阿里巴巴发布开源权重模型Qwen3.8-Max，参数达2.4万亿

8月3日，阿里Qwen团队发布旗舰模型Qwen3.8-Max，总参数2.4万亿，每查询激活950亿，基于Qwen3.5架构。该模型聚焦于独立完成跨多日的复杂任务，而非单次问答。

模型于7月中旬以预览版形式通过Token Plan、Qoder和QoderWork提供，价格为标准价的10%。当时团队已提及2.4万亿参数，并称其排名仅次于Fable 5，但未公布基准。Qwen3.8-Max是Qwen-Max系列首个公开权重的模型。

权重计划于下周在Hugging Face和ModelScope上发布。模型现可通过QwenCloud使用，支持OpenAI Chat Completions格式。

团队展示了三个自主编码案例。第一个案例中，模型花费16天构建命令行工具oh-my-cli，将用户请求转为GitHub issue，自行分配、编写代码、运行测试并迭代改进。截至2026年7月30日，共产生265次提交、127个PR和151个issue，全程无人工干预。

第二个案例中，模型收到论文《Unified Data Selection for LLM Reasoning》但无起始代码，需复现并改进结果。约5天、125小时计算内，模型编写7,600行代码，运行33次GPU训练任务，复现全部6项主要结果，随后测试18个自身想法，在AIME24数学基准上超越原方法2.7分。

第三个案例为WWW2025多模态对话意图识别挑战赛，526个人类团队参赛。模型在24小时内微调多个中文模型及Qwen2.5-VL-7B，组合投票系统，45次提交中准确率从0.60提升至0.853，超越458个团队。

两个案例测试数百轮交互的长周期任务。芯片设计案例中，模型需设计加密电路，从8,298个逻辑门优化至678个，经过约500次迭代。经OpenROAD自动布局后，芯片面积从106x106微米减至46x46微米，减少81%。团队称模型在数百次迭代后仍进行深层结构修改。

电商模拟案例中，模型在E-Commerce-Bench中模拟基于淘宝和天猫匿名数据的一整年在线零售。起始资金10万元，需并行运营多个店铺，包括采购、与供应商自然语言谈判、定价、退货处理及应对台风等危机。供应商池中隐藏152个骗子，模型需识别。最终余额416,252元，为启动资金的4倍，比第二名GLM 5.2高38%，是前代Qwen3.7-Max的2.5倍以上。模型年初积极投资，假日季净利润超10万元。

多模态方面，模型可处理超200页文档和超100小时视频。团队推出RecreationBench基准，要求模型在无源码情况下重建应用，仅通过点击和键盘交互观察，覆盖Ubuntu、macOS、Windows、Android和Web。同时发布Qwen-MM-Plugins扩展库，为现有代理系统添加图像视频处理、视觉工具使用和多模态记忆。

团队公布的基准显示，模型在多个类别接近或超越Claude Opus 4.8、Claude Fable 5和GPT-5.6 Sol。PaperBench得分93为对比中最高，TerminalBench 2.1得分86.6，低于GPT-5.6 Sol的88.8。这些为内部运行结果，独立验证待进行。

团队将长任务能力归因于强化学习训练环境的扩展，涵盖多日工作流、嵌套目录结构和多种代理框架。内部评分指数从0.474升至0.725，最佳性能出现在约4,000个环境时，之后略有下降。

Qwen3.8-Max的直接竞争对手为月之暗面7月27日发布的Kimi K3，后者为2.8万亿参数的多模态MoE模型，上下文窗口100万token，权重开源。月之暗面还发布了部分基础设施，包括注意力内核、MoE通信库和代理工具。独立测试显示K3在网络能力和复杂数学上远逊于西方顶级模型。

Qwen3.8-Max的发布加剧了中国开源模型竞赛。其权重即将公开，可能进一步推动社区应用。