开源模型新里程碑：阿里发布 Qwen3.8-Max 权重
开源模型正朝着更大规模、更强性能的方向演进。继 Moonshot AI 发布 Kimi K3 后，阿里巴巴于 8 月 2 日正式公布 Qwen3.8-Max 的模型权重，这是首个可下载权重的 Max 级巨型模型，旨在回应业界对高性能开源模型的期待。
最新消息：Qwen3.8-Max 核心参数与能力
阿里巴巴此次发布的 Qwen3.8-Max 是一款拥有 2.4 万亿参数的视觉语言模型，专为长周期编码和知识工作任务设计。公司在一周内相继发布了该模型及较小的 Qwen3.8-27B 版本权重。值得注意的是，虽然小版本一贯开放权重，但此次 Max 级模型的权重开放尚属首次。不过， downloadable 版本仅支持文本输入输出，不包含完整的百万 token 上下文窗口及视觉输入功能。
- 输入/输出能力：API 版本支持文本、图像和视频输入（最高 100 万 token），文本输出最高 13.1 万 token；权重版仅支持文本。
- 架构特点：采用混合注意力机制的混合专家（MoE）Transformer，总参数 2.4 万亿，每 token 激活约 950 亿参数。
- 核心功能：支持多级推理模式、函数调用、结构化输出、前缀补全及上下文缓存。
- 性能表现：在 Artificial Analysis 智能指数中综合排名第五（开源第二）；τ³-Banking 测试排名第一；Arena.ai 视觉与代码开发榜单均名列前茅。
- 获取方式：可通过阿里云 Model Studio API 调用，或在 Hugging Face、ModelScope 下载权重（采用自定义许可协议）。
工作原理：架构创新与训练策略
尽管阿里尚未发布详细的技术报告，但官方说明指出，Qwen3.8-Max 基于 Qwen3.5 构建，重点强化了智能体工作中的强化学习应用，并引入了视觉自我验证机制。
高效架构设计
作为混合专家模型，Qwen3.8-Max 在处理每个 token 时仅激活约 4% 的参数。其混合注意力机制结合了标准注意力层与更节省内存的门控 Delta 网络层，延续了 Qwen3.5 的高效路线。
原生多模态训练
与早期模型类似，Qwen3.8-Max 在预训练阶段即同时处理文本和图像，而非后期外挂视觉编码器。这种设计使其在规划、执行任务时，能够直接检查并验证渲染后的输出结果。
强化学习与智能体框架
阿里推出了专用的 QwenWork 智能体框架，并在包含不同任务时长、复杂度及工具环境的场景中对模型进行强化学习微调。通过代码执行、文本评分及图像渲染检查等多维奖励系统，配合数据平衡器，确保了训练的稳定性与高效性。
许可协议说明
可下载的 Qwen3.8-Max 权重采用类似 MIT 的自定义协议，但在月活用户超 1 亿或月营收超 2000 万美元时需署名；若构建年营收超 5000 万美元的 MaaS 或编程助手，需另行申请许可。相比之下，Qwen3.8-27B 权重包含全部能力且采用标准的 Apache 2.0 协议。
测试结果：性能卓越但成本略高
独立评测显示，Qwen3.8-Max 在总体智能上仅次于少数顶级闭源模型及 Kimi K3，在前端编码、视觉理解及智能体任务上表现优异，全面超越 Qwen3.7-Max。然而，性能提升伴随着更高的 Token 生成量，导致单项任务的综合成本有所增加。
基准测试表现
- Artificial Analysis 智能指数：推理模式下得分为 58 分（单次任务成本 1.13 美元），超越 Claude Opus 4.8 及 Muse Spark 1.2，略低于 Kimi K3。
- 金融与专业领域：在 τ³-Banking 模拟测试中以 51.3% 的成绩位居榜首；在 GDPval-AA v2 经济核心任务排名中位列第三。
- 盲测排行榜：在 Arena.ai 的 WebDev Code Arena 首秀即获第四名；在 Vision Arena 中斩获第二名，仅次于 Claude Fable 5。
轻量化版本表现
Qwen3.8-27B 在开放权重模型中排名第三，平均分 52，性能媲美 GPT-5.6 Luna，是目前最适合在消费级设备本地部署的高性能模型。
新闻背后：阿里战略转向开放
Qwen3.8-Max 权重的发布标志着阿里巴巴战略的重大调整：从保留最强模型自用，转向重新拥抱开源社区。自 2025 年初 Max 系列推出以来，阿里主要通过 API 提供服务。在此次缺席期间，Moonshot AI 和 Z.ai 等中国实验室在开源领域竞争激烈。随着 Kimi K3 和 GLM-5.3 的相继发布，阿里此次在上海世界人工智能大会预览并迅速开放权重，意在重夺开源领先地位。
重要原因：赋能开发者生态
开放权重为开发者提供了更多选择，无论是自建部署还是利用第三方托管服务，都能促进市场竞争并降低使用成本。尽管能自行托管 2.4 万亿参数模型的团队寥寥无几，但此举将推动蒸馏模型的发展及托管服务商的价格竞争。此外，自主部署也为注重数据隐私的企业提供了更优解决方案。
我们在想
虽然 Qwen3.8-Max 的开放权重版本未能完全复刻 API 版的全部能力（如视觉输入和超长上下文），略显遗憾，但能够将 Qwen3.8-27B 这样强大的模型部署在笔记本电脑上运行，对开发者而言已是一份极具价值的礼物。
