阿里巴巴旗下千问（Qwen）团队于 8 月 3 日正式发布千问 3.8-Max，总参数量 2.4 万亿，激活参数 95B，是千问家族迄今规模最大、能力最强的模型。这也是千问首次将 Max 级别模型开源——权重将于下周在开源社区 Hugging Face 和 ModelScope 发布。

定价方面，千问 3.8-Max 通过千问 AI 平台（阿里云）提供 API 调用：输入 2.0 美元 / 百万 tokens，输出 6.0 美元 / 百万 tokens，隐式缓存 0.25 美元 / 百万 tokens。

基准测试显示，千问 3.8-Max 在编程智能体和通用智能体多项指标上与 Anthropic Fable5 表现相当，部分指标超越后者。例如，PaperBench 得分 93.0，高于 Fable5 的 88.8；CoWorkBench 得分 74.8，与 Fable5 的 75.9 接近；WideSearch 得分 81.9，与 Fable5 的 81.2 持平。

性能：与 Fable 5 相当，部分超越

根据千问团队发布的完整基准测试数据，Qwen3.8-Max 在多个核心指标上与 Anthropic Claude Fable 5 持平或超出：

PaperBench（论文能力）：Qwen3.8-Max 得分 93.0，超过 Fable 5 的 88.8 和 GPT-5.6 Sol 的 90.5

IFBench：Qwen3.8-Max 82.8，Fable 5 为 63.5，GPT-5.6 Sol 为 72.7

HealthBench：Qwen3.8-Max 60.2，超过 GPT-5.6 Sol 的 55.3

CoWorkBench（通用协作）：Qwen3.8-Max 74.8，Fable 5 为 75.9，差距极小

JobBench（AI 工作能力）：Qwen3.8-Max 53.4，接近 Fable 5 的 57.4

多模态方面同样表现突出：

OSWorld-Verified：Qwen3.8-Max 86.1，超过 Fable 5 的 85.0

AndroidWorld：85.3，Fable 5 为 88.8

MLVU（长视频）：90.8，Fable 5 无数据

值得注意的是，Fable 5 的部分结果可能包含回退机制，千问团队在注释中对此作了说明。

编程能力：从空文件夹到生产级交付

千问团队用三个真实案例测试了千问 3.8-Max 的自主编程能力，全程无人工介入。

案例一：十天级自动编程。 模型从零创建 oh-my-cli 项目，自主运行约 16 天，累计完成 265 次 commits、127 个 PR、151 个 issues。它将用户反馈、社区实践与自测结果统一纳入工程循环，实现需求自动领取、代码生成、测试验证的完整闭环。

案例二：复现并超越论文。 模型独立工作约 125 小时，写下约 7,600 行代码，执行超过 1,100 步操作，跑了 33 轮 GPU 训练，完整复现了论文《Unified Data Selection for LLM Reasoning》的六项主要结论。随后进入 " 自我进化 " 阶段，提出并测试 18 种改进方案，最终在竞赛级数学基准 AIME24 上比论文原方法再提升 2.7 分。

案例三：24 小时击败 87% 人类队伍。 模型参加 WWW2025 多模态对话意图识别挑战赛，在 526 支人类队伍中，经 45 次提交迭代，准确率从 0.60 升至 0.853，击败 458 支队伍。

办公与长程任务：数百职业场景的生产级验证

千问团队在数百种高价值职业场景中测试了千问 3.8-Max 的实际交付能力。

企业合规律师：单次通读数百份文档，标出 1,284 条相关条款，一小时内完成——同等工作通常需要法务团队约一周。

UI/UX 设计师：生成包含 8 个页面的高保真可交互原型，全程未经人工返修。

结构工程师：仅凭一份图纸，在浏览器中还原 30 层写字楼的抗震结构模型，传统流程需一周以上。

量化研究：从一句任务描述出发，调度约 330 个子智能体，完成约 6,000 次回测，将原本需要数周的量化研究压缩为一次对话内完成。

在 E-Commerce Bench（365 天电商经营模拟基准）中，千问 3.8-Max 以 ¥ 416,252（4.16 倍回报）胜出，超过第二名 GLM 5.2 达 38%，较上一代千问 3.7-Max 提升 152%。

芯片设计：500 轮交互，面积缩减 81%

千问 3.8-Max 在芯片设计优化任务中展示了长程自主规划能力。

目标是优化一个 G CD/RSA 密码硬件加速器的逻辑门数量。模型在无参考设计、无人工干预的条件下，历经约 500 轮交互、71 次评估，跨越 13 个关键里程碑，将初始设计从 8,298 门优化至 678 门，在所有参评模型中表现最优。

物理实现层面，芯片面积从 106 × 106 µ m ² 收缩至 46 × 46 µ m ²，布线长度从 33,369 µ m 降至 4,187 µ m，并实现 500 MHz 频率下的时序闭合，芯片面积整体缩减 81%。

多模态能力：视觉贯穿执行全流程

千问 3.8-Max 的视觉能力不止于 " 看懂图片 "，而是作为持续反馈回路贯穿任务执行。

模型在执行过程中会持续观察中间产物——检查页面布局、物体方向、动画效果——发现问题后自主定位偏差并修正。千问团队将这一能力定义为 " 原生视觉反馈回路 "。

基准测试方面，千问 3.8-Max 在 OSWorld-Verified 得分 86.1，超过 Fable5 的 85.0；AndroidWorld 得分 85.3，接近 Fable5 的 88.8；ParametricCAD Bench 得分 91.5，超过 Fable5 的 87.5。

为便于开发者接入，千问团队同步推出千问 -MM-Plugins，为不同智能体框架提供图像与视频处理、多模态记忆、视觉工具调用等扩展支持。

开放接入：支持 Claude Code、Codex 等主流框架

千问 3.8-Max 现已通过千问 AI 平台提供 API 服务，支持 OpenAI 兼容协议和 Anthropic 兼容协议，可直接与 Claude Code、Codex、Qoder CLI、千问 Code、OpenClaw 等主流开发工具集成。

API 支持 reasoning_effort 参数调节推理深度：xhigh（默认，适合复杂任务）、medium（平衡准确性与速度）、low（优化速度与成本）。

模型权重将于下周在 Hugging Face 和 ModelScope 开源，届时千问 3.8-27B 也将同步开源。