阿里巴巴史上最强大的模型将开源

阿里巴巴最强的模型系列曾经是你无法拥有的。Qwen-Max 系列专为付费云客户打造，即使较小的开放权重 Qwen 模型广泛传播，它依然保持封闭。这堵墙刚刚倒塌。阿里巴巴发布了 Qwen3.8-Max，该公司称这是其家族中迄今能力最强的模型，发布在其云博客的发布帖中。这是一个基于 Qwen 3.5 架构、拥有 2.4 万亿参数、首个开源的 Max 级旗舰模型：权重将于下周登陆 Hugging Face 和 ModelScope。

这篇发布帖基于三次长时间自主运行，每次都有公开轨迹，模型在数天内无需人工帮助即可改进自己的工作。

顶级产品线的开放权重

开源旗舰是很少有实验室会选择的举措，因为将最强权重留在付费 API 之后是前沿 AI 公司保护利润的方式。阿里巴巴将此次发布与产品推广相结合：公司已开放 QwenWork 的测试版，这是一款工作场所智能体平台，将桌面、云端和钉钉协作套件（服务超过 2000 万家企业与组织）统一到一个订阅中。从 8 月 3 日起，Qwen3.8-Max 成为 QwenWork 上重点展示的模型选项，该平台的四个模型层级从 Economy 到 Flagship。

对于开发者来说，新模型会说竞争对手的 API 方言。QwenCloud 提供与 OpenAI 兼容的聊天补全和响应端点，以及与 Anthropic 兼容的接口，因此 Qwen3.8-Max 可以通过几个环境变量在 Claude Code 或 Codex 中运行。reasoning_effort 参数（支持 xhigh、medium 和 low 三个级别）控制模型在回答前进行多少思考，preserve_thinking 默认开启。

四轮迭代击败论文

最详细的证据是研究复现实验。Qwen3.8-Max 拿到一篇题为“Unified Data Selection for LLM Reasoning”的论文，且没有起始代码，它花了大约 37 小时从零重建该流水线，编写了约 7,600 行代码，运行了 33 轮 GPU 训练，并复现了论文的六项主要发现。随后它又用了 88 小时尝试做得更好，在四轮中产生了 18 个想法。获胜的想法（计算模型所称的训练样例中的硬决策点）在 AIME24 数学基准上比论文自身的方法高出 2.7 分。

另外两次运行遵循同样的模式。在阿里巴巴天池平台的 WWW2025 多模态对话意图识别挑战赛中，该模型微调了多个语言模型，将其合并为加权投票系统，并在 45 次提交中从 0.60 的准确率升至 0.853，最终领先 526 支人类团队中的 458 支。在一次芯片设计练习中，它在大约 500 轮中把 GCD/RSA 加速器从 8,298 门减少到 678 门，物理布局也从 106×106 µm² 缩小到 46×46 µm²。在 oh-my-cli 项目上进行的一次 16 天自主运行累计产生 265 次提交、127 个 PR 和 151 个 issue，全部可见于公开 GitHub 仓库。

自家人给自己打分

这些结果都没有独立审计方。结果来自阿里巴巴自己，最引人注目的结果则来自阿里巴巴设计的基准。在 E-Commerce Bench（一个基于脱敏淘宝和天猫交易数据构建的 365 天业务模拟）上，Qwen3.8-Max 将 ¥100,000 的启动资金变成了 ¥416,252 的余额，4.16 倍回报，该公司称比第二名 GLM 5.2 高出 38%。与 Claude Code 和 Codex 的基准对比同样来自同一篇博客。这些都不能说明结果是假的。它意味着验证的责任落在了其他所有人身上。

开放权重解决了部分问题。一旦下周权重上线，任何拥有足够 GPU 的人都可以重新运行有争议的基准，检验该模型在阿里巴巴自身框架之外是否依然可靠。前沿实验室将最大的权重留在付费 API 之后；阿里巴巴刚刚免费送出了其最好的模型。对 Qwen3.8-Max 的最终评判将来自开源社区，而不是一篇发布帖。