Qwen3.8-Max官宣：全模态创作力对标顶级模型

编程、专业工作、长程任务、多模态分析统统梭哈。

不 er？你告诉我现在搁哪儿还有便宜还好用的模型啊……（真心发问.jpg）

就在刚刚，阿里巴巴突袭发布新一代基座大模型 Qwen3.8-Max。

总参数量达到 2.4 万亿，在编程、专业工作、长程任务、多模态智能体等场景上的表现直接 next level。

就在今天最新放榜的权威第三方榜单 Arena 中，Qwen3.8-Max 更是一路冲到全球大模型第一梯队，表现直逼 Anthropic 的 Claude 系列模型：

在编程表现上，Qwen3.8-Max 甚至还超过了 Claude Opus 5 和 Fable 5 的 High 版本，确实有亿点不简单？？？

性能能打是一方面，关键是吧，人家连价格也一块打了下来——

国内每百万 Tokens 输入 12 元、输出 36 元，隐式缓存命中仅 1.5 元，输入与输出的国际价格仅为 Opus 5 的 40% 与 24%……真·便宜大碗。

瞧嘛，此前抢先体验 Qwen3.8-Max 预览版的网友，已经火速交上第一批实！测！反！馈！

看下面这位老哥，直接用 Qwen3.8-Max 复刻了一版《愤怒的小鸟》，直言价格很合适，一周使用下来额度消耗不到九成，赞！

还有网友只用一条提示词，就用 Qwen3.8-Max 搭出了一个完整、可交互的开发者作品集，最后给出的评价也相当言简意赅：《夯》！

哦对了，还有一堆网友们，已经针对模型「超能打」的表现开始聊得火热朝天了！

下面这位友友表示，已经迫不及待想把 Qwen3.8-Max 用起来了，顺便还不忘祝 A 社、O 社 IPO 好运～（夺笋啊）

下面这位网友还提到，Qwen3.8-Max 基准测试都把 5.6-Sol 给 KO 了，大家对 A 社和 OpenAI 的期待恐怕也得跟着变——

还有朋友实测后感慨，Qwen3.8-Max 的表现甚至超过了 Fable 5，这波能力属实有点超出预期了奥！

既然 Qwen3.8-Max 来都来了，我们也直接实测一波，看看模型到底能不能打！

说实话，阿里 Qwen 的前几代模型我几乎是发了一个测一个，零零散散测下来，最大的感受就是——

而这次到了 Qwen3.8-Max，感觉又不一样了，因为面对真实世界里的复杂问题，这模型已经能一路拆解、执行，直到交付最终成果了。

在具体评测表现中，Qwen3.8-Max 在科研复现、多模态理解、长视频和电脑操作多项超越 GPT-5.6、Opus 4.8 与 Fable 5，在编程、终端 Agent 和专业工作上也稳居行业头部——

贴心的我，也帮大家浅浅总结了一下 Qwen3.8-Max 的亮点能力，让大家一睹为快！

编程能力：能把复杂任务端到端地自主交付，理解需求、搭建工程、运行实验、检查结果、继续优化，全流程梭哈。官方披露的一个极端案例是，它能从一个空文件夹出发，在无人干预下自主推进十多天，最终交付一个真实可用的完整项目。

长线程任务：具备系统级自主规划与执行能力，在数千轮超长程交互里也不迷失目标。

专业工作：能一次交付需要返修 3 到 5 轮的 APP 原型，也能在一小时内处理数百份法律文档，完成上千个条款标注。

多模态智能体：几百页的复杂材料、上百小时的视频内容都能消化，还能顺手整理成直接可用的成果。

我：如此之能干，如此之务实，还有这好事儿？那我可就直接狠狠一个大测特测！！！

既然 Qwen3.8-Max 如此擅长 AI Coding，那我们直接上来就考察一下这模型的「编程本事」。

好巧不巧的是，最近的我正愁每周例会上该怎么把这一周的 AI 热点捋清楚，做成一份能给领导交差的分享。

这下好了，我索性把这事儿交给 Qwen3.8-Max～（鬼点子生成中）

不过，光用一句提示词搭个网页，多少有点太简单了，于是乎——

我直接化身产品经理，喂给了 Qwen3.8-Max 整整一大页产品需求，让它「从零」开发一个可运行的 AI 资讯网页。

在具体需求上，我不仅明确要求了网页需要具备的核心功能，还对数据、页面体验、技术约束、验收标准、交付要求进行了明确约束，主打一个狠狠刁难！！！

我的这位产品经理 Qwen3.8-Max，就直接给我端上来了一份接近正式产品交付水准的全链路解决成果——

整个交付过程页面我从头拉到尾，说实话，确实有点让我震惊。

需求拆解、技术选型、项目结构、功能实现，该有的环节一个没落，完全是一套真实项目从开发到交付的完整流程。

然后，我再定眼一看，发现 Qwen3.8-Max 还专门整理了一份「问题与解决记录」，开发过程中碰到了什么报错、问题出在哪儿、最后怎么修好的，它全给列得明明白白。

而作为提出需求的那个人，我真的全程一次手都没插，甚至直到看见这份记录，我才知道中间居然还冒出过这么多麻烦？？？

不是我说，这模型是真·有问题自己解决啊，Qwen3.8-Max：事情交给我您放心哈～

此外，在检查模型作业的过程中，我又发现了点我属实没料到的东西……

Qwen3.8-Max 在交付前，还给整个项目来了一轮正儿八经的「功能验收」？？？？

从安装依赖、本地启动，到生产构建和预览，它把项目能不能跑起来逐项过了一遍。

甚至，连数据量、分类覆盖范围、搜索清空后的页面恢复，它都一项项列进了验收清单，最后统一打上「通过」。

别说，整个从零搭建项目的全过程真有点真实工程内味儿了，be like：

我写下的一整页产品需求，就这么被 Qwen3.8-Max 直接交付成了一个能跑的项目。

我忐忑地打开 Qwen3.8-Max 给我的代码跑了一下网页，没有报错，也没有哪项功能突然掉链子。

页面布局、资讯分类、搜索、排序、收藏……几乎和需求文档里写的一模一样，交互也没有问题。

原本可能需要我自己一轮轮试错、查报错、补功能、跑测试的工程过程，就这么全让模型一个人干了。

我只想说，Qwen3.8-Max，你这是真·端到端啊……

But，在日常学习工作场景中，我们很多时候未必有那么多需要 Coding 的场合。

很多时候真正想让我们口吐芬芳的，反倒是一些《蛮基础》的工作场景，就比如啊——长文本分析。（doge）

估计有友友该说了，这有啥难的啊，直接喂给 AI 资料，然后坐享其成得了呗～

单纯的文本分析当然不难，but，让 AI 对几十页复杂文档进行「交叉分析」，那事情就不一样了。

之前我就喂给过 GPT 一份包含几十页的技术文档，让 AI 总结内容还行，但涉及跨章节、细节对比的事儿就宕机了……

于是灵机一动的我，这回也给 Qwen3.8-Max 上点难度。

这次我喂给它的是 AI 大神卡帕西参与撰写的一篇几十页的论文，正文、图表、附录一个不少。

这篇论文复盘了 2010—2014 年 ImageNet 大赛，讲清楚 AI 看图能力是怎么一步步逼近人类的，以及这背后数据、算法和评测规则各自起了多大的作用。而我向 AI 发起的问题是：

论文拿 ILSVRC 和 PASCAL VOC 这两套“AI 看图考卷”做了比较，结合正文、表 3 和附录 B 的图 16 来看，哪套题更难？为什么看平均值和看困难类别，会得到不同答案？

这个题难就难在，AI 光搜关键词还真答不了，因为答案散落在正文、表格、图表和附录里，AI 得把几组数据全部对上，并且进行交叉分析得出结论才行。

大概 33 秒的时间，Qwen3.8-Max 就直接给了我一个明确答案——

只看整体平均值，PASCAL VOC 似乎更难；但看可比类别和 ILSVRC 的困难子集，ILSVRC 在很多方面并不比 PASCAL VOC 简单，甚至更难。

为了确认这份回答是否准确，我又对照原文的表 3、图 16 和附录 B 逐一定位，发现这 AI 确实说的是「对的」——

比如在原论文中，图 16 上排比较全部 1000 个 ILSVRC 类别，下排则筛出随机定位成功率最低的 200 个类别。

可以看到，进入困难子集后，ILSVRC 在多项定位难度指标上确实已经接近或超过 PASCAL，AI 说的完全正确。哪怕是在几十页文档资料里对跨章节内容进行图表、图片和文字的联合分析，也没难倒这个 AI：

此外，Qwen3.8-Max 为了告诉我它为什么得出这样的结论，还给我生成了一篇超有理有据的「分析报告」。

从物体大小、位置变化、定位难度、画面杂乱度几个维度，对 ILSVRC 和 PASCAL VOC 两套考卷进行了分析。

哦对了，它还把原文中的表格直接 1:1 单拎出来作为证据，定位找得那叫个《稳准狠》……

我只能说，还在苦啃论文、资料文档的友友们，这下我们的好日子可能真的要来了……

上面两轮实测，说到底，考察的主要还是 Qwen3.8-Max 对文本的分析、理解和执行能力。

但我们的日常学习工作里，还有一块更难啃、也非常刚需的硬骨头场景：多模态内容分析。

对 AI 来说，理解某一个画面或者总结一个视频内容确实不是难事儿。

真正麻烦的是，当素材被拉长到几十分钟甚至几小时，它还能不能理清其中的人物、事件和观点关系，并根据一个具体问题，精准定位到原片段。

于是这次，我直接把手头一个亟待处理的「实录烂摊子」交给了 Qwen3.8-Max——

一期接近 70 分钟的视频播客，在播客里山姆·奥特曼从 AI 创业一路聊到 OpenAI 战略和未来社会，话题多、跨度大，想从头捋清楚并定位原片段，少说也得折腾半天。

对此，我交代给 Qwen3.8-Max 的任务，也可以说非常复杂艰巨——

请为这期播客生成一份完整的主题时间轴，并按「话题观点」定位原始片段。

对于 AI 来说，这不仅要求它能准确识别人物、事件与观点之间的关联关系，还要能重建整期播客的叙事结构，并把每个观点精准映射回原始片段。

大概也就两三分钟，Qwen3.8-Max 就给我吐出来了一份按照核心观点划分的播客内容。

更贴心的是，每个话题都采用「先总结、再展开」的结构，前面提炼核心观点，后面逐段捋清具体内容，还一一标出了对应的时间戳。

对我来说最大的好处嘛，那就是看到哪段感兴趣，直接点进原视频精准空降就行，简直不要太太太太方便！！！

哪怕 AI Coding 发展到今天，海外主流模型三天两头迭代得飞起。

我们依旧不得不承认一个事实：落到用户的实际体验里，似乎始终很难真正做到「既要、又要、还要」。

换句话说，模型能力、场景覆盖和价格，这三件事儿似乎总不能同时兼得。

Coding 能力很能打，到了其他场景里，交付效果却未必同样稳定；就算效果足够好，价格也经常让人望而却步，各种 Plan 和 Token 费用，长期用下来确实烧不起。

但这次实测完 Qwen3.8-Max，我可能得重新下一个结论，那就是全球头部模型——也是能用得爽，还用得起的。

每百万 Tokens 输入 12 元、输出 36 元，隐式缓存命中仅 1.5 元，输入和输出价格真的只有 Opus 5 的 40% 和 24%。

这意味着，大家不用承担高昂的 Token 费用，也能获得高性能模型带来的完整体验。

而在真实场景中，Qwen3.8-Max 所完成的工作，也早已超出「生成」这一步。

它真的可以从零开始，帮我推进一项完整工程，再把过程中冒出来的实际问题一个个解决掉，最终把能运行、能检查的成果交到我手里。

而 Qwen 之所以敢把能力、场景和价格一起 next level，实际上背后靠的也远不止一款 Max 模型。

从 2023 年开源至今，阿里已经累计开源 400 多个模型，衍生模型已经超过 20 万个，累计下载量突破 10 亿次。一路下来，Qwen 也成为了全球规模最大、覆盖最全的开源大模型家族。

更值得注意的是，Qwen 这条更新进度条，过去一年几乎就没停过。

从 Qwen3 到 Qwen3.5，再到如今的 Qwen3.8，几乎每一次迭代，都对应着一批新场景真正变得可用——从基础推理，延伸到编程、专业工作、多模态理解、长程 Agent，再到这次的端到端交付。

这种日拱一卒的节奏，放眼全球也没几家跟得上。

那就是真正「好用」的模型，未必一定昂贵；真正「便宜」的模型，也未必需要在能力上做取舍。

而 Qwen3.8-Max，恰好把这两件事放在了一起。

目前，Qwen3.8 的 API 已上线千问 AI 平台，还接入了阿里今日同步推出的 Agent 产品「千问办公」，感兴趣的朋友不妨直接上手试试～

[1] 千问 AI 平台：https://www.qianwen.com/

[2] QwenStudio 平台：https://chat.qwen.ai/

[3] 千问办公平台：https://qwenwork.cn/

Anthropic 模型，也失控了……2026-08-01

刚刚，即梦 Seedance 2.5 来了！我狂测测测测……2026-07-31

Kimi K3 上线 48 小时：模型爆火，GPU 爆肝，会员停售 2026-07-20

IDC 报告：中国 AI Coding 市占率阿里 Qoder 断层第一，超过二三四五名总和 2026-07-17

能看能听能唠嗑，还能现场 vibe coding。

量子位 QbitAI 版权所有 © 北京极客伙伴科技有限公司 京 ICP 备 17005886 号-1