8 月 3 日，阿里巴巴正式发布新一代基座大模型 Qwen3.8，总参数量达 2.4 万亿，激活参数 95B。旗舰模型 Qwen3.8-Max 在 PaperBench 上以 93.0 分创下编程能力新高，全球综合评测仅次于 Anthropic 的 Claude 系列，正式跻身全球大模型第一梯队。
排名只是坐标。真正值得关注的，是这些数字背后的能力跃迁。
注：柱形长度示意排名区间，非精确分数。Arena 综合评测中 Qwen 系列整体表现仅次于 Claude 系列，为全球第二梯队首位。
Qwen3.8 通过 稀疏 MoE 架构与混合注意力机制的联合优化，首次将千问系列总参数量拓展至 2.4T，激活参数 95B，在推理效率与速度上实现双重突破。上下文长度达到 1M Tokens，可一次性处理数百页文档或超长视频。
密集架构，参数规模受限，长上下文处理能力有限，推理成本较高。
稀疏 MoE + 混合注意力，2.4T 总参数 / 95B 激活，1M 上下文，推理速度与效率大幅提升。
关键评测分数一览
注：以上分数均为 Qwen3.8-Max 在对应评测集上的成绩。其中 BabyVision 为无工具条件得分，超出部分主流模型近两倍；OSWorld-Verified 中位居主流模型首位。
一个诚实的注脚：评测高分不等于真实场景的完美表现，但 PaperBench 和 OSWorld 这类「可验证交付物」的评测，比传统选择题式评测更接近真实使用体验。
那么，这些能力在真实任务中意味着什么？
如果说两年前的前沿模型能写好函数、补全代码，成为程序员的有力帮手，那么 Qwen3.8 做到的，是 从一个空文件夹出发，自主完成真实项目交付——全程无需人干预。
在权威编程评测 CodeArena 中，Qwen3.8 位居全球第四；在 PaperBench 科研复现评测中，以 93.0 分刷新纪录，较上代提升 28.2 分。这不仅是数字的进步，更意味着模型具备了 「从理解需求到交付成果」 的完整闭环能力。
Qwen3.8 通过真实环境和算力的联合强化学习，在数百种高价值、高频专业任务上实现了可验证的能力提升。以下是三个典型场景：
一支法务助理团队在数百份法律文档中标注千余个相关条款，需要一周时间。Qwen3.8 一小时内即可完成，且标注质量经专家复核达到可用标准。
一个数据分析团队逐帧标注 160 小时以上的比赛录像，Qwen3.8 数十分钟即可精准拆解 8400 多个攻防回合，并一次性输出球员战术画像和教练报告。
基于数年专业知识积累，Qwen3.8 自主调动并行智能体，连续工作数小时后交付完整的 ETF 轮动策略，并持续分析回测、动态修正，最终实现规模化盈利。
在长周期任务中，Qwen3.8 还涌现出 系统级自主规划与全栈闭环自适应学习能力——无论是在高精密、强物理约束的数字芯片设计，还是在高度动态、博弈激烈的商业模拟运营中，均能通过「执行-反馈-迭代」的自适应闭环，在数千轮超长程交互中实现算法与策略的深度重构。
Qwen3.8 的发布，让行业看到了一条不同于「堆参数」的进化路径：MoE 架构 + 系统工程优化 + 真实场景强化学习的组合，正在释放出惊人的协同效应。
但需要诚实面对的是：2.4T 参数带来的推理成本依然不低，虽然国际定价仅为 Opus5 的 40% 与 24%，但对于高频、长序列任务，实际支出仍需要仔细评估。此外，开源版本 Qwen3.8-Max 和 27B 版本下周才发布，社区复现和生态建设尚需时间。
当模型能力接近天花板时，架构创新与工程优化的价值正在超越参数竞赛。Qwen3.8 证明了「稀疏 MoE + 混合注意力」是一条可行的路径，但真正的考验在于：这种优势能否在持续迭代中保持，以及开源生态能否快速跟上。
Qwen3.8 的 API 已上线千问 AI 平台，并同步接入阿里全新 Agent 产品「千问办公」。国内定价每百万 tokens 输入 12 元、输出 36 元，隐式缓存命中仅 1.5 元。
国际价格约为 Opus5 的 40%（输入）与 24%（输出），实现相近智能的更高性价比。
Qwen3.8-Max 预计下周开源，同时还将开源 Qwen3.8-27B，开发者可持续关注千问官方仓库。
千问 AI 平台 → 立即体验