Qwen 3.8 Max 與 Kimi K3：哪個已準備好應對實際的程式開發工作？

Qwen 3.8 Max 與 Kimi K3 快速比較

Alibaba 自身的 Token Plan 文件指出，Qwen Preview 可能持續更新，之後也可能被移除或取代。Moonshot 的Kimi K3 公告與 API 指南，對模型及其目前介面公開了更多資訊。

為何目前還不是公平的比較

Qwen 3.8 Max 仍是持續變動的預覽版

Alibaba 將 Qwen 3.8 Max 描述為 2.4T 模型，但目前提供的託管模型明確是qwen3.8-max-preview。這個後綴很重要。Alibaba 表示其能力可能在預覽期間持續升級，且此端點之後可能被移除或由生產版本取代。

因此，目前的每項基準測試都只是特定日期的快照。有用的 Qwen 結果應記錄測試日期、端點、推理等級、代理外殼、工具權限與原始輸出。缺少這些細節時，兩個人可能以為測試的是同一模型，實際上卻取得不同的預覽行為。

存取條款也限制了開發者對低廉發布價格的解讀。Alibaba 的 Personal Token Plan 目前透過以 Credits 為基礎的訂閱提供 Qwen 3.8 Max，但其官方條款限制金鑰只能用於支援的互動式程式開發與代理工具。該方案禁止自動化腳本、自訂應用程式後端與非互動式批次呼叫。

因此，Qwen 可以呼叫，但目前還不是面向客戶應用程式的標準隨用隨付後端。

Kimi K3 已完成開放權重發布

Kimi K3 現在有兩種形式：傳統託管 API 與可下載的檢查點。Moonshot AI 已在官方 `moonshotai/Kimi-K3` 儲存庫發布完整權重，以及模型卡、部署指南、自訂授權條款與 K3 技術報告。

此次發布補充了首次發布比較時尚未提供的細節。K3 每個 Token 啟用 104B 參數，使用 MXFP4 權重與 MXFP8 啟用值，目前記載支援 vLLM、SGLang 與 TokenSpeed。儲存庫由 96 個 safetensors 分片組成，約為 1.56 TB。
這是真正的開放權重發布，但並不等同於不受限制的 MIT 發布，也不是容易在本機安裝的模型。Kimi K3 License 對大型 Model-as-a-Service 企業與超大型商業產品增加了條件，而 Moonshot 建議部署使用 64 個以上加速器的超級節點配置。
簡單來說：Kimi 已消除所有權不確定性，但沒有消除基礎設施成本。

程式開發比較：269 個檔案的測試實際顯示了什麼

目前最佳的正面比較證據，是一項配對 StackPerf 架構測試。兩個模型都收到兩個不熟悉軟體專案的相同唯讀快照，共包含 269 個檔案。它們使用 OpenCode 1.17.13、相同任務指示、相同權限、60 分鐘限制與 65,536 Token 完成上限。編輯、網路存取、外掛程式與子代理均已停用。

最終報告在評分前經過匿名化，之後另行檢查缺乏支持的主張。

Kimi K3 表現較佳之處

Kimi 的報告更完整地建模了編輯生命週期。它追蹤修訂、被取代的版本、重試嘗試、備援歷史、產物雜湊、失效、編輯選擇與裁切。這使其提出的契約更適合這種情境：同一場景可能被生成、拒絕、修訂並再次生成，同時不遺失歷史記錄。

Kimi 也更快完成測試路徑，且使用較少 Token。這對長時間程式開發任務而言令人鼓舞，但結果也包含模型周邊的服務系統。Kimi 透過 Kimi 訂閱端點執行，Qwen 則透過 Alibaba 國際 Token Plan 端點執行。供應商容量、快取與發布期間流量都影響了觀察結果。

我的解讀是，Kimi 贏得這項任務，是因為它更完整地理解狀態變化，而不是因為它寫出了更漂亮的程式碼，或證明自己在每項軟體任務上都更優秀。

Qwen 3.8 Max 表現較佳之處

Qwen 在兩個系統之間劃出了更清晰的界線，並建立了更強的重播記錄。它提出的中繼資料包含模型、種子、提示、參考資料、供應商請求 ID、媒體位置、持續時間與成本。當團隊需要重現輸出，或調查同一工作流程為何在供應商更新後發生變化時，這些欄位都很重要。

它的工具行為也很有紀律：44 次工具呼叫全部成功。Qwen 以較少請求產生了較長的報告，並在盲測中獲得較高的工具使用分數。

這種更清晰架構的代價，是較弱的生命週期建模。它的契約未完整涵蓋場景順序、修訂、取代、重試歷史或版本失效。清晰的邊界很有價值，但當產品狀態持續變化時，光有清晰邊界並不足夠。

這項測試無法證明什麼

一次架構分析執行無法告訴我們哪個模型能產生更好的前端程式碼、修正更多實際錯誤、通過更多測試，或在一個月開發期間需要較少人工修正。它也無法將模型智慧與端點效能分離。

最重要的警告藏在事實審查中：兩個模型都引用了真實的儲存庫位置，但也都產生了 7 組超出程式碼可證明範圍的主張。報告可以包含數百個有效引用，卻仍然得出不安全的結論。

真正的重點是：將任一模型用作工程助理，但不要把任一模型視為自己的審查者。

開發者應如何測試 Qwen 3.8 Max 與 Kimi K3

保持代理外殼與權限一致。設定固定時間限制。記錄完整模型 ID 與日期，尤其是持續變動的 Qwen Preview。接著記錄任務完成情況、實際耗時、輸入與輸出 Token、快取命中、失敗的工具呼叫、重試、人工介入，以及最終通過的測試。

不要因為答案「看起來很詳盡」就給予高分。確認修補程式是否有效，以及模型的主張是否經得起審查。

對於高價值架構決策，還有一種實用模式：獨立執行兩個模型，在審查時隱藏模型身分，並比較它們的分歧。269 個檔案的測試只有在結合 Qwen 的系統邊界與 Kimi 的生命週期模型後，才產生最強的設計。有時 Qwen 與 Kimi 的正確答案是兩者都使用，然後進行驗證。

Qwen 3.8 Max 與 Kimi K3 的價格與成本

Kimi K3 具備可預測的 Token 價格

Kimi K3 採用一般的 Token 計價。現行的 GPT Proto Kimi K3 API 頁面列示每 100 萬個輸入 Token $2.70、每 100 萬個輸出 Token $13.50，比 Moonshot 目前 $3/$15 的列示價格低 10%。

因此，在測試開始前即可進行基本成本估算：

估計成本 =（輸入 Token ÷ 1,000,000 × $2.70）+（輸出 Token ÷ 1,000,000 × $13.50）

以目前 GPT Proto 價格計算，輸入 200,000 個 Token、輸出 20,000 個 Token 的執行成本約為 $0.81：輸入 $0.54、輸出 $0.27。重試、額外回合、工具結果與保留的推理歷史都會增加總成本。

可預測不代表一定便宜。Kimi 一律進行推理，而推理內容也會計入 Token 使用量。因此，即使可見的最終答案很短，長代理歷史仍可能變得昂貴。

Qwen 3.8 Max 實驗成本較低，但更難預算

Qwen 3.8 Max Preview 目前使用訂閱與 Credits，而不是公開的每百萬 Token 價格。Alibaba 的 Personal Token Plan 為三個級別列出每月促銷價格：人民幣 39 元、139 元與 499 元。預覽期間，Qwen 呼叫可能只消耗標準 Credits 費率的 10%，另有文件記載的限時夜間折扣，適用於 UTC+8 22:00 至 08:00 的呼叫。

這對互動式測試很有吸引力，但不是清晰的成本比較。

Credits 可能因 Token 使用量、快取、推理與工具而異，因此根據目前公開資訊，無法誠實地將人民幣訂閱換算成穩定的$X per 1M tokens數值。Personal Plan 的限制也表示，其促銷經濟效益不代表在自有應用程式後端執行 Qwen 的成本。

Qwen 在低成本 Preview 存取方面勝出；Kimi 在生產環境成本透明度方面勝出。

開放權重與自行託管

Kimi K3 現在相較 Qwen 3.8 Max 具備一項具體優勢：其精確的公開檢查點今天即可下載。Moonshot AI 已發布完整的 2.8T 參數權重、模型卡、授權條款與技術報告。Alibaba 已宣布 Qwen 3.8 Max 將提供開放權重，但確切的 Max 檢查點、發布日期、授權條款與部署需求仍未確認。
「開放」一詞仍需要限定。Kimi K3 是根據自訂 Kimi K3 License 提供的開放權重模型，而不是 MIT。該授權大致允許使用、修改、部署、微調與再分發，但對超過指定營收門檻的 Model-as-a-Service 企業增加個別協議要求，並對超大型商業產品增加署名要求。
硬體是另一個界線。官方 K3 儲存庫約為 1.56 TB，Moonshot 建議使用至少 64 個加速器的超級節點部署。因此，自行託管適合資金充足的基礎設施團隊，而不是開發者工作站上 API 金鑰的替代方案。
如果你想要可預測的 Token 計費且不想管理叢集，請選擇託管的 Kimi K3 API。如果資料控制、自訂推理、微調或部署所有權值得你操作硬體並審查授權條款，請選擇權重。至於 Qwen 3.8 Max，請等 Alibaba 發布實際檢查點後再進行相同評估。

多模態輸入、推理與代理行為

Qwen 有文件記載的視覺支援，使其適合以螢幕截圖為基礎的除錯。Kimi 更進一步支援影片，當輸入是螢幕錄影、動畫參考或難以逐幀描述的產品示範時，這項能力很有用。

Kimi 文件記載的更豐富介面也增加了整合工作。其 Preserved Thinking 行為意味著，多回合應用程式應傳回完整的助理訊息，包括推理內容與工具呼叫，而不只是保留可見答案。這些歷史會佔用上下文並計費。100 萬 Token 的視窗雖然很大，但並不是免費儲存空間。

兩個模型預設都使用最高推理設定。評估時請保持設定一致；生產環境則應在較簡單的任務上測試較低的推理量。對每次自動完成、分類或短轉換都使用最大推理的模型，可能不如在較低推理量下解決 99% 請求的模型便宜且快速。

你應該選擇哪個模型？

如果應用程式本週上線，我會選擇 Kimi K3。它已公開足夠資訊，可估算成本、定義整合行為，並針對穩定的模型名稱重複測試。

對於內部程式開發實驗，我不會忽略 Qwen。它的 Preview 在長儲存庫分析中零次工具呼叫失敗，且在配對測試中展現比 Kimi 更佳的架構邊界。這是重要的能力訊號，但尚未構成生產環境契約。

如何透過 GPT Proto 試用 Kimi K3

Qwen 3.8 Max 尚未在 GPT Proto 上提供，因此目前的整合範例僅使用 Kimi K3。你可以透過 GPT Proto 相容 OpenAI 的 Chat Completions 端點，使用kimi-k3模型字串呼叫它：

curl https://gptproto.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: $GPTPROTO_API_KEY" \
  -d '{
    "model": "kimi-k3",
    "messages": [
      {
        "role": "user",
        "content": "請審查這份遷移計畫。找出缺乏支持的假設、遺漏的復原步驟，以及上線前所需的測試。"
      }
    ]
  }'

端點與授權結構遵循GPT Proto API 快速入門。對於多回合 Kimi 工作流程，請保留 API 傳回的完整助理訊息，包括推理與工具呼叫欄位，而不是只儲存最終可見文字。

你可以試用 Kimi K3 API、瀏覽 200 多個 AI 模型，或使用GPT Proto 統一 AI API來比較 Kimi 與其他文字、圖片、影片及音訊模型。Qwen 3.8 Max 加入後，實用的測試方式是在兩個模型端點上使用相同任務、提示、工具權限與評分方法。

最終結論

Qwen 3.8 Max 與 Kimi K3 的程式開發能力似乎接近，因此不應讓一次小型基準測試決定你下一年的架構。Qwen 更清晰的系統邊界與完美工具執行值得注意；Kimi 更強的生命週期推理與 3 分領先同樣值得注意。

產品決策現在更清楚了。Kimi K3 結合標準 API、公開 Token 價格、有文件記載的 100 萬 Token 上下文視窗、多模態輸入，以及已發布的開放權重檢查點。Qwen 3.8 Max 仍是可變動的 Preview，採用 Credits 存取方式，沒有一般生產環境價格，也沒有公開權重。
無論使用託管 API，還是具備自行管理檢查點的基礎設施，Kimi K3 都是今天較適合部署的模型。Qwen 3.8 Max 仍可能成為更強的模型，但開發者應等待其生產端點、一般價格、模型卡、授權條款與實際權重發布後，再做出這項押注。