半个月前，用预览版把大伙儿钓成翘嘴的阿里 Qwen3.8-Max，终于在今天正式发布了。
这次，满血版的 Qwen3.8-Max 在大模型竞技场 Arena 上的表现很不错。其中，文本排名第二，编程排名第三，视觉排名第二，可以说是在一众闭源模型中成功杀出重围。
左右滑动查看更多排名
在社交媒体上，有不少人反馈 Qwen3.8-Max 在代码方面体验较好，生成速度快。
比如 OpenCode 团队就表示，“ Qwen3.8-Max 给我的第一印象就是非常快，它几乎能完美解决所有编程任务。” 国内知名在线原型设计平台墨刀的技术负责人也表示，Qwen3.8在 HTML 编辑、简单 React/Vue 编辑及 Vue 综合需求覆盖上表现更好；在公司的实际 HTML 原型业务场景中，是一个非常能打的模型。
从榜单表现到实际体验，Qwen3.8 正式版的提升已经有了很直观的体现。而这些提升背后的原因，我们也在阿里 Qwen3.8 的技术博客里找到了答案。
先看基本盘。Qwen3.8-Max 总参数量达到了 2.4 万亿，激活参数 95B，原生支持视觉理解，上下文窗口扩展到 100 万 Token。
和之前不一样的是，Qwen3.8 把长文本、图像理解和 Agent 能力都合进了同一套系统，这样模型就能做到既能一次读尽大型代码仓库、长文档和界面截图，也能在连续调用工具时，尽可能保住完整的任务状态。
从官方跑分图来看，Qwen3.8 在代码、Agent 和多模态理解等核心项目上整体进入第一梯队，文本、视觉等多项指标都较预览版和上一代明显提升，和 Fable5、GPT-5.6-Sol 打得有来有回。
向上滑动查看更多 Benchmark 结果
不过，在浏览博客的过程中我们发现，这次比跑分更值得关注的，是 Qwen3.8-Max 进行了一次长达 16 天的自主编程实验。
这 16 天中，Qwen3.8-Max 独立使用 TypeScript 开发出了代码 Agent 工具 “oh-my-cli”。目前，公开仓库已有 428 次提交，包含会话恢复、上下文压缩、撤销重做、任务监控、权限审批和安全治理等功能实现。
而这种长时间自主编程，生产级成果直接交付，才是当下模型在真实工作流中最重要的能力。它需要模型在长达数天的任务中记住目标、拆解需求、连续修改代码，并在遇到报错、需求变化、上下文膨胀时及时调整，这些恰恰是真实软件开发中每天都在面临的难题。
在实测中，我们感觉复杂开发任务确实是 Qwen3.8 的强项。
首先，我们给模型提供了一份具体的产品需求书，目的是实现一个网页版 PS。里面包含一些基础的裁剪、旋转、调色等功能，也有模糊、马赛克、涂抹修复等高级功能。
向上滑动查看完整开发需求书
只要二十分钟左右，Qwen3.8-Max 就给出了一个完全可用的网页，功能齐全。
比如调色：
文字框：
或者只是用涂抹功能点掉脸上的一颗痣：
最终，这款网页版 PS 的功能达成率在 95% 以上，表明模型在多步骤、跨模块的复杂工程任务中，依然保持了较好的目标一致性与执行连续性。
不过，这次测试还不止于此。在项目交付之后，我们又把原来的工程重新交给 Qwen3.8-Max，要求它增加套索选区功能。
这次，模型没有推倒重来，而是在完全理解现有代码结构的基础上，继续修改画布交互、状态管理和工具栏逻辑，把新功能无缝接进了原来的系统。
这意味着，和模型做项目不再是一句话生成用完即止，只要不断提出新需求、反馈问题、调整细节，它还能沿着已有工程持续迭代，在一轮轮交互中不断补齐能力，无限地进化下去。
可以说，Qwen3.8-Max 极大提升了开发的效率。像这样一个网页 PS 软件，在过去的开发流程中可能要一个团队合作一周，而现在只要半小时不到。
而这个结果真正体现的，是 Qwen3.8-Max 对复杂需求的理解和连续执行能力。它能把调色、文字编辑、局部修复等不同功能准确落实为可运行模块，并在多个功能并行开发时保持界面、状态和交互逻辑的一致。
在开发过程中，Qwen3.8-Max 能不断发现自身代码中的错误或效果偏差，并根据运行反馈继续修改，最终把一份产品需求书推进成完成度较高的可用原型。
在实际体验中，这款网页 PS 的各项功能运行较为流畅，从图片上传、编辑处理到最终导出，整个流程均未出现明显异常，整体完成度已经接近可直接使用的产品原型。
接下来，我们将测试的重点转向 Qwen3.8-Max 的原生视觉理解能力。
在没有图纸、尺寸数据和三维模型的情况下，仅凭一段视频，它能否识别房屋主体的空间结构，并将视频中的二维画面还原为一个可自由交互的 3D 房屋模型？
最终，Qwen3.8-Max 给出的结果同样超出了我们的预期。
Qwen3.8-Max 不仅还原出了房屋主体的三维结构，还为模型加入了丰富的交互与参数调节功能。
从白天到夜晚，用户可以实时改变建筑所处环境的外部光照，直观观察不同时段下的采光、阴影和整体氛围；也可以分别控制房屋内外不同区域的局部灯光，模拟各个空间在实际使用中的照明效果：
甚至连墙面、屋顶、门窗等建筑局部的颜色与材质表现，也能随时修改：
对于建筑设计行业而言，这意味着设计师可以从现场视频快速生成并实时调整三维方案，将原本跨岗位、反复建模和渲染的流程压缩到同一界面中，大幅降低建模门槛并缩短方案确认周期。
随后，我们进一步测试了 Qwen3.8-Max 的专业分析能力：将苹果于 7 月 30 日发布的最新财报交给模型，由其自主提取核心财务数据，梳理经营亮点与潜在风险，并生成一份投资要点汇报 PPT。
十分钟不到，Qwen3.8-Max 就按照专业投研框架完成了财报分析，输出了一份 8 页的精炼 PPT。
PPT 中不止把原本分散的数据整理成了一张表格，还提炼出了四条核心投资逻辑。
更值得关注的是，模型还分析出了苹果服务业务的高毛利优势、AI 研发投入的长期价值，以及关税退款对当期利润率的阶段性影响。
同时，它也主动提示了存货增长、存储芯片涨价、监管诉讼和搜索分成等风险，并给出后续需要持续跟踪的成本、需求、政策与法律指标。
整体来看，这份 PPT 已接近一份结构完整、逻辑清晰、观点明确的专业投研简报。
综合测试下来，Qwen3.8-Max 给我们的主要体验并不在于某一项能力特别突出，而是综合能力较强，能在真实环境里接住真实需求。
而这种综合能力，已经开始进入科研与产业的真实工作流。
在前沿科研领域，中国科学院大学团队将 Qwen3.8-Max 用于微机电芯片的智能设计。面对结构、物理约束和性能指标高度耦合的问题，模型能够连续完成文献总结、参数提取、结构还原、仿真调用、异常诊断和迭代优化，将原本分散在多个专业工具和环节中的任务连接起来。
到了软件工程场景，这种端到端能力体现得更加直接。菜鸟表示，Qwen3.8-Max 已经能够自主完成从设计、编码、审查到部署的全链路交付，将过去需要多名工程师协同盯守的流程压缩为一次启动、自动闭环。
Qoder 的内部测试则显示，其代码保留率和工具稳定性优于 Opus4.8，中英文混合场景下 Token 效率领先 60%，等效推理速度高出 28%。
结合各种反馈与本次实测，可以说 Qwen3.8-Max 在代码、多模态和长程 Agent 等方面，展现出了全球第一梯队模型的综合实力。
价格方面，Qwen3.8-Max API 每百万 Token 输入 2 美元、输出 6 美元，隐式缓存输入仅需 0.25 美元。放在旗舰模型中，这套定价一定程度上降低了高频调用和长任务运行的成本，也让模型大规模接入真实业务成为可能。
更重磅的是，阿里官方还宣布，下周将在 HuggingFace 和 ModelScope 开放模型权重，这是 Qwen 首次开源 Max 级旗舰模型。
同时，备受开源社区期待的 27B 小尺寸模型也将于下周发布。尽管参数规模小，但社区已经对它寄予厚望，有开发者甚至期待 Qwen3.8-27B 能在部分任务中挑战 Opus 4.7/4.8。
当旗舰性能、可控成本与开放权重同时落地，希望接入我们真实工作流的 Qwen3.8-Max，能把 token 转化成真正的生产力。
发表于 2 小时前
|
查看: 4|
回复: 0
