Qwen3.8-Max：阿里巴巴的 2.4T 開放權重編程模型

Qwen3.8-Max 是阿里巴巴最新的旗艦大型語言模型——一個擁有 2.4 萬億參數的混合專家（Mixture-of-Experts，MoE）模型，Qwen 團隊稱它為「至今能力最強的模型」。它明確針對編程及「協作工作」：代理在極少人手介入下規劃、執行及自我修正的長時間自主任務。對開發者來說，最重要的消息是模型權重將會開放。本文會說明 Qwen3.8-Max 到底是甚麼、成本如何、哪些資料已獲確認、哪些仍未明朗，以及它在實際代理技術組合中的位置。

Qwen3.8-Max 是甚麼？

Qwen3.8-Max 是阿里巴巴 Qwen 團隊推出的 2.4 萬億參數稀疏 MoE 模型，被定位為 Qwen 系列中能力最強的產品。阿里巴巴已透過託管服務廣泛提供此模型，並確認會在發布後不久開放權重；同時亦會推出第二個小得多的開放權重檢查點 Qwen3.8-27B，讓希望在自家硬件上運行模型的團隊使用。(MarkTechPost)

這次發布有兩點特別值得注意。第一，如果權重按計劃推出，這將是阿里巴巴首次開放 Max 級 Qwen 模型——即旗艦層級，而不是蒸餾版本。(How2Shout) 第二，此模型從設計上已是多模態：它接收文字、圖片及影片輸入並輸出文字，而且視覺能力被納入持續執行循環，而非單向輸入通道。(MarkTechPost)

規格一覽

根據阿里巴巴的公告及早期發布報道，目前已知資料如下：

• 2.4T 總參數量，採用稀疏 MoE 架構。按此數字，Qwen3.8-Max 將成為目前已公布的最大型開放權重模型之一——大於 DeepSeek V4 Pro（約 1.6T），但小於 2.8T 的 Kimi K3。(techsy)
• 發布報道顯示其擁有約 100 萬 token 的上下文視窗，足以一次容納完整程式碼庫或大型文件集合。(How2Shout)
• 原生多模態輸入——支援文字、圖片及影片輸入，輸出文字。(MarkTechPost)
• 兼容 OpenAI 及 DashScope 的 API，所以接入現有技術組合通常只需要更改 base URL 及模型 ID。(MarkTechPost)
• Qwen3.8-27B——另一個同樣會開放權重的檢查點，更有機會適配一般的本地 GPU 硬件。(How2Shout)

一項重要缺口是：阿里巴巴尚未披露啟用參數量，即每個 token 實際會動用 2.4T 參數中的多少。在稀疏 MoE 中，真正決定服務成本的是啟用參數量，而非總參數量。欠缺這項數字，目前仍無法估算開放權重版本的推理成本。(MarkTechPost)

阿里巴巴主打的能力

Qwen 團隊將 Qwen3.8-Max 定位於長時間自主工作，而不是單次對話。根據阿里巴巴的發布資料，主要示範包括：(latent.space)

• 多日自主編程——一項自我演進的開發任務，從空白資料夾開始，在 10 多天內逐步建立可運作的項目，完整軌跡已發布到 GitHub。
• 長時間規劃——具備閉環學習的系統級自主規劃，包括超過 500 輪的晶片設計優化，以及為期 365 天的電子商務策略模擬。
• 自主研究——阿里巴巴表示，模型由零開始重建一篇研究論文的流程，並在約 125 小時內反覆改進，最終得到一種在原論文基準上稍有提升的數據選擇方法。(latent.space)
• 多模態回饋循環——持續使用視覺資料進行規劃、執行及自我修正，而不只是把視覺當作一次性輸入。(MarkTechPost)

這些都是來自發布示範的供應商聲明。它們在方向上值得留意——整個行業都在推動可在無人監督下運行數小時甚至數天的代理——但目前尚未經過第三方基準驗證。應將其視為評估起點，而不是定論。

定價

阿里巴巴在發布時公布了 API 定價：(latent.space)

此價格明顯低於大部分美國前沿模型，亦低於 Kimi K3 的託管費率（約 $3 輸入 / $15 輸出），延續中國實驗室在價格上的激烈競爭。低廉的快取輸入價格特別適合反覆重用大量固定上下文的工作負載——這正是許多編程代理及文件代理的典型模式。

哪些已確認，哪些仍未確定

這次發布節奏很快，各方報道亦不完全一致，因此值得將兩類資料分開整理。

較為確定的資料：

• 總參數量為 2.4T，並計劃開放權重，資料來自阿里巴巴的正式公告。(techsy)
• API 目前已可使用，並兼容 OpenAI 及 DashScope。(MarkTechPost)
• 公布的 API 定價為每百萬 token $2 / $6 / $0.25。(latent.space)
• 將推出第二個開放權重檢查點 Qwen3.8-27B。(How2Shout)

尚未明朗的資料：

• 啟用參數量及完整 MoE 配置，因此實際服務成本仍然未知。(MarkTechPost)
• 完整、獨立的基準測試表。 早期報道指出，發布資料在撰寫時尚未包含完整基準；在把重要工作流程交給此模型之前，應先等待第三方結果。(MarkTechPost)
• 確實授權條款，以及正式發布的檢查點是否與預覽版本一致。「開放權重」一般表示權重可以下載，未必包括訓練數據、訓練程式碼或 OSI 認可的開源授權。(coursiv)

客觀而言：Qwen3.8-Max 確實已推出並可使用，開放權重的承諾亦已公開，但用作規劃生產容量的關鍵數據尚未全部公布。

你真的能夠運行它嗎？

對大部分團隊來說，自行託管 2.4T 旗艦模型仍不實際。2.4 萬億參數的檢查點需要多節點數據中心基礎設施；個人開發者無法在工作站上運行，許多公司亦難以自行部署。(How2Shout)

這正是 Qwen3.8-27B 更具實際意義的原因。它的規模適合一般本地 GPU；對大部分自託管情境來說，27B 而非旗艦模型才是可行的部署路徑。(MarkTechPost) 如果目標是數據駐留或以自有硬件控制成本，應以 27B 作規劃重點；若想取得旗艦模型的能力上限，短期內應選擇託管 API。

Qwen3.8-Max 在開放權重競賽中的位置

Qwen3.8-Max 加入了近幾星期非常密集的大型開放權重模型競賽。它緊接 Moonshot AI 的 2.8T Kimi K3 及 Thinking Machines 的 Inkling 之後推出，總參數量亦高於 DeepSeek V4 Pro。(techsy) 競爭訊號十分清晰：前沿規模的開放權重模型正以接近每月一次的速度出現，開放與封閉模型之間的差距持續收窄。

對開發者來說，實際結論並不是選出唯一的「贏家」。現在已有多個可信、具成本效益，而且原則上能自行託管的前沿模型；真正的優勢來自把每類任務分配給最合適的模型。

在自己的 AI 團隊中使用 Qwen3.8-Max 這類模型

前沿模型必須接入實際工作——程式碼儲存庫、文件、終端機及多步驟計劃——才能發揮價值，而不只是停留在聊天視窗。這正是與模型無關的多代理平台所擅長的工作：把長時間編程任務分配給 Qwen3.8-Max 這類模型，將例行步驟交給較便宜的模型，並在真正的任務中協調它們。Eigent 是一款開源 Cowork 桌面應用程式，可在本地運行多代理 AI 團隊，讓你按任務選擇最佳模型，並在需要時把敏感數據保留在自己的電腦。了解代理如何端到端地審查 GitHub PR，然後下載 Eigent 試用。

常見問題

Qwen3.8-Max 是甚麼？

Qwen3.8-Max 是阿里巴巴的旗艦大型語言模型——一個面向編程及長時間代理工作的 2.4 萬億參數稀疏混合專家模型。阿里巴巴稱它為至今能力最強的模型，並承諾開放其權重，同時亦會推出較小的 Qwen3.8-27B 檢查點。

Qwen3.8-Max 是開源的嗎？

阿里巴巴表示將開放 Qwen3.8-Max 及 Qwen3.8-27B 的權重。「開放權重」一般表示權重可以下載，並不一定包括訓練數據、訓練程式碼或 OSI 認可的授權。發布時確實條款尚未完全說明，因此在依賴再分發權利之前，應先確認相關條款。

Qwen3.8-Max 的價格是多少？

阿里巴巴公布的 API 定價為每百萬輸入 token $2.00、每百萬輸出 token $6.00，以及每百萬快取輸入 token $0.25，遠低於大部分美國前沿模型。

我可以自行運行 Qwen3.8-Max 嗎？

2.4T 旗艦模型需要多節點數據中心，大部分個人及公司都無法自行託管。較小的 Qwen3.8-27B 檢查點才是在一般 GPU 硬件上更實際的本地部署方式；至於旗艦模型，短期內應使用託管 API。

Qwen3.8-Max 與 Kimi K3 相比如何？

按總參數量計算，Qwen3.8-Max（2.4T）小於 Kimi K3（2.8T），但大於 DeepSeek V4 Pro（約 1.6T）。其 API 定價低於 K3 的託管費率。由於發布時尚未有完整的獨立基準測試，模型質素的正面比較仍需等待。

Qwen3.8-Max 能與 Eigent 這類多代理平台配合使用嗎？

可以。它的 API 兼容 OpenAI 及 DashScope，因此 Eigent 這類與模型無關的平台可把編程及知識工作分配給 Qwen3.8-Max，同時使用其他模型處理例行步驟，並在需要時把數據保留於本地。