8月3日，阿里巴巴千问（Qwen）团队正式推出千问3.8-Max。这款模型总参数量高达2.4万亿，激活参数95B，不仅是千问家族目前体量最大、能力最强的成员，也是该系列首次将Max级别模型开源。其权重文件计划于下周在Hugging Face和ModelScope两大开源社区上线。
在定价策略上，通过阿里云千问AI平台提供的API调用服务中，输入成本为2.0美元/百万tokens，输出为6.0美元/百万tokens，隐式缓存费用则为0.25美元/百万tokens。
基准测试数据显示，千问3.8-Max在编程智能体及通用智能体等多项指标上与Anthropic Fable5旗鼓相当，部分领域甚至实现超越。具体来看，PaperBench得分93.0，优于Fable5的88.8；CoWorkBench得分74.8，与Fable5的75.9极为接近；WideSearch得分81.9，同样持平Fable5的81.2。
性能表现：对标Fable 5，局部领先
依据千问团队公布的完整基准数据，Qwen3.8-Max在多核心指标上已与Anthropic Claude Fable 5持平或胜出。
多模态处理能力同样亮眼。需要说明的是，Fable 5的部分结果可能涉及回退机制，千问团队已在注释中对此作出澄清。
编程实战：从空白文件夹到生产级交付
千问团队选取三个真实案例，检验千问3.8-Max的自主编程实力，全程无需人工干预。
案例一：十天自动开发。模型从零构建oh-my-cli项目，自主运行约16天，累计提交265次commits、127个PR及151个issues。它巧妙融合用户反馈、社区实践与自测结果，形成需求自动领取、代码生成至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，编写代码约7,600行，执行操作超1,100步，完成33轮GPU训练，精准复现《Unified Data Selection for LLM Reasoning》论文的六项主要结论。随后进入“自我进化”阶段，提出并测试18种改进方案，最终在AIME24竞赛级数学基准上，较原方法再提升2.7分。
案例三：24小时击败87%人类队伍。在WWW2025多模态对话意图识别挑战赛中，面对526支人类队伍，模型经45次迭代提交，准确率由0.60跃升至0.853，成功击败458支队伍。
办公与长程任务：数百职业场景的生产级验证
千问团队在数百个高价值职业场景中，实测了千问3.8-Max的实际交付水准。
在E-Commerce Bench（365天电商经营模拟基准）里，千问3.8-Max以¥416,252的收益夺冠，回报倍数达4.16倍，超出第二名GLM 5.2的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现了长程自主规划能力。
任务目标是优化G CD/RSA密码硬件加速器的逻辑门数量。在无参考设计、无人工介入的情况下，模型历经约500轮交互、71次评估，跨越13个关键里程碑，将初始设计的8,298门压缩至678门，位列所有参评模型之首。
物理实现层面，芯片面积从106×106 µm²收缩至46×46 µm²，布线长度由33,369 µm降至4,187 µm，并在500 MHz频率下实现时序闭合，整体芯片面积缩减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融入任务执行始终。
执行过程中，模型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。千问团队将此定义为“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，虽略低于Fable5的88.8但差距微小；ParametricCAD Bench得分91.5，胜过Fable5的87.5。
为方便开发者接入，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：兼容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，可直接集成至Claude Code、Codex、Qoder CLI、千问 Code、OpenClaw等主流开发工具。
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。
