什么值得买App下载 App ›
连续签到专享现金活动

265次代码提交、127个PR!Qwen3.8实测:AI已经能"接活儿"交付成品了

先说说这代模型到底在干什么
阿里今天正式放出Qwen3.8-Max,总参数量2.4万亿,激活参数950亿。别急着看数字,先搞清楚一件事:它不是来跟你聊天的,它是来接活儿的。
官方给了个硬核实测:给它一句"创建一个自进化的智能体Harness",它从空文件夹起步,连续工作约16天,自主编程交付了真实可用的oh-my-cli框架,达到Hermes Agent级别。265次代码提交、127个PR、151个issue,全程没有人工干预。1
这不是在演示"它能做什么",这是在告诉你它已经可以交付成品了。
再说说编程能力到底强在哪
编程能力是这代Qwen的核心卖点。在CodeArena榜单中,它已经冲到全球第四的位置。前端开发和UI生成是它的强项——有测试者用它生成了完整Vue.js控制台,带设计、带动画、能运行;161种风格参考直接套用,审美在线。2
但3D场景是它的短板。复杂艺术场景渲染和极强空间想象力的任务,表现明显弱于Kimi K3。想用它做3D游戏,可以,但要做好多轮修改的准备。
还有个值得注意的细节:只在Qoder里编程效果才好。同样的提示词丢进网页版千问,要么黑屏,要么库没加载成功。产品集成度对最终效果的影响,可能比模型本身还大。3
办公和长程任务才是它真正的战场
编程是秀肌肉,但真正拉开差距的是真实专业任务的闭环能力。Qwen3.8-Max通过真实环境和算力的联合强化学习,把数百种高频专业任务的效率直接拉满:
  • 法务审阅:一周工作量压缩到一小时,一次标出1284条相关合规条款4
  • 量化策略:一句话规划复杂动态工作流,生成可盈利的端到端量化策略1
  • 芯片设计:数字芯片设计沙箱内历经约500轮交互,将硬件门数从8298门精简至678门4
  • 长周期模拟:电商经营模拟,10万元启动资金管理一年,最终现金416252元,4.16倍回报4
这些数字来自模拟基准,不能直接等同于真实经营收益。但它证明了模型在"执行—反馈—迭代"闭环中持续重构自己的能力。这不是问答,是真正的任务交付。
它的多模态能力到底升级了什么
Qwen3.8-Max的多模态不只是"能看懂图片"那么简单。它在任务进行中持续观察自己的中间产物,检查页面布局、物体方向、动画和交互结果,发现偏差后重新规划。1
视觉以前只是输入,现在变成了Agent任务里的反馈通道。在"应用复刻"基准RecreationBench长程任务中,模型没有源代码、也无法联网,只通过交互与反馈去理解应用,却能从零复刻出整个应用。2
还有两个痛点必须说清楚
思考过度是这代模型最让人抓狂的问题。Always-on Thinking在简单任务里也会陷入漫长"自我怀疑"。有开发者反馈,一个简单落地页,模型在后台"盘算"了近20分钟。实时交互体验被严重拖慢。3
幻觉问题依然存在。2.4T不等于零幻觉。长上下文检索或细节把控上,Qwen3.8偶尔会"一本正经地胡说八道",或者漏掉关键约束。参数量大不代表掌握了真理。
现在能拿到什么?多少钱?
API已经上线千问AI平台。国内价格:输入12元/百万tokens,输出36元/百万tokens,隐式缓存命中仅1.5元。国际价格更低,输入与输出分别是Opus5的40%与24%。5
  • 预览版:Token Plan、Qoder、QoderWork已上线,限时折扣最低至2折6
  • 正式开源:下周开放权重,同步开源Qwen3.8-27B,可在Hugging Face和ModelScope获取7
但有个冷知识必须知道:2.4万亿参数的满血版,你本地根本跑不动。消费级显卡连门都摸不着,得上多卡集群或者等量化版。开源的是"能力",不是"算力"。8
值不值得上手?
Arena榜单上,Qwen模型仅次于Anthropic的Claude系列,整体性能处于全球大模型第一梯队。编程能力全球第四,中文能力在第三方评测中标注为"最强"。9
如果你做前端、写代码、搭Agent、跑工作流,它现在已经值得上手,Preview版已经够有杀伤力。如果你更在意benchmark数据、本地部署和明确的开源时间,那就等下周权重落地。
国产大模型的竞争,已经从"能不能追上"变成了"这个月轮到谁刷新纪录"。Qwen3.8不是终点,但它是当前最值得开发者盯紧的国产旗舰之一。

评论

评论区空态插画

当前文章无评论,是时候发表评论了