阿里 Qwen 3.8-Max 开源：2.4T 参数、本地可跑、编程能力逼近 Opus 5

如果你今年一直在关注 AI 领域，应该已经熟悉了这个套路。美国实验室在 API 背后宣布了什么惊艳的东西，中国实验室就以开源权重的方式放出一个具有竞争力的版本。美国那边大谈安全，我们其他人则直接下载中国模型、该干嘛干嘛。

但这周感觉不太一样。不是因为套路变了，而是因为规模变了。

让我来梳理一下过去 48 小时发生的事。

Alibaba 发布史上最强模型——免费

Alibaba 周一放出了 Qwen 3.8-Max，数据很难忽视。总共 2.4 万亿参数，每次查询激活 950 亿参数（MoE 架构），百万 token 的上下文窗口。他们声称在大多数基准测试中与 Claude Sonnet 5 持平，在编程任务上超越了 GPT-5.6 Luna。

我花时间仔细看了这些基准测试。Artificial Analysis 的独立评测比 Alibaba 自己放出的图表略低——与 Sonnet 5 持平而非 Opus 5——但这依然是相当强的段位。在 Frontend Code Arena 上拿到了 1668 分，仅比 Claude Opus 5 低 37 分。对于一个可以下载到本地硬件运行的模型来说？这相当疯狂。

定价才是真正讲述故事的那个。Qwen 3.8-Max 在 Alibaba API 上的价格是每百万输入 token 2 美元、每百万输出 token 6 美元。Claude Sonnet 5 输入价格相同，但输出每百万要 10 美元——而且 9 月 1 日还要涨价 50%。OpenAI 的 GPT-5.6 Luna 输入更便宜只要 0.20 美元，但实际效果明显更差。

Alibaba 表示权重将于下周登陆 Hugging Face，同时还有一个 270 亿参数版本供没有成堆 B200 的同学使用。因为没错——2.4T 参数不是闹着玩的。生产环境服务需要 48-64 块 Nvidia B200，或者内部工作负载 8-16 块 B300。这可不是树莓派项目。

尽管如此，这个模型以开源权重形式存在这件事本身就改变了一切。

DeepSeek 的反击

Alibaba 不是唯一一家搞出动静的中国实验室。DeepSeek 放出了 V4 Flash 0731，一个 2840 亿参数的模型，在独立基准测试上与 GPT-5.6 Luna 相差不到 1 分，同时每次任务成本还低了 40%。

有趣的是？它足够小，可以在普通企业服务器上运行。2840 亿参数约需 142GB 内存。你不需要租用超算集群来折腾这个。

DeepSeek 的策略一直是效率优先——用尽可能少的参数榨取每一滴性能。V4 Flash 是这种理念的集大成者。它在原始能力上打不过 Qwen 3.8-Max，但对很多现实场景更实用。推理更快、成本更低、部署更容易。

我一直在本地跑一些较小的 DeepSeek 变体来做代码辅助，老实说，"开源但小"与"闭源但大"之间的差距每个月都在缩小。V4 Flash 只是加速了这个趋势。

与此同时，Anthropic 正在签署 100 亿美元的支票

在太平洋彼岸，Anthropic 显然感受到了压力。本周 Bloomberg 报道，他们与云计算初创公司 Volta 签署了一项 100 亿美元的算力合同——而这家公司年初甚至还不存在。

合同期限六年。Volta 正在挪威建设一座 133 兆瓦的数据中心，采用 Nvidia 的 Vera Rubin 系统，并获得了加密矿企 Bitdeer 的协助。Anthropic 最近还与 SpaceX 和 Amazon 签署了算力协议。

这对算力来说是一笔巨款。这也告诉你一些关于 Anthropic 想法的信息——他们不指望靠效率提升来缩小差距，而是押注于暴力堆算力。

公平地说，Claude Opus 5 在某些基准测试上仍然是金钱能买到的最强模型。但差距正在快速缩小，Anthropic 的成本在上升，而中国开源模型则越来越便宜、越来越强。总有一方要做出改变。

光子芯片与硬件竞赛

总部位于伦敦的初创公司 Olix Computing，由一名 25 岁的辍学生创立，本周从 Netflix 联合创始人 Reed Hastings 和 Arm Holdings 获得了 3.12 亿美元融资。他们的方案与众不同：一款名为 DX-1 的芯片，零 HBM 内存，完全依赖片上 SRAM，通过使用光而非铜的光学互连连接。

他们声称在 1000 亿参数模型上达到每秒 10,000 token。这很快。没有 HBM 意味着没有先进封装成本，光学互连使用较慢但更可靠的编码方式，不需要昂贵的数字信号处理器。

Olix 目前估值 33 亿美元。首批出货预计 2027 年上半年。还很早期，但方向是对的——业界迫切需要 Nvidia GPU 垄断之外的推理替代方案。

SpaceX 的 AI 云业务创造了 26 亿美元营收（同比增长 3 倍），主要来自与 Anthropic 和 Google 的算力合作。他们正在将自己定位为 CoreWeave 的竞争对手。

其他值得关注的事

Obsidian 作为共享 AI 记忆——有人找到了如何通过 MCP 让自己的 Obsidian 保险库成为 Claude Code、Codex 和本地 LLM 的共享上下文。我自己也做了类似的尝试，这确实改变了你与这些工具的协作方式。你的知识库成为了模型的记忆。

Hank Green 因为在创意工作流中大量使用 LLM 被自己的粉丝群围攻。争议是真实的，但背后的核心问题不会消失：工具和拐杖之间的界限在哪里？

泰国发布了 ThaiLLM——一个用于 AI 主权保护的本土模型项目。更多国家开始意识到他们不想把语言模型外包给美国或中国公司。

这就是本周要闻。开源模型在价格和可获取性上正在领先。闭源实验室在算力上疯狂投入。硬件初创公司正在试图突破推理瓶颈。

我不知道谁会赢得这场竞赛。但我知道谁会受益——任何能下载模型并自己运行的人。

如果你觉得这篇文章有用，可以看看 7x24planning——我一直在用这个工具来追踪所有这些动态。