千问3.8-Max正式发布：2.4T参数MoE与1M上下文

阿里巴巴于 2026 年 8 月 3 日正式发布 Qwen3.8-Max。本文为开发者提供一份实用指南：这个模型是什么、价格如何、怎样调用，以及哪些说法仍需谨慎看待。

Qwen3.8-Max 是一个拥有 2.4 万亿参数的 Mixture-of-Experts 模型，具备 100 万 token 上下文窗口，原生支持文本、图像和视频输入，提供兼容 OpenAI 的 API，定价为每百万 token 输入 2 美元、输出 6 美元。阿里巴巴承诺将在下周开放模型权重。

首先说清楚命名上的困惑

这个版本号很容易让人误解，所以先解释清楚：

• Qwen3 是你可能已经使用过的开放权重模型家族，例如 Qwen3-32B、Qwen3-235B-A22B 等。

• Qwen3.5、3.6、3.7、3.8 是连续推出的旗舰代际，并不是 Qwen3 的小版本更新。

• “Max”代表每一代产品中的最高档位。

因此，Qwen3.8-Max 并不是“Qwen 3 的第 8 个版本”。它是最新一代旗舰模型，接替了 2026 年 5 月推出的 Qwen3.7-Max。Qwen 称其为迄今能力最强的模型，也是首个达到 Max 规模的开放权重模型。

另外请注意，之前还有一个 Qwen3.8-Max-Preview，于 7 月 19 日发布；现在发布的是 8 月 3 日正式 GA 的 Qwen3.8-Max。如果你正在阅读一篇 7 月份的博客文章，它讲的是预览版，其中列出的“尚未披露”事项，如今已有一半得到了解答。

真正重要的规格

为什么“95B 激活参数”才是值得关注的数字

这一部分值得认真理解，因为“2.4 万亿参数”这个数字本身几乎没有实际意义。

稀疏 Mixture-of-Experts 模型并不是一个单体的超大网络。它的每一层都包含许多专门化的子网络，也就是“专家”；路由器会针对每个 token 选择其中少数几个专家，其余专家在处理该 token 时保持闲置。

从 Qwen 自家的小型模型命名中，就能清楚看出这种模式：Qwen3-235B-A22B 总共有 235B 参数，但每个 token 只激活 22B；Qwen3-30B-A3B 则大约激活 3B。

• 总参数量 ≈ 模型掌握了多少知识，以及托管模型需要多少内存。

• 激活参数量 ≈ 处理每个 token 实际需要多少计算资源。

在总参数量 2.4T、激活参数量约 95B 的情况下，每个 token 大约只会调用整个网络的 4%。正因如此，阿里巴巴才能把输入价格定在每百万 token 2 美元，而不是一个令人望而却步的数字。

不过，为了严谨，这个数字需要加一个小小的星号。MarkTechPost 的发布报道指出，阿里巴巴并未披露激活参数量；但一些 benchmark 追踪网站则称，Qwen 自己在 8 月 3 日发布的文章中列出了 2.4T 总参数量和 95B 激活参数量。其他报道建议，在阿里巴巴发布 model card 之前，应将这个数字视为媒体报告的数据，而不是已经确认的官方规格。你可以用它粗略理解成本，但不要拿它做容量规划。

还需要明确一点：95B 激活参数并不意味着你能在一台只够运行 95B 模型的机器上部署它。服务系统仍然需要快速访问完整的专家池，还要容纳 attention state、路由机制、多模态组件和运行时缓冲区。整个 2.4T checkpoint 仍然必须常驻在某个地方。

定价，以及决定账单金额的关键技巧

你需要真正记住的是：缓存输入的成本比新输入低八倍。这意味着，相比 prompt 的长度，前缀是否稳定对成本的影响更大。

仅这一点就足以改变你围绕这个模型设计系统架构的方式。具体来说，假设一个 Agent 循环拥有 200K token 的稳定前缀，包括 system prompt、工具 schema 和代码库上下文，并连续运行 50 轮：

No caching:      50 × 0.2M × $2.00                = $20.00
Explicit cache:  (0.2M × $2.50) + (50 × 0.2M × $0.17) = $2.20

仅仅通过保证前缀在字节层面保持稳定，成本就相差约 9 倍。实际使用时需要注意：

• 把所有静态内容放在 prompt 的最前面，把所有动态内容放在末尾。

• 不要把时间戳、request ID 或随机打乱的上下文注入 system prompt。

• 如果你在每次请求时重新构建前缀，那就是毫无必要地多付 8 倍费用。

再与同类模型对比一下：Kimi K3 的价格是每百万 token 输入 3 美元、输出 15 美元，因此 Qwen3.8-Max 的价格低了不少，尤其是输出价格。

它的集成过程刻意设计得平淡无奇，而这恰恰是优点。托管 API 同时兼容 OpenAI 和 DashScope，因此集成时只需修改 base URL 和 model ID。它还支持 Anthropic protocol，因此 Cursor、Cline、Codex 和 Claude Code 等工具都可以通过现有集成接入。

下面是模型页面提供的多模态示例，使用 DashScope SDK：

import os
import dashscope

dashscope.base_http_api_url = "https://dashscope-intl.aliyuncs.com/api/v1"

messages = [
    {
        "role": "user",
        "content": [
            {"image": "https://example.com/your-image.jpeg"},
            {"text": "What is depicted in the image?"}
        ]
    }
]

response = dashscope.MultiModalConversation.call(
    api_key=os.getenv('DASHSCOPE_API_KEY'),
    model='qwen3.8-max',
    messages=messages
)

print(response.output.choices[0].message.content[0]["text"])

如果你已经在使用 OpenAI SDK，只需将 base_url 指向阿里巴巴的兼容模式 endpoint，并将模型名称改为 qwen3.8-max。准确的 base URL 请从 docs.qwencloud.com 获取，不要自行猜测，因为国际部署和中国大陆部署使用的地址不同。

需要注意两个区域 endpoint。服务分为国际部署（qwencloud.com）和中国大陆部署（platform.qianwenai.com），两者需要分别注册和计费，API key 不能互换。

它也已经上线第三方 gateway。Vercel 的 AI Gateway 于 8 月 2 日添加了 alibaba/qwen3.8-max，采用服务提供商原价，不额外加价。

Function calling、structured outputs、batch、prefix completion 和 fine-tuning 均已支持。Responses API 还内置了五种工具：code_interpreter、web_search、web_extractor、t2i_search 和 i2i_search。

在自己手写工具之前，值得先看看这些内置工具。如果你目前还在维护自定义的 web-search 工具封装，现在只需启用一个服务端 flag 即可。

Benchmark：客观看待结果

与 7 月的预览版不同，GA 版本发布时给出了实际数字。阿里巴巴随正式发布公布了一张 benchmark 表：Terminal-Bench 2.1 得分为 86.6，SWE-bench Pro 为 67.7，GPQA Diamond 为 92.6。提升最明显的是多模态和 Agent 能力类别，而不是通用推理能力。

补充完整的竞争力表现：

它在大多数视觉 benchmark 项目中也排名领先，其中 OSWorld-Verified 得分为 86.1，Parametric CAD Bench 为 91.5，OmniDocBench 1.5 为 92.1。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。

任何公平的解读都应该提到两个问题，MarkTechPost 也指出了这两点：第一，多模态对比表选择 Qwen3.7-Plus 而不是 Qwen3.7-Max 作为基准，这会让代际提升显得更加亮眼；第二，阿里巴巴自己的 RL scaling curve 在接近 4,000 个训练环境时达到 0.725 的峰值，之后却下降至 0.719 和 0.689。

开放权重：仔细阅读细则

阿里巴巴确认将在下周开放模型权重，同时发布第二个 checkpoint：Qwen3.8-27B。预计这些模型会在 8 月 10 日当周通过 Alibaba Cloud Model Studio 发布。此前，阿里巴巴在今年早些时候将几款旗舰模型保持为专有模型；这次发布标志着它重新开始开放顶级模型的权重。

坦率地说，目前仍存在以下空白：

• 没有 model card。GA 发布时依然没有提供正式的训练与安全 model card，没有披露训练数据，也没有公布安全评估方法。

• 没有公布 license。在权重正式发布之前，还无法审查商业使用条款。

• 激活参数量来自报道，尚未在官方规格表中得到确认。

• 目前还没有独立的 Artificial Analysis 评分。

如果你正在从事多模态工作，例如文档处理、视频索引、截图理解或 UI 自动化；希望以远低于西方前沿模型的价格运行长上下文 Agent；或者已经拥有兼容 OpenAI/Anthropic protocol 的系统，只需修改 base URL 并花一个下午进行测试，那么现在就值得试用。

Qwen3.8-Max 模型页面（QwenCloud）——提供权威规格、定价和 rate limit 信息。

已经有人把它用于生产环境了吗？我很想了解真实的延迟和每秒 token 数，因为阿里巴巴尚未公布吞吐量数据。

如需采取进一步措施，你可以考虑屏蔽此人和／或举报滥用行为。