阿里 Qwen3.8-Max 正式發布：2.4 兆參數衝進 Arena 全球前五，下週開源
誰遇到什麼問題？評估國產旗艦大模型的開發者與 AI Agent 團隊，面對 Qwen3.8-Max、Kimi K3、DeepSeek V4 密集發布，難以判斷跑分可信度與開源時間表。本文給什麼？基於 8 月 3 日 GA 發布的完整時間軸、核心數據表與競品橫向對照，並拆解「Open-Source 標籤先於權重上線」爭議。結構包含：三大痛點、跑分對照表、架構拆解、開源爭議、五步 Mac 隔離試跑、FAQ×5。
📋 本文目錄
Kimi K3 開源全景見 Kimi K3 全面開源權重解讀；中國大陸版 Apple Intelligence 與千問合作見 蘋果 AI 中國大陸備案解讀。
2026 年 8 月 3 日，阿里巴巴正式發布新一代旗艦大模型千問 Qwen3.8-Max，總參數 2.4 兆、激活 950 億，同步上線 Agent 產品「千問辦公」。在 Arena 文本競技場前 8 名中，Qwen3.8-Max 是唯一擠進去的非 Anthropic 模型——但所有跑分均為阿里自測，第三方權威平台尚未收錄正式評測。
01 · 三大決策痛點：為什麼「看跑分」遠遠不夠
- 官網已標「Open-Source」，權重卻還沒上線：qwen.ai 在 GA 當天即打上開源標籤，但截至發稿 Hugging Face 與 ModelScope 均無對應儲存庫、授權條款或確切日期，只有「下週」模糊承諾——行銷節奏領先於可驗證產物。
- 所有跑分均來自阿里自建測試框架：PaperBench、QwenSWEBench、RecreationBench 等多為內部基準，Artificial Analysis、Arena.ai 等中立平台截至發稿未對正式版給出獨立複現；Arena 上 1496 分標註為「Preliminary／初步」。
- 預覽階段透明度不足留下信任債：7 月 19 日預覽版未公開激活參數量、未提供跑分表，服務條款還禁止自動化生產環境呼叫——GA 才補充披露 950 億激活參數，多家獨立評測機構曾建議「先在自己業務場景測試，不要遷移生產系統」。
02 · 時間軸：從預覽版到正式發布，兩週內節奏很快
- 7 月 16 日：月之暗面發布 Kimi K3，2.8 兆參數（896 專家中激活 16 個），主打獨立評測與透明技術報告。
- 7 月 19 日：Qwen3.8-Max 以預覽版開放，接入 Token Plan／Qoder／QoderWork，價格為預計正式價的 10%，但未公布激活參數與跑分表。
- 7 月 27 日：Kimi K3 按承諾開源權重，上線 Hugging Face，同步開源注意力核心、MoE 通訊函式庫等基礎設施。
- 7 月 31 日：DeepSeek 發布 V4-Flash 正式版，參數規模不變，智慧體與程式碼類基準大幅超過 V4-Pro 預覽版。
- 8 月 3 日：Qwen3.8-Max 正式 GA，發布完整跑分表，「千問辦公」同步上線。阿里港股當日上漲約 7%，美股上漲約 4.5%。
- 預計 8 月 10 日前後：Qwen3.8-Max 及精簡版 Qwen3.8-27B 權重計畫登陸 Hugging Face 與 ModelScope，確切日期與開源協定條款尚未公布。
03 · 核心數據一覽
| 項目 | Qwen3.8-Max |
|---|---|
| 發布日期 | 2026 年 8 月 3 日（GA） |
| 總參數／激活參數 | 2.4 兆／950 億 |
| 架構 | 基於 Qwen3.5 的稀疏 MoE + 混合注意力 |
| 上下文視窗 | 100 萬 token（思考模式約 98.3 萬，輸出上限 13.1 萬） |
| API 定價 | 輸入 $2／百萬 token，輸出 $6／百萬 token |
| 中國大陸定價 | 輸入 12 元／百萬 token，輸出 36 元／百萬 token，快取命中低至 1.5 元 |
| Arena 文本競技場（8/1 快照） | 第 5 名，1496 分（Preliminary） |
| Arena 視覺競技場 | 第 2 名，僅次於 Claude Fable 5 |
| PaperBench（阿里自測） | 93.0（較上代 +28.2） |
| SWE-bench Pro（阿里自測） | 67.7（落後 Fable 5 的 80.0） |
| 權重開源狀態 | 承諾「下週」，截至發稿未上線 |
硬核數據 #1：API 定價輸入 $2／百萬 token、輸出 $6／百萬 token，明顯低於 Claude Opus 5（$5／$25）與 Claude Fable 5（$10／$50）。
硬核數據 #2：Arena 文本競技場第 5 名、1496 分，前 8 名中唯一非 Anthropic 模型，但排名標註為「初步」。
硬核數據 #3：發布當日阿里港股上漲約 7%、美股上漲約 4.5%，資本市場將其解讀為阿里重掌 AI 敘事主導權。
04 · 深度拆解：2.4 兆參數背後，阿里想解決什麼問題
4.1 為什麼是 MoE + 混合注意力，而不是單純堆參數？
稀疏 MoE 把總參數做到 2.4 兆的同時，實際激活量控制在 950 億——推論成本更接近千億級模型，而非真正呼叫 2.4 兆參數。這是用架構效率換取價格競爭力，而不是單純靠參數規模取勝。
4.2 reasoning_effort 三檔設計
模型提供 low／medium／xhigh 三檔推論強度（預設 xhigh），開發者可按任務複雜度調節速度與深度，支援透過 enable_thinking 參數或 Anthropic 相容介面的 reasoning.effort 欄位呼叫。
4.3 長程自主任務與生態卡位
阿里案例包括 16 天無人工介入的自主編碼專案、超過 500 步的晶片設計最佳化，以及自建 RecreationBench 黑盒還原真實應用。API 同時相容 OpenAI 與 Anthropic 協定，可直接接入 Claude Code、Codex、Qoder CLI、Qwen Code、OpenClaw 等主流 Agent 工具鏈。
05 · 橫向對照：Qwen3.8-Max、Kimi K3、DeepSeek V4、Claude
| 模型 | 總參數／激活 | 定價（入／出，每百萬 token） | 權重開源 | 獨立第三方評測 |
|---|---|---|---|---|
| Qwen3.8-Max | 2.4T／950 億 | $2／$6 | 未開源（承諾中） | 暫無 |
| Kimi K3 | 2.8T／約 500 億 | $3／$15 | 已開源（7/27） | AA Index ≈ 57.11 |
| DeepSeek V4-Flash | 未變（較 V4-Pro） | 未公開完整表 | 已開源 | 9 項智慧體／程式碼基準超 V4-Pro |
| Claude Opus 5 | 未公開 | $5／$25 | 閉源 | Arena 前列 |
| Claude Fable 5 | 未公開 | $10／$50 | 閉源 | Arena 文本第 1 |
唯一一次可比的獨立盲測（269 個檔案的真實專案架構設計任務）：Kimi K3 得 83 分，Qwen3.8-Max 預覽版得 80 分——差距很小，屬於「互有勝負」而非「全面碾壓」。
06 · 爭議點：「開源」標籤掛得比權重早
- 官網已標 Open-Source，權重還沒有發布：Hugging Face 與 ModelScope 上均無對應儲存庫、授權條款或確切上線時間。
- 所有跑分均來自阿里自建測試框架：包括 QwenSWEBench、QwenQoderBench、CoWorkBench、RecreationBench 等內部基準。
- 跑分表腳註暗指競品數據存疑：腳註寫著「Fable 5 的結果可能涉及 fallback」，但阿里自己的測試方法論同樣未公開到可供第三方複現的程度。
- 預覽階段透明度問題：7 月 19 日預覽版禁止自動化生產環境呼叫，未公開 model card 與安全評估報告。
這些不代表 Qwen3.8-Max 效能不行——從目前唯一的獨立盲測看，它確實與 Kimi K3 同一檔位——但「躋身全球第一梯隊」這類結論，目前主要還是阿里的一面之詞，需等開源權重落地、第三方跑分上線後才能真正驗證。
07 · 影響與背景：中國大模型的「參數競賽」進入新階段
- 2026 年是兆級參數模型的「擴產年」：DeepSeek V4-Pro（1.6T）→ Qwen3.8-Max（2.4T）→ Kimi K3（2.8T），但 DeepSeek V4-Flash 證明不靠堆參數也能大幅提升智慧體能力——參數競賽敘事正被「架構效率競賽」取代。
- 阿里罕見地「回歸開源」：此前幾代千問 Max 級模型走閉源路線，這次是首次承諾開源 Max 級權重，與 Kimi K3、DeepSeek 構成國產頭部「集體轉向開放權重」格局。
- 千問已嵌入 Apple Intelligence 中國大陸版：經壓縮到 4GB 以內的 Qwen 模型可在 iPhone 15 及以上機型本地執行，商業化半徑延伸為數億部 iPhone 的系統級 AI 能力。
- 中美 AI 敘事對照：Qwen3.8-Max 發布前後，OpenAI 與 Anthropic 披露 Agent 越獄入侵真實企業系統事件，白宮 8 月 4 日召集巨頭商討自願性網路安全測試框架——一邊加速開源搶占生態，一邊收緊 Agent 審查。
08 · 五步 Mac 隔離試跑（Agent 工具鏈驗收）
- 在 QwenCloud 註冊 API Key，用 OpenAI 或 Anthropic 相容 SDK 跑通基線任務（長文件摘要／修 bug／多檔案重構各 1 個），記錄 xhigh 與 low 檔延遲差異
- 在隔離環境設定
ANTHROPIC_BASE_URL或 OpenAI 相容端點，接入 Claude Code／OpenClaw／Qoder CLI，避免 API Key 寫入主力機全域 shell - 對照 Kimi K3 與 DeepSeek V4-Flash 跑同一組 269 檔案級架構任務，記錄盲審打分與 $/task 帳單
- 關注 Hugging Face／ModelScope 上 Qwen3.8-Max 與 Qwen3.8-27B 儲存庫上線時間與 LICENSE 條款，權重落地後再評估本地 Ollama 部署可行性
- 結合 Kimi K3 開源解讀與本文對照表，輸出團隊選型文件並設定 8 月 10 日前後的複測節點
09 · 常見問題 FAQ
Q1：Qwen3.8-Max 現在能直接用嗎？開源了沒有？
A：API 已可透過 QwenCloud 呼叫，相容 OpenAI 和 Anthropic 兩種介面協定。但權重尚未開源，預計 8 月 10 日前後登陸 Hugging Face 與 ModelScope，確切日期以官方公告為準。
Q2：Qwen3.8-Max 和 Kimi K3 到底誰更強？
A：目前沒有權威的統一評測。唯一獨立盲測顯示兩者打分非常接近（Kimi K3 83 分、Qwen3.8-Max 預覽版 80 分）。Kimi K3 優勢是已開源並有第三方評測；Qwen3.8-Max 優勢是 API 定價更低、多模態更全面。
Q3：2.4 兆參數是不是代表一般開發者根本用不起？
A：實際激活 950 億，透過 API 呼叫成本接近千億級模型。本地私有化部署完整版需多節點資料中心，更現實的選擇是等待 Qwen3.8-27B 精簡版開源。
Q4：阿里公布的跑分能信嗎？
A：可以作為參考，但不能當作定論。所有數據目前均來自阿里自建測試框架，建議關注後續獨立評測或在自己的業務場景做 A/B 測試。
Q5：這次發布對一般使用者有什麼實際影響？
A：蘋果中國大陸版 Apple Intelligence 的生成式 AI 能力基於經壓縮後的 Qwen 模型本地執行，中國大陸 iPhone 使用者未來會在系統層面直接用到千問系列能力。
10 · 租用 Mac 彈性驗證：在主力機外完成 Qwen3.8-Max Agent 試跑
Qwen3.8-Max API 雖已透過 OpenAI／Anthropic 雙協定降低遷移成本，但在主力開發機上直接切換 Agent 工具鏈仍有風險：API Key 污染全域環境、長上下文實驗不可逆占用本地快取、與 Claude Code／OpenClaw 並存的設定衝突難以回滾。Windows 或 Linux 使用者雖可呼叫雲端 API，但無法完整驗證與 macOS 原生 Xcode、Keychain 並存的 Agent 工作流程。
雖然你可以直接在筆電上接入 Qwen3.8-Max API 完成短期驗證，但主力機更適合穩定交付；若在 Windows 或老舊 Intel Mac 上遠端試水，常見風險包括延遲誤判、無法完整驗證憑證鏈與本地 Ollama 並存場景。若你追求按天計費、隔離環境、真實 Apple Silicon 硬體且不願為「試模型」專門買機器，MacDate 按天彈性租用讓你在權重落地前低成本完成 Agent 工具鏈對照實驗。計費見 裸機 macOS 定價。
短期用雲端 API 完成選型驗證完全合理；若你需要可複現的 Agent 環境、完整 Apple 生態相容與更低的 Key 外洩風險，直接租用 Mac mini M4 通常是更優解，而按天租賃能進一步降低前期投入與選型失誤成本。
11 · 資料來源
- 阿里雲官方部落格與新聞稿（Qwen3.8-Max 發布公告、定價頁面）
- Alibaba Cloud Community、Alibaba Press Room 英文公告
- Arena.ai 文本／視覺競技場公開排行榜（2026 年 8 月 1 日快照）
- 中國大陸媒體報導：網界、大模型之家、ITBear、新浪財經等
- 獨立評測／分析：Apidog、Yotta Labs、eesel AI、Context Studios、MarkTechPost、TechNode、SiliconANGLE
- Apple Intelligence 中國大陸版相關：TechCrunch、Memeburn、Digital Market Reports
發布前請務必核實最新的官方公告、開源時間及具體跑分數據，部分數字可能隨官方後續更新而變化。