就在前几天，阿里千问官宣：Qwen3.8 即将发布并开放权重。正式版 Qwen3.8-Max 会做到 2.4T 参数，现在先上线的是 qwen3.8-max-preview。
千问给自家新模型的评价也很猛，称它“仅次于 Fable 5”。目前预览版已经在阿里的 Token Plan、Qoder 和 QoderWork 上可用，不用等正式版，现在就能跑。
我没有先去看榜单，也没让它做一个看起来很热闹的网页。只是顺手订了一个 139 元的标准套餐，然后把它扔进 GitHub，去修一条真正没人接的 Bug。
结果比“模型一次写对”有意思得多：第一道题，Qwen3.8 很快修完，我却把成绩作废了；第二道题，它通过了所有现成测试，又被 Reviewer 一条反例打了回来。
我又把同一道题递给手边 Codex 里的 GPT-5.6 Sol。
没想到，它也翻车了。
139 元，先把它跑起来
我订的是 Token Plan Standard，当前活动价 139 元/月，页面标出的原价是 180 元。
为什么不选 39 元的 Lite？我担心 Coding Agent 在大型仓库里来回读代码、跑测试，几轮就把额度吃紧。499 元的 Pro 对这次实验又有点用力过猛。139 元夹在中间，正好适合拿来认真折腾一轮。
活动期内，Qwen3.8-Max-Preview 的 Credits 白天按 1 折消耗，个人版夜间在此基础上还有额外 2 折，还挺香的。
先看看成绩
网上还泄露出一张千问的内部评测图：测试集来自 400 个真实 Coding 和 Cowork 任务，Preview 版本已经被放进多款国内外模型的同题对照里。
这张图很抢眼，但它毕竟是千问私有测试集，外部没法逐题复核。我更想知道的是：离开题库，Qwen3.8 能不能钻进一个陌生项目，自己读代码、找入口、改实现、补测试，再扛住一个故意挑刺的 Reviewer。
GitHub Issue 正好适合干这件事。
它不是“写一个贪吃蛇”那种演示题。需求是别人提的，代码是多年长出来的，现有测试不会迁就模型，最后还能拿 diff 和反例说话。
当然，这里有一个大坑：Issue 还开着，不等于网上没有答案。
第一题修 Click，结果我先翻车了
第一道题来自 Click #3571。
Click 是 Python 里很常用的命令行工具库。这个 Bug 也不复杂：进度总数明明是 20，搭配 show_pos=True 和 update_min_steps=7 时，程序跑完却停在 14/20，没有显示最终的 20/20。
Qwen3.8 用了大约 2 分 29 秒，自己复现问题，找到 ProgressBar.finish() 没有刷新最后一小段累计进度，补上实现和回归测试，最后跑出：
1940 passed, 25 skipped, 1 xfailed开局漂亮得有点省心。
然后我补做了一次公开资料检查，发现事情不对了。
早在 6 月，已经有人在 fork 里做过同方向修复；实验当天，Click 上游也出现了相关 PR。它们的核心思路同样是在 finish() 中刷新剩余的 _completed_intervals。
也就是说，Qwen3.8 的补丁本身没有因此变错，但这道题已经不能证明它独立找到了一个没人解决的方案。
模型没翻车，我的评测题先翻车了。
这次结果只保留一件事：Qwen3.8 能在陌生仓库里完成复现、定位、修改和全量测试。至于“有没有复述公开答案”，这道题已经说不清，必须换题。
第二题换成 mypy，先查有没有答案
第二次，我把顺序倒了过来：先查评论、关联 PR、仓库搜索和公开网页，再把题交给模型。
最后选中的是 mypy #21744。
mypy 是 Python 类型检查领域最老牌、规模最大的开源项目之一。它从 2012 年开始开发，GitHub 上有超过 2 万颗 Star、1.3 万多次提交，Issue 编号已经排到 2.1 万以后。我们这次实际跑到的一个主测试文件，就有八千多条用例。
如果把 Python 程序比作一篇交稿前的文章，mypy 就是那个专门挑错的编辑：这里明明应该传字符串，你怎么塞进来一个整数？它不运行程序，而是在代码真正开跑前把类型问题找出来。
这次的 Bug 藏在插件系统里。
mypy 允许插件临时改写一个方法的类型签名。普通调用时，插件正常工作：
self.method(1)换成 super()，插件突然没来上班：
super().method(1)像同一栋楼开了两扇门。self.method() 走正门，门口有人核验；super().method() 走侧门，mypy 知道这条路通向哪个方法，却忘了把来人送回插件的检查台。
实验前后，这条 Issue 都没有评论、没有关联 PR，也没有搜到公开的同题补丁。任务材料里只有 Issue、最小复现、目标行为和验收要求，没有源码位置，也没有别人写好的答案。
这次可以正式开考了。
Qwen3.8 找对了门，又认错了人
Qwen3.8 很快追到 mypy/checkexpr.py。
普通方法调用使用 MemberExpr，super().method() 则走另一条 SuperExpr 路径。旧代码只从前者提取方法名和对象类型，所以插件到了侧门以后，根本收不到查询信息。
根因找对了。首版补丁也很克制：给 SuperExpr 补一条分支，再加回归测试。聚焦测试、插件测试和 super 相关测试全部通过。
Qwen3.8 给出的结论是：
All checks pass.
如果到这里收工，结论会非常省事：Qwen3.8 钻进 mypy，定位真 Bug，测试全绿，一次拿下。
可 Reviewer 把测试里的 self 换成了另一个合法实例：
super(Base, other).method(1)首版补丁立刻露馅。
Qwen3.8 把“当前代码写在哪个类”当成了“正在调用方法的实例类型”。在原始样例里，两者刚好是同一个类，所以绿灯全亮；Reviewer 故意把它们拆开，插件马上找错人。
看到反例后，Qwen3.8 认得很快：
The review is correct.
这句话比前面的 “All checks pass” 更有信息量。它说明模型能在拿到精确反例后推翻自己的首版假设，继续收敛，而不是守着一片绿灯硬说完成。
我顺手把同一道题丢给 GPT-5.6
为了确认这是不是 Qwen3.8 独有的问题，我把相同 Issue、相同基线和相同验收要求交给了手边 Codex 里的 GPT-5.6 Sol。
它同样找到了 MemberExpr 和 SuperExpr 的分发差异，而且绕开了 Qwen3.8 的“代码所在类”错误。
然后，它换了一种方式答错了。
GPT-5.6 选择的是方法最初定义的类 Root。可 mypy 插件真正需要的是实际实例 GrandChild。一个认成“代码写在哪里”，另一个认成“方法最早属于谁”，正确答案其实是“现在到底是谁在调用”。
Reviewer 把身份一拆开，GPT-5.6 的全绿补丁也被打了回来。
同一个 Bug，用两种方式骗过了两个模型。
反例给到以后，Qwen3.8 和 GPT-5.6 都能理解问题并修正方案。最终，两边在相同主测试环境里通过了完整测试：
8192 passed, 33 skipped, 7 xfailed这一局，伯仲之间
如果只看这道题，没有冠军。
Qwen3.8 和 GPT-5.6 都能进入陌生的大型代码库，沿着语法树和插件调用链找到真正缺口；两边也都在首版里把一个看似合理的类型当成了正确答案，并被独立 Reviewer 的隐藏反例击穿。
修订以后，两边都完成了任务。
所以这一题最准确的判词只有四个字：伯仲之间。 Qwen3.8-Max-Preview 已经和 GPT-5.6 Sol 打得有来有回。
这只是一条 Issue、一次运行，当然不能排出模型世界排名。但它至少说明，Qwen3.8 的 Preview 已经能接下真正的工程活。
同时，这次实测也再次提醒我们：Coding Agent 会写代码以后，还得配一个专门找反例、不肯轻易签字的 Reviewer。
一个负责实现，一个负责拆台，再让固定测试和仓库规则守住最后一关，这比让模型自己写测试、自己宣布胜利可靠得多。
Preview 已经这样，正式版呢？
别忘了，我们这次用到的还只是 qwen3.8-max-preview。
正式版 Qwen3.8-Max 按官方计划将达到 2.4T 参数并开放权重。等它真正上线以后，模型能力、稳定性和开放方式还要重新实测；Preview 的表现不能提前替正式版签收。
但换个角度看，一版还在持续迭代的 Preview，已经能在真实 mypy Issue 上和 GPT-5.6 Sol 互有来回，确实给正式版留下了不小的想象空间。
我现在对正式版最大的期待，是它进仓库以后能少说一次“All checks pass”，多替 Reviewer 提前想到一条反例。漂亮 Demo 已经够多了。
最后需要说明一下，本次实验没有向 Click 或 mypy 提交 AI 生成的 PR。
参考链接
-
Qwen3.8 发布：https://x.com/Alibaba_Qwen/status/2078754377473601787 -
Token Plan 页面：https://platform.qianwenai.com/pricing/token-plan -
Qwen Code 接入文档：https://platform.qianwenai.com/docs/developer-guides/clients-and-developer-tools/qwen-code -
Click Issue #3571：https://github.com/pallets/click/issues/3571 -
Click fork PR #1：https://github.com/sijie-Z/click/pull/1 -
Click 上游 PR #3720：https://github.com/pallets/click/pull/3720 -
mypy Issue #21744：https://github.com/python/mypy/issues/21744 -
mypy 项目历史：https://mypy-lang.org/about.html -
mypy 仓库：https://github.com/python/mypy
进技术交流群请添加AINLP小助手微信（id: ainlp2)
请备注具体方向+所用到的相关技术点
关于AINLP
AINLP 是一个有趣有AI的自然语言处理社区，专注于 AI、NLP、机器学习、深度学习、推荐算法等相关技术的分享，主题包括LLM、预训练模型、自动生成、文本摘要、智能问答、聊天机器人、机器翻译、知识图谱、推荐系统、计算广告、招聘信息、求职经验分享等，欢迎关注！加技术交流群请添加AINLP小助手微信(id：ainlp2)，备注工作/研究方向+加群目的。
