 预览版 80 分——同档位、互有胜负 | |||
在评估是否将生产 Agent 工作流迁移到 Qwen3.8-Max 之前，建议按以下六步自检：
- 明确工作负载类型：编码 Agent、多模态文档理解、还是长程自主任务？对照 SWE-bench Pro（67.7）与 HLE（43.6）等分项，而非只看总分。
- 核对 API 协议兼容性：确认现有工具链（Claude Code、OpenClaw、Codex）是否支持 OpenAI 或 Anthropic 兼容端点，并测试
reasoning_effort档位对延迟的影响。 - 对比总拥有成本：以月均 10 亿 input + 2 亿 output token 估算，Qwen3.8-Max 约 $32/月，Kimi K3 约 $60/月——但需计入缓存命中率与失败重试成本。
- 等待或验证开源权重：若需本地私有化部署，关注 8 月 10 日前后 Hugging Face / ModelScope 仓库与许可证条款；完整版 2.4T 需数据中心级硬件，普通开发者更现实的选择是 Qwen3.8-27B。
- 在自己的业务场景做 A/B 测试：不要仅凭厂商自报跑分迁移生产系统；用真实代码库、真实 Agent 链路做盲审对比。
- 评估 Agent 运行环境：若需在本地 Mac 上稳定运行 Claude Code、OpenClaw 等 Agent 工具链做联调，确保底层是裸金属 Apple 硬件而非虚拟化环境——详见定价页与下单页。
05 开源争议、行业背景、FAQ 与决策结论
这次发布最值得警惕的一点，不是性能，而是信息披露的时间差：
- 官网已标注「Open-Source」，但权重还没有发布。 qwen.ai 在 GA 当天就打上了开源标签，但 Hugging Face 和 ModelScope 上尚无对应仓库或许可证条款。
- 所有跑分均来自阿里自建测试框架，包括 QwenSWEBench、RecreationBench 等内部基准；Arena 上的 1496 分标注为「Preliminary」。
- 跑分表脚注暗指竞品数据存疑：「Fable 5 的结果可能涉及 fallback」——缺乏技术细节支撑，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。
- 预览阶段透明度不足：7 月 19 日预览版禁止生产环境自动化调用，多家独立评测机构当时建议「先在自己的业务场景里测试」。
往大了看：2026 年是万亿参数模型的「扩产年」，但 DeepSeek V4-Flash 已证明「不靠堆参数也能大幅提升智能体能力」——参数竞赛的叙事正在被「架构效率竞赛」取代。阿里罕见地承诺开源 Max 级模型权重，与 Kimi K3、DeepSeek 一起构成国产大模型「头部厂商集体转向开放权重」的格局。发布当天阿里港股涨约 7%、美股涨约 4.5%，资本市场用真金白银投票；同一周，OpenAI 与 Anthropic 披露 Agent 安全评测「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框架——中美 AI 叙事形成鲜明对照。
Qwen3.8-Max 现在能直接用吗？开源了没有？
API 已可通过 QwenCloud 调用，兼容 OpenAI 和 Anthropic 两种接口协议。但权重尚未开源，官网虽标注「Open-Source」，实际 Hugging Face/ModelScope 仓库与开源协议条款要等到官方口径的「下周」（预计 8 月 10 日前后）。
Qwen3.8-Max 和 Kimi K3 到底谁更强？
目前没有权威的统一评测。唯一可比的独立盲测显示两者打分非常接近（Kimi K3 83 分、Qwen3.8-Max 预览版 80 分），属于「同档位、互有胜负」。Kimi K3 优势是已开源、有第三方评测；Qwen3.8-Max 优势是 API 价格更低、多模态更全面。
2.4 万亿参数是不是意味着普通开发者根本用不起？
需区分总参数和激活参数。实际激活 950 亿，通过 API 调用成本接近千亿级模型。本地私有化部署完整版需多节点数据中心级硬件；更现实的选择是等待 Qwen3.8-27B 开源权重。
阿里公布的跑分能信吗？
可作为参考，不能当作定论。所有数据目前均来自阿里自建测试框架，尚无中立平台对正式版给出独立复现。建议关注后续独立评测，或在自己的业务场景做 A/B 测试。
这次发布对普通用户有什么实际影响？
开发者能拿到更便宜的旗舰级 API；消费端方面，苹果国行 Apple Intelligence 的生成式 AI 能力基于千问模型（经压缩后本地运行），国内 iPhone 用户将在系统层面直接用到千问系列能力。
可引用硬核数据：
- 总参数 / 激活参数：2.4 万亿 / 950 亿（MoE 稀疏激活约 4%）
- API 定价：国际 $2/$6 per M tokens；国内 12/36 元 per M tokens
- Arena 文本竞技场：第 5 名，1496 分（Preliminary，8/1 快照）
- 独立盲测：Kimi K3 83 vs Qwen3.8-Max 预览版 80（269 文件架构任务）
- 资本市场：发布日阿里港股 +7%、美股 +4.5%
- 开源承诺：Qwen3.8-Max + Qwen3.8-27B，预计 8 月 10 日前后
官方与第三方参考来源（发版后请再次打开链接核对）：
Alibaba Cloud — Qwen3.8-Max 官方新闻稿
Alibaba Cloud Community — Qwen3.8-Max 技术博客
TechCrunch — Apple Intelligence 中国版与千问合作报道
云端 API 看似便宜，直到厂商自报跑分无法独立验证、开源标签先于权重上线、以及 Agent 工具链在不稳定虚拟化环境中频繁中断在发版窗口期集中暴露。对于需要零损耗原生算力、稳定 iOS CI/CD 与 Claude Code / OpenClaw 等 Agent 工具 7×24 自动化的生产环境，ZUKCLOUD 的裸金属 Mac mini 云端节点通常是更优解：真实 Apple 硬件、完整 Root 权限、无 Hypervisor 损耗。前往定价页查看当前方案，或阅读裸金属架构宣言与Kimi K3 全面开源解读。模型选型可以等第三方跑分，Agent 基础设施不能等——先把跑 Agent 的 Mac 节点稳住，再谈迁移哪家 API。