如果你正在跟进 2026 年夏季的中国大模型发布潮，并需要判断 Qwen3.8-Max 是否值得接入生产 API、等待开源权重，还是继续观望 Kimi K3 与 DeepSeek V4，这篇文章按时间线、核心参数、横向对比与透明度争议四个维度展开——阿里巴巴于 8 月 3 日正式 GA 的旗舰模型总参数 2.4 万亿、激活 950 亿、1M token 上下文，Arena 文本竞技场初步排名第 5，但权重尚未开源，全部跑分目前均来自阿里自测。
时间线：从预览版到正式发布，两周内节奏很快
- 7 月 16 日：月之暗面发布 Kimi K3，2.8 万亿参数（896 个专家中激活 16 个），主打独立评测与透明技术报告。
- 7 月 19 日：Qwen3.8-Max 以预览版开放，接入 Token Plan / Qoder / QoderWork，价格为预计正式价的 10%，但未公布激活参数量与跑分表，服务条款禁止自动化生产环境调用。
- 7 月 27 日：Kimi K3 按承诺开源权重，上线 Hugging Face，并同步开源部分底层基础设施。
- 7 月 31 日：DeepSeek 发布 V4-Flash 正式版，参数规模不变的前提下，智能体与代码类基准大幅超过自家 V4-Pro 预览版。
- 8 月 3 日：Qwen3.8-Max 正式 GA，发布完整跑分表，「千问办公」Agent 产品同步上线。阿里港股当日上涨约 7%，美股上涨约 4.5%。
- 预计 8 月 10 日前后：Qwen3.8-Max 及精简版 Qwen3.8-27B 权重计划登陆 Hugging Face 与 ModelScope，截至发稿具体日期与开源协议均未公布。
在 Arena 文本竞技场前 8 名中，Qwen3.8-Max 是唯一挤进去的非 Anthropic 模型——但排名标注为「初步（Preliminary）」，且所有跑分均为阿里自测，第三方权威平台尚未收录正式版复现结果。
核心数据一览：参数、定价与跑分
| 项目 | Qwen3.8-Max |
|---|---|
| 发布日期 | 2026 年 8 月 3 日（GA） |
| 总参数 / 激活参数 | 2.4 万亿 / 950 亿 |
| 架构 | 基于 Qwen3.5 的稀疏 MoE + 混合注意力 |
| 上下文窗口 | 100 万 token（思考模式约 98.3 万，输出上限 13.1 万） |
| 输入模态 | 文本 / 图像 / 视频 |
| API 定价 | 输入 $2/百万 token，输出 $6/百万 token |
| Arena 文本竞技场（8 月 1 日快照） | 第 5 名，1496 分（初步） |
| Arena 视觉竞技场 | 第 2 名，仅次于 Claude Fable 5 |
| PaperBench（阿里自测） | 93.0（较上代提升 28.2 分） |
| SWE-bench Pro（阿里自测） | 67.7（落后 Fable 5 的 80.0） |
| 权重开源状态 | 承诺「下周」，截至发稿未上线 |
带「阿里自测」标注的数据均来自官方发布材料，尚无 Artificial Analysis、Arena.ai 等第三方平台的正式复现结果。价格与参数可能随时间变化，请以官方页面为准。
深度拆解：2.4 万亿参数背后，阿里想解决什么问题
为什么是 MoE + 混合注意力，而不是单纯堆参数？ 稀疏 MoE 把总参数做到 2.4 万亿的同时，实际激活量控制在 950 亿——推理成本更接近千亿级模型，而非真正调用 2.4 万亿参数。这也是 API 定价能压到 $2/$6 每百万 token、明显低于 Claude Opus 5（$5/$25）和 Claude Fable 5（$10/$50）的原因。
reasoning_effort 三档设计解决成本可控问题。 模型提供 low / medium / xhigh 三档推理强度（默认 xhigh），开发者可按任务复杂度调节速度与深度，支持通过 enable_thinking 参数或 Anthropic 兼容接口的 reasoning.effort 字段调用。
长程自主任务是核心卖点，但验证方式值得关注。 阿里案例包括 16 天无人工介入的自主编码项目、超过 500 步的芯片设计优化，以及自建 RecreationBench——模型在黑盒环境下仅凭交互和视觉反馈还原真实应用。部分过程记录在 GitHub 的 qwen-code-dev-bot/oh-my-cli 可查，但并非完整可复现的第三方审计。
- 确认 API 兼容层：OpenAI 与 Anthropic 双协议，可接入 Claude Code、Codex、Qoder CLI、Qwen Code、OpenClaw 等工具链。
- 按任务选择 reasoning_effort：简单路由用 low，复杂 Agent 用 xhigh，控制 token 成本。
- 等待 Qwen3.8-27B 开源权重：若需本地私有化部署，精简版比完整 2.4T 更现实。
- 在自有业务场景做 A/B 测试：第三方独立评测尚未覆盖 GA 正式版。
- 关注 Hugging Face / ModelScope 仓库上线时间与许可证条款。
- 对比已有开源方案：Kimi K3（7 月 27 日已开源）与 DeepSeek V4 系列可作为基准参照。
横向对比：Qwen3.8-Max、Kimi K3、DeepSeek V4、Claude
| 模型 | 厂商 | 总参数/激活 | 上下文 | 定价（输入/输出，每百万 token） | 权重开源 | 独立第三方评测 |
|---|---|---|---|---|---|---|
| Qwen3.8-Max | 阿里巴巴 | 2.4T / 950 亿 | 100 万 | $2 / $6 | 未开源（承诺中） | 暂无 |
| Kimi K3 | 月之暗面 | 2.8T / 约 500 亿 | 约 104.8 万 | $3 / $15 | 已开源（7 月 27 日） | Artificial Analysis ≈ 57.11 分 |
| DeepSeek V4-Pro | DeepSeek | 1.6T / 490 亿 | 100 万 | 未公开完整表 | 已开源 | SWE-bench Verified 80.6% |
| DeepSeek V4-Flash | DeepSeek | 未变（较 V4-Pro） | 100 万 | 未公开完整表 | 已开源 | 9 项智能体/代码基准超 V4-Pro |
| Claude Opus 5 | Anthropic | 未公开 | 100 万 | $5 / $25 | 闭源 | Arena 前列 |
| Claude Fable 5 | Anthropic | 未公开 | 100 万 | $10 / $50 | 闭源 | Arena 文本第 1 名 |
唯一可比的独立盲测中（同一组 269 个文件的真实项目架构设计任务），Kimi K3 得 83 分，Qwen3.8-Max 预览版得 80 分——差距很小，属于同档位互有胜负。Kimi K3 的优势是已开源并有第三方评测；Qwen3.8-Max 的优势是 API 价格更低、多模态更全面。更多定价背景可参考本站 GPT-5.6 降价与竞品 API 定价对比。
可引用技术信息与数据来源
- MoE 激活效率：总参数 2.4T、激活 950 亿——推理成本跟踪激活量而非总量，是 $2/$6 定价的基础（阿里官方发布材料）。
- Arena 文本竞技场：2026 年 8 月 1 日快照排名第 5、1496 分，标注「Preliminary」，前 4 名与第 6–8 名均为 Anthropic 模型（Arena.ai 公开排行榜）。
- 独立盲测：Kimi K3 83 分 vs Qwen3.8-Max 预览版 80 分（269 文件真实架构任务，第三方评测机构，非阿里自测）。
- Apple Intelligence 中国版：经压缩的 Qwen 模型（约 27B 参数、4GB 以内）已在 iPhone 15 及以上机型本地运行——千问商业化半径已延伸至系统级 AI（公开报道）。
以下为可核验官方与第三方来源，发布前请以最新公告为准：
Alibaba Cloud 官方公告与 Model Studio 定价页
争议点：「开源」标签挂得比权重早
- 官网已标注「Open-Source」，权重尚未发布。 qwen.ai 在 GA 当天即打上开源标签，但 Hugging Face 与 ModelScope 尚无对应仓库与许可证。
- 所有跑分均来自阿里自建测试框架，包括 PaperBench、QwenSWEBench、RecreationBench 等内部基准；中立平台截至发稿未对正式版给出独立复现。
- 跑分表脚注暗指竞品数据存疑——称「Fable 5 的结果可能涉及 fallback」，但阿里自身测试方法论同样未公开到可第三方复现程度。
- 预览阶段透明度不足：7 月 19 日预览版未公开激活参数、模型卡与安全评估，多家独立评测机构建议勿迁移生产系统。
FAQ
Qwen3.8-Max 现在能直接用吗？开源了没有？
API 已可通过 QwenCloud 调用，兼容 OpenAI 与 Anthropic 两种接口协议。权重尚未开源，预计 8 月 10 日前后公布 Hugging Face / ModelScope 仓库与协议条款，具体日期以官方公告为准。
Qwen3.8-Max 和 Kimi K3 到底谁更强？
目前没有权威统一评测。唯一独立盲测显示两者打分接近（83 vs 80），属于同档位互有胜负。Kimi K3 已开源并有第三方数据；Qwen3.8-Max API 价格更低、多模态更全面。
2.4 万亿参数是不是普通开发者根本用不了？
总参数与激活参数需区分：950 亿激活量通过 API 调用成本接近千亿级模型。本地私有化部署完整版需多节点数据中心级硬件；更现实的选择是等待 Qwen3.8-27B 开源权重。
阿里公布的跑分能信吗？
可作参考，不能当作定论。建议关注后续独立评测复测，或在自己的业务场景做 A/B 测试。Arena 排名目前标注为「初步」。
Qwen3.8-Max 的发布把 2026 年夏季的参数竞赛推到了新高度，但「全球第一梯队」的结论目前仍主要依赖厂商自测——在权重落地、第三方复现完成之前，若你需要在真实 Apple Silicon 硬件上验证 Qwen3.8-27B 或同类本地 Agent 工作流，一台整机独享、可随时重置环境的物理主机往往比共享 GPU 集群更可控。VMSPIN 按天起租的云端 Mac mini 提供 MDM 自动交付与 SSH + VNC 双通道接入，适合短期 benchmark 与多区域部署；若你还在对比 API 成本与本地推理方案，可结合 Mac mini M4 租赁全解析 与 定价页 一起评估。