8月3日阿里巴巴正式發(fā)布新一代基座大模型Qwen3.8總參數(shù)量2.4萬億在編程Coding和專業(yè)辦公Cowork方面能力大幅提升。發(fā)布當天放榜的權(quán)威三方榜單Arena中阿里Qwen模型僅次于Anthropic的Claude系列整體性能處于全球大模型第一梯隊。這是繼Kimi K3之后國產(chǎn)大模型兩萬億俱樂部迎來的又一位成員。港股阿里巴巴早盤股價持續(xù)拉升截至發(fā)稿漲近6%。資本市場的反應(yīng)比任何評測榜單都來得更誠實。這篇文章按時間線拆解這場發(fā)布看看2.4萬億參數(shù)背后阿里到底在下一盤什么棋。7月19日的預(yù)告半個月前就埋下的伏筆這場發(fā)布并不是突然發(fā)生的。7月19日下午阿里千問大模型官方賬號發(fā)文預(yù)告Qwen3.8-Max預(yù)覽版模型首發(fā)上線阿里Token Plan、Qoder及QoderWork三個產(chǎn)品。預(yù)告里寫得很直白Qwen3.8很快將發(fā)布并開源新模型參數(shù)達到2.4T。可能是除了Fable 5外最強大的模型。這句話在開源社區(qū)里被反復(fù)引用因為它直接給新模型定了位瞄準的是全球最強閉源模型的席位。半個月后的8月3日正式版如約而至。從預(yù)覽版到正式版的節(jié)奏掐得比很多人的預(yù)期更緊。預(yù)覽版先給三個產(chǎn)品線用等于提前在真實流量里做了壓測。Token Plan是阿里面向API重度用戶的訂閱計劃Qoder是編程助手QoderWork是面向工作場景的智能體產(chǎn)品。三個產(chǎn)品覆蓋了消費側(cè)、開發(fā)側(cè)、辦公側(cè)三種完全不同的負載形態(tài)。用真實產(chǎn)品驗證模型再用正式版承接全部流量這套打法在商業(yè)上相當穩(wěn)健。2.4T參數(shù)與95B激活稀疏MoE的又一次躍遷Qwen3.8-Max是千問系列中尺寸最大、性能最強的旗艦?zāi)Ｐ?。在模型架?gòu)上Qwen3.8通過稀疏MoE架構(gòu)與混合注意力機制的聯(lián)合優(yōu)化首次將千問大模型的總參數(shù)量拓展到2.4T?？倕?shù)2.4T激活參數(shù)只有95B。這個數(shù)字組合意味著什么參數(shù)總量決定了模型的知識容量上限激活參數(shù)決定了單次推理的實際計算量。把2.4T參數(shù)塞進95B的激活預(yù)算里靠的是MoE把模型拆成無數(shù)個專家子網(wǎng)絡(luò)每次推理只喚醒最相關(guān)的那一小部分。稀疏激活的本質(zhì)是用更少的計算量換取更大的知識容量?；旌献⒁饬C制的加入則讓模型在處理長上下文時不再被全量注意力計算拖垮。這兩個設(shè)計的直接結(jié)果是更高的推理效率更快的推理速度以及整體性能的新突破。Qwen3.8支持視覺理解上下文長度達到1M Tokens。一百萬Token的上下文意味著模型可以一次性吞下整本技術(shù)手冊、整份代碼倉庫的說明文檔再開始工作。長上下文與視覺理解的組合是Agent類應(yīng)用最需要的底座能力。從架構(gòu)選擇上可以清楚看到Qwen3.8不是為聊天設(shè)計的是為執(zhí)行設(shè)計的。MoE與混合注意力的組合在業(yè)界并不新鮮但把總參數(shù)推到2.4T同時保持95B的激活量需要的工程積累遠超一般團隊的能力范圍。專家路由的負載均衡、長上下文下的注意力稀疏化、多模態(tài)輸入與文本輸入的共享專家分配每一環(huán)都是硬骨頭。千問團隊敢把這三個難題一起做進旗艦?zāi)Ｐ驼f明這套架構(gòu)已經(jīng)在內(nèi)部驗證了足夠長的時間。Arena榜單僅次于Claude的國產(chǎn)旗艦發(fā)布當天放榜的權(quán)威第三方榜單Arena中阿里Qwen模型僅次于Anthropic的Claude系列。整體性能處于全球大模型第一梯隊這個表述第一次和國產(chǎn)開源模型放在一起顯得如此順理成章。在權(quán)威Vision Arena榜單中Qwen3.8-Max排名全球第二。視覺榜單的含金量不亞于文本榜單因為多模態(tài)能力正在成為旗艦?zāi)Ｐ偷臉伺鋺?zhàn)場。文本與視覺雙線并進說明這次發(fā)布不是單項補強而是整體換代。Arena榜單的排名來自全球用戶的匿名盲測投票不是實驗室自報分數(shù)。這意味著Qwen3.8在真實使用體驗層面已經(jīng)追上了過去兩年被認為不可逾越的差距。盲測投票的樣本來自全球開發(fā)者、研究人員和普通用戶他們在不知道模型身份的情況下對比回答質(zhì)量。這種評測方式最貼近真實使用感受也最難被刷分操縱。僅次于Claude系列這個結(jié)果等于全球用戶用腳投票投出來的結(jié)論。一串可以核對的分數(shù)Qwen3.8在指令遵循IF Bench評測中斬獲82.8分?？茖W推理GPQA Diamond取得92.6分。在視覺推理BabyVision評測中Qwen3.8-Max在無工具條件下取得82.0分超出部分主流模型近兩倍。在評估智能體電腦操作能力的OSWorld-Verified評測中Qwen3.8-Max以86.1分位居主流模型首位。把這幾組數(shù)字放在一起看會更清楚Qwen3.8的側(cè)重在哪里評測項分數(shù)位置IF Bench 指令遵循82.8全球前列GPQA Diamond 科學推理92.6全球前列BabyVision 視覺推理無工具82.0超出部分主流模型近兩倍OSWorld-Verified 電腦操作86.1主流模型首位Vision Arena 視覺榜單—全球第二CodeArena 編程榜單—全球第四指令遵循、科學推理、視覺推理、電腦操作、編程五個維度全部進入全球前列。這不是單項冠軍而是六邊形戰(zhàn)士。尤其值得注意的是OSWorld-Verified的86.1分。這個基準模擬的是模型像人一樣操作電腦的完整流程看屏幕、點按鈕、填表單、讀反饋。它是Agent能力最直接的度量衡之一也是從會聊天到會干活的分界線。模型在OSWorld上的分數(shù)直接決定了它能不能勝任自動化辦公、自動化運維這類高價值任務(wù)。86.1分位居首位意味著至少在電腦操作這個維度上Qwen3.8已經(jīng)是最能干的模型。如果說兩年前的大模型比賽比的是誰更會說話那么現(xiàn)在比的是誰更會辦事。OSWorld這類基準的出現(xiàn)本身就是行業(yè)風向轉(zhuǎn)變的標志評測標準在從對話能力向執(zhí)行能力遷移。Coding從寫好函數(shù)到交付項目編程能力是前沿大模型的核心能力之一Qwen3.8實現(xiàn)了自主編程的新突破。在權(quán)威CodeArena榜中Qwen3.8位居全球第四。兩年前的前沿模型能寫好函數(shù)、補全代碼成為程序員的有力幫手。而如今的Qwen3.8可以從一個空文件夾出發(fā)自主完成一個十數(shù)天的真實項目交付全程無需人干預(yù)。注意這句話的每一個限定詞空文件夾真實項目十數(shù)天全程無需人干預(yù)。這不是demo級的代碼生成而是把軟件工程里的需求拆解、架構(gòu)設(shè)計、編碼實現(xiàn)、測試修復(fù)、文檔編寫全部打包進了一次自主執(zhí)行。編程能力的評價標準已經(jīng)變了從能不能生成代碼變成能不能把項目跑起來。對開發(fā)者來說這意味著人機協(xié)作的粒度可以進一步下探人類負責定義目標模型負責執(zhí)行過程。十數(shù)天的項目周期對應(yīng)的是真實業(yè)務(wù)系統(tǒng)的開發(fā)量級不是玩具項目。從函數(shù)補全到項目交付中間跨越的是工程能力的整條鏈路。這條鏈路里最難的環(huán)節(jié)不是寫代碼而是保持目標一致十幾天的時間里模型需要記得最初的需求抵抗中途的各種干擾持續(xù)向最終目標推進。這也是為什么自主編程比代碼生成難出一個量級生成只需要局部正確交付要求全局一致。RecreationBench從零復(fù)刻一個應(yīng)用千問團隊構(gòu)建了一個名為RecreationBench的應(yīng)用復(fù)刻基準用來測試長程任務(wù)能力。在這個基準里模型沒有源代碼也無法聯(lián)網(wǎng)只通過交互與反饋去理解一個應(yīng)用。結(jié)果Qwen3.8從零復(fù)刻出了整個應(yīng)用。這意味著模型已經(jīng)展現(xiàn)出前沿水準的混合多模態(tài)智能體能力。它通過迭代編程—交互反饋的反復(fù)循環(huán)把視覺編程Visual Coding推向新的高度。模型先看界面再猜邏輯再動手寫再看反饋再改。這已經(jīng)不是一個生成器而是一個工程師。從零復(fù)刻應(yīng)用與普通代碼補全之間隔著整個軟件工程方法論的距離。這類長程任務(wù)考驗的是模型的記憶保持、錯誤修正和目標管理能力任何一環(huán)斷裂都會導(dǎo)致任務(wù)失敗。Qwen3.8能完成從零復(fù)刻說明它的Agent能力已經(jīng)通過了最嚴格的壓力測試。這個能力放到真實世界里就是你給我描述一個系統(tǒng)我還你一個能跑的實現(xiàn)。對企業(yè)來說這意味著很多重復(fù)性的開發(fā)需求可以完全交給模型人力只負責驗收和迭代。Cowork真實環(huán)境與算力聯(lián)合強化學習除了CodingQwen3.8的另一條主線是Cowork專業(yè)辦公能力。面對完全不同的專業(yè)任務(wù)、評判標準和計算需求Qwen3.8通過真實環(huán)境和算力的聯(lián)合強化學習RL擴展實現(xiàn)了數(shù)百種高價值、高頻專業(yè)任務(wù)的真實表現(xiàn)提升。普通模型的RL訓(xùn)練是在模擬環(huán)境里打游戲Qwen3.8的RL是在真實的工作流里干活。在主流的智能體框架中Qwen3.8都可以穩(wěn)定可靠地交付生產(chǎn)級成果。這背后的訓(xùn)練成本極高但效果也極其直接模型不是在考試卷上刷分而是在工位上干活。數(shù)百種專業(yè)任務(wù)的覆蓋面意味著它不再是某一個垂直場景的專用模型而是可以橫跨多種工作類型的通用執(zhí)行體。聯(lián)合RL的關(guān)鍵詞是聯(lián)合環(huán)境是真實的算力是真實的反饋也是真實的。這樣的訓(xùn)練信號密度遠高于任何人工標注的合成數(shù)據(jù)。從效果上看Cowork能力決定了模型在Agent產(chǎn)品里能不能真正頂上去干活而不是只當個問答機器人。RL擴展的真正價值在于把知道怎么做變成真的會做。這也是為什么阿里要把訓(xùn)練放到真實環(huán)境和算力里合成的訓(xùn)練數(shù)據(jù)可以教模型回答問題但教不會模型處理真實世界的噪聲和不確定性。千問辦公Agent產(chǎn)品與模型同步落地阿里今日同步推出了Agent產(chǎn)品千問辦公Qwen3.8已經(jīng)接入其中。模型發(fā)布當天就有配套的Agent產(chǎn)品落地這個節(jié)奏值得注意。過去的一年里各家廠商的路徑分化得很明顯有的先發(fā)模型再找場景有的先做產(chǎn)品再等模型。阿里選擇了第三條路模型和Agent產(chǎn)品同一天發(fā)布從第一天起就讓模型在真實辦公場景里跑。這符合Agent時代的競爭邏輯模型能力只是起點誰能更快地把能力封裝進可用的產(chǎn)品誰就掌握了分發(fā)入口。千問辦公的定位是把專業(yè)辦公任務(wù)從人操作軟件變成模型操作軟件人審核結(jié)果。辦公場景是最適合Agent落地的戰(zhàn)場流程標準、反饋明確、價值可量化。模型接進辦公產(chǎn)品意味著從第一天就有真實用戶在真實任務(wù)上打磨它。這種發(fā)布即使用的節(jié)奏和傳統(tǒng)大模型發(fā)布后等生態(tài)的模式形成了鮮明對比。阿里云生態(tài)里沉淀了海量的企業(yè)級應(yīng)用場景財務(wù)、人力、法務(wù)、供應(yīng)鏈、客服每個場景都是一座金礦。千問辦公把這些場景串起來等于把Qwen3.8直接送到了最能產(chǎn)生價值的地方。這也是大模型競爭從模型軍備競賽走向場景落地競賽的縮影。價格每百萬Token輸入12元、輸出36元今日起全球開發(fā)者都可以通過千問AI平臺獲得Qwen3.8的API服務(wù)。國內(nèi)定價每百萬Tokens輸入12元、輸出36元隱式緩存命中僅1.5元。國際定價同樣激進輸入與輸出的國際價格僅為Opus5的40%與24%。把價格換算成百分比看起來會更直觀計費項國內(nèi)價格每百萬Token相對Opus5輸入12元40%輸出36元24%隱式緩存命中1.5元—相近的智能更低的成本這是開源生態(tài)最熟悉的進攻方式。對開發(fā)者來說這意味著用Opus5一個零頭的成本就能跑起一個同檔次的模型。隱式緩存命中1.5元的價格更是為Agent循環(huán)這類高重復(fù)度的調(diào)用場景量身定做。Agent任務(wù)里系統(tǒng)提示詞、工具定義、上下文窗口往往反復(fù)命中緩存緩存價格直接決定單次任務(wù)的總成本。把緩存打到1.5元等于給Agent開發(fā)者發(fā)了一張長期折扣券。價格戰(zhàn)的本質(zhì)是成本結(jié)構(gòu)戰(zhàn)誰的單位算力成本更低誰就能把價格壓得更久。阿里敢定這個價說明它在推理側(cè)的規(guī)模效應(yīng)已經(jīng)跑通了。對獨立開發(fā)者來說這個價格直接改變了Agent應(yīng)用的商業(yè)模式以前跑一個復(fù)雜的Agent任務(wù)token成本可能吃掉全部利潤現(xiàn)在可以放心地讓模型多思考、多調(diào)用工具。成本下降解放的是使用習慣而使用習慣決定生態(tài)的繁榮程度。真武M890超節(jié)點1.5倍的Agentic推理提升阿里真武M890超節(jié)點也已成功適配Qwen3.8。通過芯片、云平臺與千問大模型的全鏈路優(yōu)化顯著提升推理效率、降低推理成本。在Agentic推理場景中最多可實現(xiàn)1.5倍性能提升。注意這個數(shù)字背后的含義Agent推理和普通對話推理的負載特征完全不同。Agent需要頻繁的工具調(diào)用、長上下文維持、多輪狀態(tài)管理對推理系統(tǒng)的要求苛刻得多。真武M890針對這類場景做全鏈路優(yōu)化說明阿里已經(jīng)預(yù)見到Agent將是旗艦?zāi)Ｐ偷闹鲬?zhàn)場。軟硬件協(xié)同優(yōu)化正在成為大模型競爭的下一個分水嶺。同樣的模型在不同推理系統(tǒng)上的成本和延遲可以相差一倍以上。把芯片、云平臺和模型放在一起調(diào)優(yōu)正是阿里云相對獨立芯片廠商的獨特優(yōu)勢。芯片廠商只能優(yōu)化通用的推理路徑而阿里云可以針對Qwen3.8的MoE路由、注意力機制和工具調(diào)用模式做定制優(yōu)化。這種模型定義芯片優(yōu)化方向的做法正在成為大廠的新壁壘。對使用云服務(wù)的開發(fā)者來說1.5倍的性能提升意味著同樣的預(yù)算可以支撐更多的并發(fā)請求或者把響應(yīng)時間壓到更短。下周開源Max與27B的雙重布局Qwen3.8-Max預(yù)計下周開源同時還將開源Qwen3.8-27B。一個2.4T參數(shù)的旗艦?zāi)Ｐ瓦x擇開源這在全球范圍內(nèi)都是極具沖擊力的決定。開源意味著任何人都可以下載權(quán)重、本地部署、微調(diào)定制。27B的小尺寸版本則覆蓋了另一類需求資源受限的邊緣場景、私有化部署、以及希望深度定制的中小團隊。大模型開源這條路從Qwen系列的第一代走到今天一直是阿里最堅定的戰(zhàn)略。每一次發(fā)布都在把開源模型的性能上限往上推一截。而這次上限被推到了僅次于Claude的位置。開源與閉源的雙軌競爭正在進入白熱化階段。2.4T旗艦開源還有一層生態(tài)意義給整個開源社區(qū)提供了一等公民級別的底座。社區(qū)可以在它上面做微調(diào)、做蒸餾、做垂直模型整個開源生態(tài)的起點都會被抬高。這也是為什么開源圈把這次發(fā)布稱為分水嶺時刻。不過也要提醒一句2.4T的權(quán)重下載和部署門檻不低需要多卡集群才能跑起來普通開發(fā)者更現(xiàn)實的路徑是用API或者等27B版本。阿里同時開源兩個尺寸正是為了讓不同資源條件的開發(fā)者都能上車。開發(fā)者的第一行代碼對開發(fā)者來說Qwen3.8接入應(yīng)用的方式和OpenAI兼容接口保持一致。如果你已經(jīng)在用OpenAI的SDK那么切換到Qwen3.8只需要改兩個參數(shù)。下面是調(diào)用Qwen3.8 API的真實示例可以直接運行from openai import OpenAI client OpenAI( api_key你的千問API密鑰, base_urlhttps://dashscope.aliyuncs.com/compatible-mode/v1, ) response client.chat.completions.create( modelqwen3.8-max, messages[ {role: system, content: 你是一名資深后端工程師。}, {role: user, content: 設(shè)計一個訂單系統(tǒng)的冪等接口說明關(guān)鍵設(shè)計點。}, ], max_tokens2048, temperature0.7, ) print(response.choices[0].message.content)這段代碼里base_url指向阿里云DashScope的OpenAI兼容模式model參數(shù)填qwen3.8-max。其余的部分和調(diào)用任何OpenAI兼容接口沒有任何區(qū)別。Agent場景下的調(diào)用方式也很直接工具調(diào)用function calling沿用OpenAI的格式。模型返回tool_calls字段你的Agent循環(huán)解析后執(zhí)行工具再把結(jié)果傳回給模型。從對話到工具調(diào)用從單輪到多輪遷移成本被壓到了最低。這正是開源旗艦?zāi)Ｐ蜕鷳B(tài)的威力接口標準統(tǒng)一切換成本趨近于零。對于已經(jīng)在生產(chǎn)環(huán)境跑著Agent服務(wù)的團隊這意味著一次改配置就能完成模型升級。唯一需要評估的是數(shù)據(jù)合規(guī)和網(wǎng)絡(luò)鏈路其余全部無縫銜接。對于已經(jīng)有OpenAI遷移經(jīng)驗的團隊這個過程可能只需要一個下午。遷移成本越低新模型被采用的速度就越快這是大模型市場最樸素的規(guī)律。兩萬億俱樂部的攻守轉(zhuǎn)換Qwen3.8的發(fā)布把國產(chǎn)大模型的競爭帶進了新階段。Kimi K3的2.8萬億參數(shù)、Qwen3.8的2.4萬億參數(shù)兩萬億俱樂部里已經(jīng)站著兩家。更重要的是這兩家的路線形成了有趣的對照一家在閉源與開源的邊界上游走一家把旗艦?zāi)Ｐ蛷氐组_源。開源模型的性能天花板每被抬高一寸閉源廠商的定價權(quán)就被削弱一分。阿里選擇在這個時間點把2.4T參數(shù)的旗艦開源等于在告訴市場最強的模型不一定要藏起來賣。從行業(yè)格局看這次發(fā)布有三個層面的影響。第一層是價格錨點12元輸入、36元輸出、1.5元緩存的定價會把同檔模型的全球定價再往下拉一截。第二層是開源天花板2.4T旗艦開源后閉源模型的差異化空間被進一步壓縮競爭焦點被迫轉(zhuǎn)向產(chǎn)品、服務(wù)和生態(tài)。第三層是Agent賽道千問辦公同步落地OSWorld 86.1分意味著Agent應(yīng)用有了更便宜的國產(chǎn)底座。對開發(fā)者來說這是最好的時代全球第二梯隊的性能開源權(quán)重1.5元的緩存命中價格下周就能拿到手。剩下的問題只有一個你打算拿它做什么。