6大真实场景实测Qwen3.8正式版，2.4万亿参数1周全开源

昨天阿里正式发布了Qwen3.8-Max。

2.4T参数，2.4万亿。

也是加入2T俱乐部了，常用的开源模型都进入万亿参数的竞赛了。但参数量这个事，大家应该也看明白了。大不代表能打，1T的模型干翻2T的案例我们又不是没见过。

先说几个硬参数。

上下文长度1MTokens，能吃图，架构是稀疏MoE加混合注意力，2.4T的参数量跑的速度比想象快得多。用人话说就是，又大又快还能看图。

让我多看两三四五眼的是官方放出来的一个案例，Qwen3.8-Max自主编程了16天。16天。没有人盯着，没有人干预，自己跑完430个commits，211个PR，62个issues，交付了一个叫oh-my-cli的自进化智能体系统。

更离谱的是，从7月19号preview上线到现在，这模型就一直在更新。真的是日更那种。我自己这两周用下来，能明显感觉到它一天比一天稳。你现在用到的这个正式版Qwen3.8-Max，已经是迭代过无数轮的完全体了。

再然后是开源。正式版发布一周后，Qwen3.8-Max将完整开源。2.4T参数量级的模型，Open Weight，社区随便玩。从参数上看已经强强强了。

现在已经可以从阿里Token Plan，Qoder，千问办公里体验了。

而且Qwen3.8-Max现在也是价格侠了，白天credits消耗限时1折，Token Plan个人版夜间在这个基础上再享2折。

OK，我跟钱包一拍即合，直接上实测，

用的是Qoder，也是阿里自己做的AI编程CLI，跑在终端里，功能对标Claude Code。MCP，Skills，Agents，Hooks，Memory，一样不少。毕竟阿里ban了Claude Code，所以我很期待全国产的能力上线。

我准备了六道题，

先从一个特经典特容易翻车的任务开始。

从零开始做一款游戏Galaxy Shooter（银河射手）。

完成后检查JavaScript错误，验证键盘和触控，验证重开会重置全部状态，发现问题后自行修复。

要求很简单。在一个全新的空目录里，用Canvas创建一款竖屏Galaxy Shooter。所有HTML，CSS和JavaScript必须放在同一个index.html中，

不使用任何外部资源。完成后检查JavaScript错误，验证键盘和触控，验证重开会重置全部状态，发现问题自行修复。

从开启Session到完整交付，十分钟。其中还包含了我自己的打字时间。

一次跑通，没有任何的人工干预，

结果一出来之后，能玩也没有Bug，像素审美也很不错。

空目录任务很容易给人一种错觉，页面能打开，东西能动，就像已经完成了。

游戏是最容易暴露状态问题的项目之一。暂停以后计时器停没停，Game Over后重开会不会残留上一局的子弹，按住方向键时会不会丢事件，动画速度会不会跟着屏幕刷新率乱飞。

之前测游戏时候踩过的坑，在这里一个都没遇到。继续继续，看着游戏做的这么可以，我直接给我造个3d世界了。

要求是一个在浏览器里跑起来的，能走能挖能生存的Minecraft，依然是空目录起步，依然只能是一个index.html。

程序化地形生成，Chunk流式加载，挖矿放置合成，昼夜循环，敌对怪物，生存机制，背包系统，存档读档，音效，性能自适应。

一个文件，1898行，跑完打开浏览器，我的世界直接出现在眼前了。有画面感，有山坡有树林，边上的水也是真实的。

WASD走两步，视角跟着鼠标转，远处的地形随着你移动一块一块加载出来。

地图能自己搭，

房子还能可以一块一块用石头往上叠，叠成墙，筑成家。

天空从白天到晚上，天从蓝的到黑的。然后怪物开始刷出来，追你，打你，屏幕上的血条滴滴滴滴的掉。把怪物击杀了还好，还能继续逃下去。

或者如果逃不过。。大概率会看到那个红色的YOU DIED。

点重生，天亮了，怪消失了，你还活着。。。

我自己做都没这么勤快搞出这么多特效想法。。。

之前用的很多模型，确实也是能够做出来我的世界的大概框架，但是真的很少有在第一轮就能够把打怪机制和重生机制也做好的。而且画风也没崩，我就当打新手关一点毛病都没有。

继续继续，

第三关，把Qwen3.8-Max放到真实项目。

我把AI News Radar，一个现有的AI产品导航页面，直接让Qwen3.8-Max用GSAP（一个动效skill）改动时间线UI，不能动到其他部分。

这个任务挑战的点是要把一个已经运行了很久的完整项目，直接交给一个此前对它一无所知的CLI。模型需要先自己理解项目结构，数据流，组件关系，主题系统和状态逻辑。再从大量文件中判断，需求究竟落在哪里，哪些文件必须修改，哪些地方不能碰。

最终完成可运行、可验证的实际实现，而不是只做一张静态效果图。

改动前

改动后

真实项目不像空目录。里面有品牌色，有历史修改，有我在本地没提交的改动，Qwen3.8-Max第一轮就能跑起来，而且是全网覆盖，视觉方向也不错。但部分Placeholder和细节没清理干净，最后10%的收尾仍然需要人工检查。

第四题我反过来，直接把视觉要求拉到最高，看看他的UI效果。

参考了X上之前大家测Kimi K3 UI视觉时的Prompt，把主题换成Qwen3.8-Max，来跑同一套Case。整条Prompt长到我自己看着都有点头大。

用指定的技术栈，指定的模型在Qoder里面运行，确保Ultimate后UI也是稳定的。

它不是普通的AI产品官网，而是一场关于“思考、理解与执行”的数字发布电影。

从开头的动画到中间的转场，

很多效果是真的是见都没见过，

虽然他还是有最后画面超出荧幕的情况，但也是瑕不掩瑜了感觉。。

然后啊然后，考虑到了现实问题，前面四个Case再怎么狠，它们有一个共同点，需求是确定的。

我告诉它做什么，它去做，做完我验收。

需求是明确的，边界是清晰的，做什么不做什么，我已经替它想好了。

但是吧，真实工作里不是这样的。

很多时候你扔给一个人的任务是，去研究一下这个方向，搞清楚现在的情况，然后把结果做成一个能用的东西。

中间有大量判断要自己做。选什么不选什么，信息从哪来，怎么验证，怎么呈现，全得自己定。

所以第五题，我把题目改了。

不写代码，让它来个自主调研，然后把调研结果做成产品。

MAC UPGRADE LAB，2026年Mac工具发现与工作流搭建中心。

我的要求是，联网研究目前仍然可用，值得推荐的macOS App，插件和开源工具，然后把研究结果制作成一个有强烈macOS画面感的互动产品。不能是普通文章，也不能是一个静态列表，真的要是一个用户打开以后能发现工具，解决痛点，比较App，最后生成一套适合自己的Mac工作流的App。

用户打开网站后，应该能够发现工具、解决 Mac 使用痛点、比较不同 App，并生成一套适合自己的 Mac 工作流。

先说调研量。

它研究了52个macOS工具，覆盖20个分类，从窗口管理到启动器到剪贴板到隐私到开发者工具到截图OCR，每个类别都有。31个开源，33个完全免费。

每个工具不是随便写两句话就完事了。

从名字到一句话介绍，解决的问题，分类，链接全都找出来了。

27个字段，52个工具，一个不少。

然后是来源，166条来源记录。

每一条都标注了类型，是GitHub Release，Homebrew Cask，官方网站，官方文档，还是Mac App Store。每一条都有URL和访问日期。

然后对于不确定的处理也是诚实的写出来了，没有瞎编乱写。

我反复想了想，觉得这可能是整个项目里最值得说的一个细节。

因为Agent最让人不放心的地方，从来不是它不够聪明。是它太自信了。

158次承认「我不确定」。这在Agent的行为模式里，是一种非常稀缺的品质。

你粘一个正常的GitHub Release链接，它告诉你这是官方来源。你粘一xdfsfwef.com的链接，它会亮红灯。

这玩意就已经是在做完整的产品决策了。

这五个Case里，这题花的时间最长，产出的代码量最大，需要的能力维度也最多，要做调研，做判断，做数据验证，做产品设计，做安全策略，做UI实现，最后还给自己写了两套验证脚本。

第五题做完，它交出来一个macOS桌面。

我看着那个画面突然想到，Mac做完了，那Windows呢？

来都来了，那在浏览器里，从零开始自主规划并实现一整个Windows操作系统。看下他的多系统联动以及多Agent效果。从开始菜单，任务栏，多窗口层叠，甚至系统设置。这里面涉及的子系统有多少个？窗口管理，文件系统，邮件客户端，每个都是独立模块，但它们之间还得互相联动。

还是一个index.html，让我的Mac直接打开以后让我觉得自己在用Windows。

把Windows中所有广为人知的经典功能都加入进来，并在易用性、性能和体验上做得比原版更好。

跑完打开浏览器，一个Windows桌面出现在了我的Mac上。

我下意识想去点左下角的开始菜单。然后我意识到，我点的不是我Mac的菜单，我点的是这个网页里的，它弹出来了。

从画面到使用，任何Folder，画面看起来跟真的老wins系统真的1比1复刻了感觉。

收件箱打开以后有邮件列表，有未读标记，点进去能看正文。

它不是一个灰色的placeholder写着「这里是邮件内容」，是一封看起来真真的邮件。

开多个窗口的时候，它们能层叠，能分屏。前面的挡后面的，点后面的那个就自动跳到前面来。

就是Windows的窗口管理逻辑，一模一样。

然后我手贱点了一下Command Prompt的图标。

它弹出来了。黑底白字，光标在闪。

我打了一行命令。

它有回显。

终端的模拟更能直接用linux命令操作系统，是真的体感弄满了。。。

一个HTML文件，从壁纸到图标到任务栏到开始菜单，从文件夹到收件箱到终端，任何一个画面单独截出来，你说这是一台老Windows电脑的截图，我觉得没人会怀疑。

这六道题做到这里，我才想起来一件事。

也就是说我刚才测的这些，2D游戏状态闭环，3D世界模拟器，真实项目改动，电影感官网，从零调研52个工具做成产品，浏览器里跑一整台Windows。

这些能力，正式版已经全部有了。

一周后这2.4T的完整权重就要丢到社区里。

社区拿到以后能在上面做什么，

我是真期待会不会有人手搓系统了。

Kimi K3丢出2.8T，Qwen跟上2.4T，

DeepSeek V4也是1T级别。

开源模型的参数竞赛已经到万亿级了，

等开源权重放出来那天，

我估计又得熬夜了。

@ 作者 / 卡尔 & yc星辰

最后，感谢你看到这里如果喜欢这篇文章，不妨顺手给我们点赞｜在看｜转发｜评论

如果想要第一时间收到推送，不妨给我个星标

如果你有更有趣的玩法，欢迎在评论区聊聊

更多的内容正在不断填坑中……