點擊上方藍字關注我，加個??標不迷路。
大家好，我是 cxuan。
剛剛，Qwen 在社交媒體上公布了一個令人激動的消息。
Qwen3.8-Max 來了！我之前就測試過 Qwen3.8-Max Preview 的性能，超過了我的期待，今天 Max 正式版也來了！
我一直就在公眾號和平常社群跟大家透露這個事情，Qwen3.8-Max 畢竟是阿里出品，阿里的工程質量沒得說，所以 Qwen3.8-Max 的最大優勢就是它的工程能力。
我之前也寫過測評，并且用 Qoder CLI + Qwen3.8-Max Preview 也測試過，所以我覺得我還是有點說服力。。。
Qwen-3.8 Max 實測，確實有點東西。
用國產 Claude Code + Qwen 3.8 肝了兩天項目，才花了 6 塊錢
這是目前 Qwen 家族中最強大的模型。這也標志著 Qwen-Max 級別的模型將首次開源權重，下周就開源權重。
Qwen3.8-Max 的參數規模是 2.4 T，在編程、辦公、科研以及長周期任務等方面實現了全面提升。
看一下測評分數。
圖源：Qwen 官方博客
Qwen3.8-Max 沒有在每一項上拿第一，但它的工程能力很均衡。
它在 PaperBench 上拿到 93.0，超過 Fable 5 的 88.8 和 GPT-5.6 Sol 的 90.5；OSWorld-Verified 是 86.1，也高于圖里的其他模型。ERQA、PerceptionBench、LVBench 這些視覺理解和長視頻任務同樣領先。
編程榜單里能夠體現 Qwen3.8-Max 的優勢。
SWE-Pro 上 Qwen3.8-Max 是 67.7，低于 Fable 5 的 80.0；FrontierSWE 是 73.5，也低于 Fable 5 的 88.8。到了 PaperBench、QwenReactBench、終端任務和 CoWorkBench，它又回到了第一梯隊。
Qwen 還公開了 RL 訓練環境擴展后的分數變化。
環境從 SFT baseline 一路擴到 4,000 個左右時，綜合分數從 0.474 漲到 0.725。后面繼續擴到 5,000 個，分數反而回落到 0.689。
圖源：Qwen 官方博客
從圖上看，4,000 個環境附近達到了最高分，繼續增加反而回落。關鍵還在任務分布和訓練數據的平衡，官方最后選擇了分數最好的 checkpoint。
另外一張圖更符合我說的工程能力。
同一個 Qwen3.8-Max 放進 QwenWork、Claude Code、Codex、OpenClaw、Hermes 等不同 Harness，CoWorkBench 基本穩定在 73.2 到 75.8，WorkspaceBench 也穩定在 67 左右。
圖源：Qwen 官方博客
模型接到不同工具上，性能沒有大幅衰減。這個細節意味著它更適配現有的開發流程，沒有只依賴 Qwen 自己的 Harness。
官方給了幾個測試案例
自主編程：超過 10 天的自我演化開發，從空文件夾到生產部署無需人工干預，完整項目追蹤見 GitHub：https://github.com/qwen-code-dev-bot/oh-my-cli
官方博客按 7 月 30 日的口徑記錄了 16 天無人干預、265 次 commit、127 個 PR 和 151 個 issue。發布視頻封面里的 issue 已經漲到 172 個，說明這個項目還在繼續運行著。
另一個科研案例。Qwen3.8-Max 從論文和一組 GPU 開始，連續工作約 125 小時，寫了約 7,600 行代碼，執行 1,100 多個動作，完成 33 輪 GPU 訓練。它先復現論文，再自己提出 18 個改進想法，最后把 AIME24 的結果又提高了 2.71 個點。
真實工作，真實成果：跨越數百種職業的生產級交付成果。這里的案例也很具體：一次掃描數百份文檔，找出 1,284 條合規條款，一小時內完成；從一套圖紙重建 30 層辦公樓的抗震結構模型；把 2D 康復評估表變成可旋轉的 3D 交互演示；把約 8,400 個攻防回合整理成球員戰術報告。
長時程掌握：系統級自主規劃，結合閉環自適應學習，推動 500+ 輪芯片設計優化和 365 天電商策略制定。
芯片案例里，模型從 8,298 個門一路優化到 678 個門，最終版圖面積縮小 81%，并在 500MHz 下完成時序收斂。電商模擬則持續跑過 2,000 多輪交互，全年最終余額做到 416,252 元，回報達到 4.16 倍。
原生多模態智能：視覺不僅是輸入，它是規劃、執行和自我修正的持續反饋循環。 官方給的場景已經擴到 200 多頁的復雜 PDF 和 100 小時以上的視頻。
定價需要和其他大模型對比下。
QwenCloud 的標準 API 價格是：輸入 2 美元/百萬 Token，輸出 6 美元/百萬 Token。
我把同一批旗艦模型放到一起算了一遍：
Qwen3.8-Max 的輸入價和 Gemini 3.1 Pro 在 200K 以內的價格相同，但輸出只有 Gemini 的一半。和 Claude Opus 4.8 相比，輸入便宜 60%，輸出便宜 76%；和 GPT-5.6 Sol 的短上下文標準價相比，輸入便宜 60%，輸出便宜 80%。
不過，只和海外模型比還不夠。把 Kimi、GLM 和 DeepSeek 拉進來以后，會得出來更明顯的結論：Qwen3.8-Max 對海外旗艦確實便宜，但在國內旗艦里并不是價格最低的。
還是按一次 10 萬輸入、2 萬輸出的長任務算，DeepSeek V4 Pro 約 0.41 元，GLM-5.2 約 1.36 元，Qwen3.8-Max 約 2.18 元，Kimi K3 約 4 元。也就是說，Qwen 在這組國產旗艦里排在中間：比 Kimi 便宜，但高于 DeepSeek 和 GLM。
這反而讓它的定位更清楚了。Qwen3.8-Max 賣的不是國內最低價，而是第一梯隊能力、1M 上下文、原生多模態和現成工具兼容性，價格又明顯低于海外同檔旗艦。
Qwen3.8-Max 這次沒有靠一個榜單分數來講故事。而是融入到了實際的場景中，這符合大家對實際場景的需求。
官方把 16 天編程、125 小時科研、數千輪策略模擬和跨 Harness 結果都擺了出來，想證明它能在長任務里也能持續工作。
然后再配上 2 美元輸入、6 美元輸出的價格。
這次 Qwen3.8-Max 就像說明白一個事情：
能把任務做完，并且把每次價格壓到團隊敢于使用，才是工程模型真正的競爭力。
這就是我看好 Qwen3.8-Max 的原因。
