阿里Qwen3.8-Max正式发布：2.4万亿参数MoE模型，开放权重下周上线

一句话看懂

阿里Qwen团队将Qwen3.8-Max转为正式可用，2.4万亿参数的MoE模型支持1M上下文，开放权重下周发布，但部署门槛高。

详细发生了什么

阿里Qwen团队宣布Qwen3.8-Max正式可用，并确认开放权重将于下周发布。同时，另一个检查点Qwen3.8-27B也将开放权重。Qwen3.8-Max是一个2.4万亿参数的混合专家（MoE）模型，支持文本、图像和视频输入，输出文本。

模型页面显示1M token的context window，最大输入991K tokens（启用思考时降至983K），最大输出131K tokens，推理预算上限262K tokens。速率限制为每分钟2M tokens和15K请求。定价为每百万输入tokens $2.00，输出$6.00，隐式缓存读取$0.25，显式缓存创建$2.50，读取$0.17。缓存输入比新鲜输入便宜8倍，因此前缀稳定性比提示长度更影响成本。

支持功能包括function calling、结构化输出、批处理、前缀补全和fine-tuning。Responses API内置五个工具：code_interpreter、web_search、web_extractor、t2i_search和i2i_search。

性能方面，Qwen3.8-Max在Terminal-Bench 2.1上得分86.6，高于Claude Opus 4.8和Claude Fable 5的84.6，但低于GPT-5.6 Sol (max)的88.8。SWE-bench Pro得分67.7（Fable 5为80.0），FrontierSWE得分73.5（Fable 5为88.8）。PaperBench领先93.0，IFBench 82.8。GPQA Diamond 92.6，略高于Qwen3.7-Max的92.4。最明显的提升在多模态和智能体能力，而非推理。视觉任务上，OSWorld-Verified 86.1，Parametric CAD Bench 91.5，OmniDocBench 1.5 92.1。相比前代，DeepSWE 1.1从21.6升至56.6，FrontierSWE从40.7升至73.5，JobBench从31.3升至53.4。

但有两个注意点：多模态表格对比的是Qwen3.7-Plus而非Qwen3.7-Max，可能高估代际差异；阿里自己的RL缩放曲线在约4000训练环境时达到峰值0.725，随后下降至0.719和0.689。

中文圈视角

对国内开发者来说，Qwen3.8-Max的开放权重发布意义重大，但部署门槛极高。2.4万亿参数的MoE模型需要多节点数据中心，普通团队难以自托管。相比之下，Qwen3.8-27B才是现实可行的本地部署选择，适合中小团队在自有GPU上运行。

国内用户可通过阿里云DashScope API直接调用，兼容OpenAI接口，切换base URL和模型ID即可集成。定价方面，$2/百万输入tokens约合人民币14元，相比GPT-5.6等海外模型有价格优势，但需注意数据出境合规问题。

国产同类模型中，DeepSeek和Kimi在推理能力上竞争激烈，但Qwen3.8-Max的多模态和智能体能力突出，尤其在长视频索引和文档处理场景。中文用户可期待其在代码生成、法律金融文档审查等领域的应用，但需关注许可证条款（尚未公布）和实际性能验证。

几条值得记住的细节

• 开放权重：Qwen3.8-Max和Qwen3.8-27B下周发布，但旗舰版需多节点数据中心。
• 定价：输入$2/百万tokens，输出$6/百万tokens，缓存输入$0.25/百万tokens。
• 上下文：1M token，最大输入991K，输出131K，推理预算262K。
• 性能：Terminal-Bench 86.6，SWE-bench Pro 67.7，多模态领先但推理提升有限。
• 部署：27B检查点适合普通硬件，旗舰版仅限云端API。

一句话总结

Qwen3.8-Max性能强劲但部署门槛高，中文开发者应关注27B版本和API定价。