阿里千问3.8-Max：2.4万亿参数MoE模型发布

人工智能

视觉语言模型

阿里巴巴 Qwen 团队已全面开放 Qwen3.8-Max，并确认其开放权重将于下周发布。另一个 checkpoint——Qwen3.8-27B——也将开放权重。Qwen3.8-Max 是一个拥有 2.4 万亿参数的混合专家（MoE）模型。它支持文本、图像和视频输入，并输出文本。

可以，但具体可采用哪种部署方式，取决于你使用的是哪个模型产物。

任何规模的公司现在都可以部署托管 API。它兼容 OpenAI 和 DashScope，因此集成时只需更改 base URL 和 model ID。开放权重则是另一回事。由于总参数量达到 2.4T，这个 checkpoint 属于需要多节点数据中心才能运行的模型产物。阿里巴巴尚未披露激活参数量，因此目前还无法估算推理服务成本。Qwen3.8-27B 才是能够在常规本地 GPU 硬件上运行的 checkpoint。

已公布的功能可以明确对应到四个行业：软件工程、法律与金融文档审查、媒体与电商运营，以及设计。

应用场景包括代码仓库级 Coding Agent 和长文档知识库，也适用于长视频索引、结构化数据提取和多步骤研究助手。

交互式讲解

技术上已提供哪些能力

模型页面列出的上下文窗口为 100 万 token。最大输入为 991K token；启用 thinking 后，最大输入降至 983K。两种模式的最大输出均为 131K token，最大推理预算为 262K token。速率限制为每分钟 200 万 token、每分钟 1.5 万次请求。

价格为：每 100 万输入 token 2.00 美元，每 100 万输出 token 6.00 美元。隐式缓存读取每 100 万 token 收费 0.25 美元；显式创建缓存收费 2.50 美元，显式缓存读取每 100 万 token 收费 0.17 美元。缓存输入的成本仅为新输入的八分之一。因此，相比 prompt 长度，前缀的稳定性对成本的影响更大。

支持的能力包括 function calling、structured outputs、batches、prefix completion 和 fine-tuning。Responses API 内置了五种工具：code_interpreter、web_search、web_extractor、t2i_search 和 i2i_search。

阿里巴巴随此次发布公布了一份完整的 benchmark 表。Qwen3.8-Max 在 Terminal-Bench 2.1 上获得 86.6 分，高于得分 84.6 的 Claude Opus 4.8 和 Claude Fable 5，但低于得分 88.8 的 GPT-5.6 Sol（max）。在 SWE-bench Pro 上，它取得 67.7 分，而 Fable 5 为 80.0；在 FrontierSWE 上，它取得 73.5 分，而 Fable 5 为 88.8。它以 93.0 分领跑 PaperBench，并以 82.8 分领跑 IFBench。GPQA Diamond 得分为 92.6，相比 Qwen3.7-Max 的 92.4 仅有小幅提升。最明显的进步体现在多模态和 Agent 能力上，而不是推理能力。它在大多数视觉项目中排名第一，包括 OSWorld-Verified 的 86.1 分、Parametric CAD Bench 的 91.5 分，以及 OmniDocBench 1.5 的 92.1 分。与上一代模型相比，提升幅度很大：DeepSWE 1.1 从 21.6 提升至 56.6，FrontierSWE 从 40.7 提升至 73.5，JobBench 从 31.3 提升至 53.4。不过，任何客观的解读都应该指出两个注意事项。首先，多模态表格对比的是 Qwen3.7-Plus，而不是 Qwen3.7-Max，这会放大两代模型之间的差距。其次，阿里巴巴自己的 RL scaling 曲线在约 4,000 个训练环境时达到 0.725 的峰值，随后下降至 0.719 和 0.689。

Qwen3.8-Max 是一个拥有 2.4T 参数和 100 万 token 上下文的 MoE 模型，目前已全面开放使用。

每 100 万 token 的价格分别为：输入 2 美元、输出 6 美元、缓存输入 0.25 美元。

Qwen3.8-Max 和 Qwen3.8-27B 的开放权重预计将于下周发布。

目前尚未公布 benchmark 表、许可证或激活参数量。

真正适合本地部署的是 27B checkpoint，而不是旗舰模型。

欢迎查看技术细节、API 和 Qwen Studio。你也可以在 Twitter 上关注我们，别忘了加入我们拥有超过 15 万成员的机器学习 SubReddit，并订阅 Newsletter。等等！你使用 Telegram 吗？现在也可以加入我们的 Telegram。

需要与我们合作，推广你的 GitHub Repo、Hugging Face Page、产品发布或 Webinar 等内容吗？欢迎联系我们。

Asif Razzaq 是 Marktechpost Media Inc. 的 CEO。作为一位富有远见的企业家和工程师，Asif 致力于利用 Artificial Intelligence 的潜力造福社会。他最近创办了 Artificial Intelligence 媒体平台 Marktechpost。该平台以深入报道 machine learning 和 deep learning 新闻而脱颖而出，其内容既具备扎实的技术基础，也易于广大读者理解。该平台每月浏览量超过 200 万，体现了它在受众中的广泛影响力。