“自进化”的Qwen3.8-Max，为何卡在迭代优化？

研究员｜卢杨

8月3日，Qwen3.8-Max正式版上线。

Qwen3.8-Max基于Qwen 3.5的架构基础构建，参数规模扩展至2.4万亿，激活参数95B，支持100万上下文Tokens，号称“Qwen家族迄今最强大的模型”。它通过稀疏MoE架构与混合注意力机制的联合优化，首次将千问大模型的总参数量拓展至2.4T，以获得更高的推理效率与更快的推理速度。

我们更好奇的是从Preview到正式版的这半个月里，Qwen3.8-Max的自进化表现如何？

先看一些参数和跑分。

这是千问首次将Max级别模型开源，权重将于下周在Hugging Face和ModelScope发布。

在性能表现上，Qwen3.8-Max在第三方榜单Arena的多个领域评分靠前。其Text Arena得分1496超过kimi-k3-max位列全球第二，CodeArena得分1668仅次于claude-opus-5-max与kimi-k3-max位于第三，VisionArena得分1305仅次于claude-fable-5位列第二。

Benchmark方面，PaperBench斩获93.0分，较上代提升28.2分，超越Anthropic Fable 5与GPT-5.6 Sol，OSWorld-Verified以86.1分位居主流模型首位。

综合来看，其在编程与通用智能体多项指标上与Fable 5相当，甚至略胜。

定价方面，国内每百万Tokens输入12元、输出36元，海外输入2美元、输出6美元，仅为Opus5的40%与24%，性价比较为突出。

官方称Qwen3.8-Max在长程自动编程方面表现良好。在无人工干预下独立运行约16天，从零创建oh-my-cli项目，完成265次commits、127个PR和151个issues，形成需求领取、代码生成、测试验证的完整闭环……

和Preview相比，正式版最直观的改变，来自同一提示词生成的两个网页：7月19日Qwen3.8-Max预览版和8月3日Qwen3.8-Max正式版产出的网站。从这两个页面的差异中，我们能看清这场“日进化模型”的部分真实实力。

视觉、文字语言进步较大

预览版的网页是一份标准的摄影作品集模板。它采用了提示词所要求的视觉规范字体、毛玻璃导航栏、圆角卡片、柔和阴影。整体观感干净、专业，但模板化较强：这是专业前端工程师可以写出来的页面。

Qwen3.8-Max正式版生成的网站在视觉层面完全不同。打开页面的瞬间，我们能感受到一种品牌化的气质。页面的文案、用图开始脱离模板化和套路化，文字设计和图片风格也有了提升。

而且两版网站的信息架构也从单纯的展示到懂得叙事。预览版的信息架构是经典的作品集结构，从首页大图到作品瀑布流再到“关于我、联系我”。清晰、标准、不出错，很多传统网站的做法就是这样。

但正式版的信息架构则更有叙事节奏新增了关键数据、作品首页分类以及品牌故事等，最后以预约入口收尾。此外，Qwen3.8-Max正式版生成的网站增加了很多动效，让整个网站看起来不会过于死板。

还有一个更值得注意的点是两版文案风格的差异。预览版的文案是功能性的，比如“专注于高端人像、商业广告与自然风光摄影”；正式版的文案则充满感性色彩，比如“我相信克制的光线与诚实的构图——少一点修饰，多一点观察，让画面自己开口。”前者是产品说明书，后者是品牌基调。

实测过程中还出现了修改能力的断裂。在实际测试中，我们有意对首次生成的网址提出修改意见后，模型的修改过程宣告失败——修改步骤直接卡住，一直没有继续工作。

这意味着，虽然模型能够“一次性”生成一个不错的页面，但一旦进入迭代优化环节，它的表现远不如首次生成时那样流畅。对于一个号称“端到端交付”的模型来说，这是较致命的短板，因为真实项目必然伴随着修改和迭代。

我们担心一次表现不佳可能存在偶然性，就进行了第二次测试。

第二次测试是将一个万字长文制作成PPT。这次，经历了长达53分钟的思考和执行，一个可编辑形式的PPT做好了，我们提出想要修改其中第14页的内容，近8分钟后，内容修改完毕，与修改意见一致，而类似的任务此前在Preview版本中无法直接输出“pptx”二进制文件，而是采用自包含HTML幻灯片的形式呈现。

官方宣称模型“能够以极少的人工介入将复杂、开放的目标端到端完成，交付值得信赖的成果”。

纵向来看，从预览版到正式版，Qwen3.8-Max进步是明显的。2.4万亿参数是巨大的，不过参数规模并不等同于解决问题的能力。从实际体验来看，模型距离值得信赖还有一定距离。

编辑｜张猛 邱慧