Qwen 3.8-Max：阿里巴巴最强大模型现已开放免费下载

Max层级一直是Qwen中无人能够下载的部分。阿里巴巴的旗舰模型仍然留在API之后，而较小的版本则开放权重。Qwen 3.8-Max终结了这一局面。发布公告称它是Qwen家族迄今最强大的模型，也是首个开放权重的Qwen-Max级版本，通过Hugging Face和ModelScope发布，这一转变我们在发布前就已预警。该模型总参数达2.4万亿，每个token激活950亿参数，基于Qwen 3.5引入的架构。

它在闭源时代已经积累了成绩。在24小时内，Qwen 3.8-Max独自击败了458个人类团队，详见24小时竞赛报道。随后是一次16天的自主运行，产出了一个智能体框架，并在Vision Arena中排名第二，记录在16天运行报道中。这些能力即将在任何能够运行该模型的地方复现。

阿里巴巴闭源的Max层级刚刚开源

这是一次战略转向，而非善意姿态。阿里巴巴已将其AI工作整合为一个单一部门，其既定使命是“创造、交付和应用token”，背后有530亿美元的投资推动，详见我们对这笔支出的分析。该公司发布的是一个模型舰队，而非单一冠军，这是我们在早前战略分析中梳理过的平台打法，而这里的交易很清楚：权重免费，而Qwen Cloud及周边的服务工具链才是付费渠道。根据Qwen Cloud套餐报道，该付费渠道现在将文本、视觉、语音和图像模型捆绑在一个订阅之下。有一个细节对任何计划运行旗舰模型的人都至关重要：开放的2.4T变体Qwen3.8-2.4T-A95B仅支持文本，且每次交互都需要思考模式。多模态输入不受支持，思考模式也无法关闭，尽管其底层的Qwen 3.5基础模型是作为统一视觉语言模型训练的。

Qwen 3.8-Max在哪里胜过GPT-5.6 Sol，在哪里落败

根据公告中的数据，Qwen 3.8-Max几乎在每一行上都超越了其前代。面对闭源对手，胜利是真实的但并不均衡。它在PaperBench（93.0，领先GPT-5.6 Sol的90.5）、指令遵循（IFBench 82.8对比72.7）和计算机使用（OSWorld-Verified 86.1）上取得最高分，并在SWE-bench Pro上以67.7对64.6险胜GPT-5.6 Sol。在其他基准上，领先地位发生逆转。Fable 5在同一基准上以80.0保持大幅领先，GPT-5.6 Sol在Terminal Bench 2.1上以88.8对86.6占据榜首，而在GPQA Diamond上最高分是GPT-5.6 Sol的94.1。

分数由Qwen团队发布。根据公告的脚注，Fable 5的结果可能涉及回退机制。

细读各行，一个模式浮现出来：Qwen在指令遵循、论文复现和计算机使用方面领先，而仓库级软件工程和硬推理仍偏向闭源模型。SWE-bench Pro基线也是该团队自己的修正版本，修复了有问题的任务，并让每个竞争对手都在精炼后的基准上重新评估。当与GPT-5.6 Sol的差距仅有3.1分时，这一细节至关重要。

一个每个token激活950亿参数的2.4T模型

A95B后缀对任何托管该模型的人来说都是关键数字。混合专家设计在2.4万亿参数中每个token激活950亿参数，而服务成本追踪的正是这个激活数量。这也是让如此规模的模型在实验室之外具有实用性的原因；大部分参数保持休眠状态。Qwen 3.5系列贡献了Gated Delta Networks及稀疏MoE，团队将其归功于以极低延迟开销实现高吞吐推理。上下文长度达到100万token，推荐输出预算为262,144个推理token和131,072个最终token。同一版本还包含一个270亿参数的兄弟模型Qwen3.8-27B，规模约为其1/90。

效率压力落在了服务引擎上。团队推荐使用SGLang、vLLM或TokenSpeed来处理生产工作负载，这与Aleph Alpha近期工作瞄准的领域相同：其megakernel库报告称，在vLLM和SGLang中运行的FP8 MoE模型推理速度最高提升200%。随着如此庞大的权重现在开放，决定谁能真正使用该模型的将是推理效率，而非参数数量。

智能体提升背后的测试框架注意事项

最引人注目的是智能体能力的跃升：DeepSWE 1.1从21.6攀升至56.6（对比Qwen 3.7-Max），OSWorld-Verified从73.3升至86.1，Agents' Last Exam通过率从11.8升至27.0。脚注与分数同样值得关注。多行中的Qwen运行使用Claude Code测试框架，竞争对手使用其官方框架（GPT-5.6 Sol搭配Codex，Claude模型的Terminus 2分数来自Artificial Analysis），且多个基准是内部开发的：QwenSWEBench、QwenQoderBench、CoWorkBench等。对于SkillsBench，团队明确表示所有结果均来自其自身测试。Fable 5的数字“可能涉及回退机制”。

这一披露异常坦诚，但这仍然是供应商在部分由其控制的基准上，针对闭源对手进行的供应商自营评估。基准编码与生产之间的差距并不新鲜：正如我们对Pro变体的报道所示，顶级模型在SWE-bench Verified上超过96%，但在私有企业代码上仅勉强达到23%。我们报道过的关于测试框架演进的研究，使用GPT-5.4和Claude Opus 4.6在Terminal-Bench 2.1上测试，提出了一个疑问：通过测试框架迭代发现的改进能否在保留任务上存续。同样的疑问也悬在Qwen在SWE-bench Pro上的微弱领先之上。

开发者实际能用开放权重运行什么

已发布两个模型ID：Qwen/Qwen3.8-2.4T-A95B和Qwen3.8-27B，可从Hugging Face或ModelScope下载。无法访问Hugging Face的用户可以通过环境变量切换，如SGLANG_USE_MODELSCOPE或VLLM_USE_MODELSCOPE。部署层一直在追赶：Hugging Face围绕vLLM、SGLang、llama.cpp和带自动伸缩的自定义容器重构了其Inference Endpoints，这为95B激活的MoE模型提供了一条无需定制技术栈的商品化托管路径。

此次发布延续了Qwen的目录策略。其在Hugging Face上的布局横跨七个能力领域，从语言到语音、图像、智能体推理和安全对齐，且该家族在低调的、非主舞台的发布中持续壮大。团队习惯性地随权重一同发布训练数据、评估框架和奖励模型。开源旗舰改变了这一习惯的价值：一个在PaperBench、IFBench和OSWorld-Verified上取得最高分的模型，如今附带权重，这是其闭源对手尚未做到的。

悬而未决的问题是这些胜利能否经得起第三方验证。脚注在测试框架和内部测试方面表现出真正的坦诚。但Qwen 3.8-Max击败GPT-5.6 Sol的那些行，是由训练该模型的团队测量的，而此前最强的独立检验, , Artificial Analysis对Qwen 3.7-Max的评估, , 来自上一代。在独立测试落地之前，阿里巴巴有史以来最大规模的开源权重发布，所依赖的数字大部分是其自己记录的。