阿里巴巴发布Qwen3.8 Max，开源计划引发关注

根据 Artificial Analysis 的评测，阿里巴巴新发布的 Qwen3.8 Max 在 Artificial Analysis 智能指数上得分 56，较前代 Qwen3.7 Max 的 46 分提升 10 分，与 Claude Opus 4.8（max，56）持平，在中国实验室中仅次于 Kimi K3（max，57），领先 GLM-5.2（max，51）。

在 GDPval-AA 评估中，Qwen3.8 Max 获得 1739 Elo，较前代提升 468 Elo，超越 Kimi K3（1685），与 Claude Fable 5（1743）和 GPT-5.6 Sol（max，1730）基本持平，仅落后于 Claude Opus 5（max，1852）。

与前代相比，Qwen3.8 Max 在 agentic 评估、科学推理和编码方面均有提升：Terminal-Bench v2.1 提升 6 分，CritPt 提升 7 分，SciCode 提升 4 分，HLE 提升 3 分，GPQA 保持不变。

Qwen3.8 Max 每智能指数任务成本为 $1.14，是前代 Qwen3.7 Max（$0.53）的两倍多，约为 Kimi K3（$0.86）的 1.3 倍，GLM-5.2（$0.57）的 2 倍。

成本上升主要源于 agentic 评估中更多轮次：GDPval-AA 输入 token 较前代增加约 15 倍，输出 token 使用量增加 45% 至 145M。

尽管每任务成本上升，但 token 单价实际上有所下降：输入/输出价格从 Qwen3.7 Max 的 $2.50/$7.50 降至 $2.00/$6.00，缓存命中价格从 $0.50 降至 $0.25。

在 AA-Omniscience 评估中，Qwen3.8 Max 得分下降 10 分（从 +14 降至 +4），逆转了前代的弃权收益。准确率基本持平于约 31%，但幻觉率从 23% 升至 40%，表明模型在无法回答时更倾向于尝试而非放弃。

此外，τ³-Bench Banking 结果（42%）被认为超出分布，较前代提升 32 分，使 Qwen3.8 Max 在其他评估中领先于得分更高的模型，这一异常值得关注。

AA-LCR 得分下降 2 分，也显示出某些方面的退步。

阿里巴巴宣布计划下周发布 Qwen3.8 Max 的权重，这标志着其策略转变，因为其 Max 类模型通常保持专有。

一旦发布，Qwen3.8 Max 将成为阿里巴巴最大的开源权重模型，约为其此前最大开源模型 Qwen3.5 397B 的 6 倍，并成为仅次于 Kimi K3（2.8T）的第二大开源权重模型。

模型总参数 2.4T，激活参数约 95B，上下文窗口 1M，支持文本、图像和视频输入，文本输出。

Artificial Analysis 指出，他们此前发布的 Qwen3.8 Max 得分 53 的结果受到端点间歇性问题影响，已在阿里巴巴公共 API 端点上重新运行所有评估，最终得分为 56。

这一修正提醒我们，第三方评测结果可能受测试环境影响，最终数据应以官方或复测为准。