上手体验阿里千问3.8-MAX！2.4万亿参数的多元能力让开发者编程更省心

8月3日，阿里巴巴旗下千问团队正式推出千问3.8-Max。这款模型总参数量达2.4万亿，激活参数95B，不仅是千问家族目前规模最大、能力最强的成员，更是该系列首次将Max级别模型开源。其权重文件计划于下周在Hugging Face和ModelScope两大开源社区同步发布。

定价策略上，通过阿里云千问AI平台提供的API调用服务，输入价格为2.0美元/百万tokens，输出为6.0美元/百万tokens，隐式缓存费用则为0.25美元/百万tokens。

基准测试结果表明，千问3.8-Max在编程智能体及通用智能体等多项指标上，与Anthropic Fable5表现相当，部分领域甚至实现超越。具体来看，PaperBench得分93.0，高于Fable5的88.8；CoWorkBench得分为74.8，与Fable5的75.9极为接近；WideSearch得分81.9，与Fable5的81.2持平。

性能对标：比肩Fable 5，局部领先

依据千问团队披露的详细基准数据，Qwen3.8-Max在多个核心维度上与Anthropic Claude Fable 5保持持平或占据优势。

多模态处理能力同样亮眼。需要说明的是，Fable 5的部分结果可能涉及回退机制，千问团队已在注释中对此作出解释。

编程实战：从零到生产级交付

千问团队选取三个真实场景，测试了千问3.8-Max在无人工干预下的自主编程能力。

案例一：十天级自动构建。模型从空文件夹起步创建oh-my-cli项目，自主运行约16天，累计提交265次commits、发起127个PR、处理151个issues。它将用户反馈、社区最佳实践与自测结果整合进工程循环，实现了需求自动领取、代码生成及测试验证的全流程闭环。

案例二：复现并优化论文成果。模型独立工作约125小时，编写代码约7,600行，执行超过1,100步操作，完成33轮GPU训练，完整复现了《Unified Data Selection for LLM Reasoning》论文的六项主要结论。随后进入“自我进化”阶段，提出并测试18种改进方案，最终在AIME24竞赛级数学基准上，较原方法再提升2.7分。

案例三：24小时内击败87%人类队伍。在WWW2025多模态对话意图识别挑战赛中，面对526支人类参赛队，模型经45次提交迭代，准确率由0.60提升至0.853，成功击败458支队伍。

办公与长程任务：数百职业场景的生产验证

针对数百种高价值职业场景，千问团队验证了千问3.8-Max的实际交付效能。

在E-Commerce Bench（365天电商经营模拟基准）中，千问3.8-Max以¥416,252的收益胜出，回报率是第二名的4.16倍，超出第二名GLM 5.2达38%，较上一代千问3.7-Max提升152%。

芯片设计：500轮交互，面积缩减81%

在芯片设计优化任务中，千问3.8-Max展现了长程自主规划能力。

任务目标是优化一个G CD/RSA密码硬件加速器的逻辑门数量。在无参考设计、无人工介入的条件下，模型历经约500轮交互、71次评估，跨越13个关键里程碑，将初始设计的8,298门优化至678门，位列所有参评模型之首。

物理实现层面，芯片面积从106×106 µm²缩小至46×46 µm²，布线长度从33,369 µm降至4,187 µm，并在500 MHz频率下实现时序闭合，整体芯片面积缩减81%。

多模态能力：视觉贯穿执行全流程

千问3.8-Max的视觉能力超越了单纯的“看图”，而是作为持续反馈回路嵌入任务执行全过程。

模型在执行中会持续观察中间产物——检查页面布局、物体方向、动画效果等，发现偏差后自主定位并修正。千问团队将此定义为“原生视觉反馈回路”。

基准测试方面，千问3.8-Max在OSWorld-Verified得分86.1，超过Fable5的85.0；AndroidWorld得分85.3，略低于Fable5的88.8；ParametricCAD Bench得分91.5，高于Fable5的87.5。