什麼是 Qwen 3.8 Max？發布日期、2.4T 預覽版、價格與早期基準測試

Qwen 3.8 Max 一覽

這份清單比一些早期 Qwen 3.8 Max 報導中的規格表更短，原因很簡單。預覽版模型不會因為在其他 2026 年旗艦模型旁邊看起來合理，就自動具備 100 萬 Token 上下文視窗、特定的混合專家架構，或發布授權。

Qwen 3.8 Max 已經發布了嗎？

是的，以預覽版形式發布；但作為完成的正式版，答案是否定的。

阿里巴巴於 2026 年 7 月 19 日發布了 qwen3.8-max-preview。Qwen Cloud 的文件表示，該模型會在預覽期間持續改進，之後也可能被移除或由正式版本取代。因此，這個端點會持續變動：7 月 21 日進行的測試，可能無法重現一週後的行為。

目前沒有已確認的 Qwen 3.8 Max 正式版發布日期。「很快開放權重」也不是日期。在阿里巴巴發布模型卡、檢查點、授權條款和穩定模型 ID 之前，任何更精確的時間表都只是推測。

這是目前搜尋結果最容易混淆故事的地方。幾個標題把預覽版日期當成完整發布日期。開發者需要分清這兩個日期，因為適合互動式程式設計工作階段的預覽版，不一定適合有版本控管的應用程式後端。

2.4T 參數宣稱代表什麼？

2.4T 這個數字是官方資訊，但它在實際運作上的意義仍然未知。

總參數數量告訴我們檢查點的規模，但不能告訴我們每個 Token 實際啟用多少參數、自託管部署需要多少記憶體，或模型執行速度有多快。這些問題取決於架構、量化、快取、路由和服務堆疊。

Kimi K3 說明了為何這個區別很重要。它被描述為擁有 2.8T 參數的混合專家模型，但每個 Token 只啟用 896 個專家中的 16 個。GLM-5.2公布的總參數約為 753B，每個 Token 啟用約 40B。阿里巴巴尚未披露 Qwen 3.8 Max 對應的啟用參數數量。

因此，2.4T 不是速度基準，也不是成本基準。在技術報告發布之前，應將它視為模型規模的宣傳數字。

Qwen 3.8 Max 是開源的嗎？

目前還不是。阿里巴巴表示 Qwen 3.8 很快就會開放權重。

開放權重和開源並不能互換。開放權重版本會提供可下載的模型權重；而開發者能否修改、重新發布或用於商業用途，則取決於授權條款。阿里巴巴尚未確認將發布哪個 Qwen 3.8 檢查點、是否會是完整的 2.4T Max 模型，或適用哪種授權。

如果目前就需要自託管，GLM-5.2是更明確的選擇：其權重和 MIT 授權已經發布。Qwen 3.8 Max 未來可能成為能力更強的選項，但那是未來的比較，而不是目前可據以部署的事實。

Qwen 3.8 Max 定價：訂閱方案，而非一般 API 費率

阿里巴巴尚未公布 Qwen 3.8 Max Preview 每百萬個輸入／輸出 Token 的標準價格。目前的存取方式是在 Token Plan 中使用 Credits。

個人方案的發布價格如下：

這些都是限時發布價格。在預覽期間，Qwen Cloud 表示 Qwen 3.8 Max 消耗的 Credits 最低可為正常速率的 10%。此外，UTC+8 22:00 至 08:00 期間還可享有額外的 Credits 折扣。

但比折扣更重要的是限制。Credits 不是 Token，阿里巴巴也沒有公布簡單的換算方式，讓人可以誠實地比較每百萬個 Token 的價格。Credits 的使用量可能會因模型選擇、推理、快取和工具呼叫而有所不同。

個人 Token Plan 也禁止將其金鑰用於自動化腳本、應用程式後端和非互動式批次工作。它是為互動式程式設計和代理工具而設計。簡單來說，目前的 Qwen 3.8 Max 方案適合評估和輔助開發，但不是面向客戶產品的一般計量式基礎設施。

早期 Qwen 3.8 Max 基準測試顯示了什麼？

阿里巴巴所稱「僅次於 Fable 5」是供應商宣稱。該公司尚未公布相關基準測試的名稱、分數、提示詞、代理設定或評估方法。目前也沒有公開的 Qwen 3.8 技術報告或已建立的獨立排行榜條目。

一項有參考價值的早期測試來自 與 Kimi K3 的配對 StackPerf 比較。兩個模型都檢查了 269 個檔案的凍結副本，並有 60 分鐘時間產出包含引用、遷移步驟、測試和證據記錄的儲存庫級整合設計。報告在審查前已匿名化。

在扣除事實錯誤後，Kimi K3 得分 83／100；Qwen 3.8 Max Preview 得分 80／100。Qwen 的工具使用分數為 9／10，高於 Kimi 的 8／10；它成功完成全部 44 次工具呼叫，並以較少的請求產出更長的報告。Kimi 更快完成，在測試路線中使用的 Token 較少，且更完整地處理了修訂和重新生成。

這是針對某一類長上下文軟體架構工作的可信證據，但不能證明 Kimi K3 整體上更好，也不能證明 Qwen 整體上更好。兩個模型透過不同供應商執行，而路由延遲、快取、發布流量和推理設定都會影響結果。

早期社群觀察同樣好壞參半。在主要的 Hacker News 發布討論中，一名測試者表示，動畫 SVG 任務花費了超過 10 分鐘的推理時間；另一名開發者則表示，該預覽版在程式設計方面運作良好，但仍太新，難以下定論。這些都是個人經驗，不是基準測試，但確實指出了兩項值得在自有測試中測量的指標：得到可用答案所需的時間，以及每個 Token 完成的任務量。

Qwen 3.8 Max 與 Qwen 3.7 Max 比較

Qwen 3.8 Max 看起來在能力範圍上有所提升，但 Qwen 3.7 Max 目前仍是更安全的 API 選擇。

我不建議直接將模型字串從 Qwen 3.7 Max 盲目升級到 3.8 預覽版。首先應檢查輸出穩定性、工具結構、延遲、推理 Token 使用量，以及最終正式版模型是否保留預覽版的行為。

如果現在需要為應用程式使用 Qwen API，現有的 Qwen 3.7 Max 端點是實際可行的過渡方案：

curl "https://gptproto.com/v1/chat/completions" \
  -H "Authorization: Bearer $GPTPROTO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen3.7-max",
    "messages": [
      {
        "role": "user",
        "content": "Review this architecture and list the three highest-risk assumptions."
      }
    ]
  }'

這段程式碼呼叫的是 Qwen 3.7 Max，而不是 Qwen 3.8 Max。這項區別可以避免發布週常見的失敗：為平台並未提供的端點撰寫程式碼。

Qwen 3.8 Max 與 Kimi K3、GLM-5.2 及 Fable 5 比較

這項比較必然不對稱，因為 Qwen 3.8 Max 缺少數項公開規格。

就 Qwen 3.8 Max 與 Kimi K3 的比較而言，目前最佳的公開配對測試給予 Kimi 三分領先，但 Qwen 的工具使用子分數較高。就 Qwen 3.8 Max 與 GLM-5.2 的比較而言，決策重點與其說是未經驗證的品質排名，不如說是部署條件：GLM 目前已有可下載且採用 MIT 授權的權重；Qwen 則沒有。至於 Qwen 3.8 Max 與 Fable 5，目前沒有足夠的公開證據驗證阿里巴巴的排名。

查看完整的 Qwen 3.8 Max 與 Kimi K3 比較

開發者現在應該使用 Qwen 3.8 Max 嗎？

如果你正在評估程式設計代理、多模態文件工作或儲存庫規模的推理，並且能接受預覽版在測試過程中持續變動，那麼現在就可以使用它。請儲存模型 ID、日期、提示詞、工具定義和原始輸出。缺少這些資訊，之後的比較幾乎沒有意義。

如果你需要固定行為、計量式後端價格、已公布的上下文限制或自託管權重，現在不要圍繞它建立正式環境遷移。這個預覽版目前仍未解決這四項需求。

若要進行目前的正式環境工作，請將具代表性的任務交由具備穩定存取方式和已公布限制的模型。GPT Proto 讓你能以相同餘額比較 Qwen 3.7 Max、Kimi K3 和 GLM-5.2。你也可以瀏覽 完整模型集合，或從 GPT Proto 首頁開始。

Qwen 3.8 Max 值得持續關注。缺少模型卡，比發布當天的又一個誇大形容更為重要。