阿里 Qwen3.8-Max 预览版上线：2.4T 参数、多模态、声称"仅次于 Fable 5"，但更大的看点是开源路线回归

7月19日，WAIC 2026 上海，阿里千问团队发布了 Qwen3.8-Max-Preview。

2.4 万亿参数，稀疏 MoE 架构，文本+图像+视频+文档多模态，1M 上下文窗口——这些数字本身已经足够震撼。但更值得关注的，不是数字本身，而是阿里在发布这一刻的姿态转变。

发布后不到两周，8月3日，"千问办公"（QwenWork）开启公测，将 Qwen3.8-Max 推向了生产力场景。而阿里同时承诺：正式版将开源。

这不是一次简单的版本迭代。这是一次战略转向。

一、拆解：Qwen3.8-Max 到底是什么？

先从已知的事实说起：

参数规模：2.4T 总参数，稀疏 MoE 架构。每 token 激活参数未披露，这是评估部署成本和推理速度的关键缺失信息。
多模态：这是 Qwen 系列首个万亿参数以上的多模态模型，统一处理文本、图像、视频、文档。
上下文：1M token 窗口，继承自 Qwen3.7-Max。
接入方式：首发上线阿里 Token Plan、Qoder、QoderWork。预览期间限时一折优惠。
API 兼容：同时兼容 OpenAI 和 Anthropic 协议，现有工具可以零改写接入。
开源承诺：正式版将开源，同时开源 Qwen3.8-27B 版本。

关于"第二仅次于 Fable 5"的宣称——阿里没有公布任何基准测试表，也没有模型卡。目前没有任何第三方评测机构（LMArena、Artificial Analysis）发布过 Qwen3.8-Max 的评分。这个排位完全基于阿里内部评估。

前代 Qwen3.7-Max 在 GPQA Diamond 上拿了 92.4，SWE-bench Verified 上 80.4，Terminal-Bench 2.0 上 69.7——如果 3.8-Max 在这个基础上提升并加入多模态，排名可信。但可信不等于可验证。

二、建框架：为什么这次发布如此重要？

要理解 Qwen3.8-Max 的战略意义，得先看一张更大的牌桌。

第一张牌：Kimi K3 的冲击波。

就在 Qwen3.8-Max 发布前一周，月之暗面开源了 Kimi K3——2.8T 参数，长程任务、前端渲染、Agent Swarm 全线拉满。马斯克亲自在 X 上说了"impressive"，杨植麟的博导、CMU 机器学习泰斗 Russ Salakhutdinov 公开盛赞。海内外开发者集体起立鼓掌。

第二张牌：DeepSeek V4 的临近。

DeepSeek V4 满血版据传即将发布，海外开发者已经被灰测到。截图满天飞。

第三张牌：开源生态的不可逆转向。

Mozilla 发布的《开源AI现状报告》显示：开源模型与闭源模型的平均性能差距已缩至 3.3%。在编码、指令执行等核心能力上已基本持平。OpenRouter 数据显示，开源模型处理的 Token 占比从 2026 年 1 月的 34% 飙升至 6 月的 65%。全球 API 调用月消耗量前五名已全部被开源模型包揽。

阿里的处境就很微妙了。

今年 3 月，在林俊暘离职后，阿里连续发布三款模型（Qwen3.5-Omni、Wan2.7-Image、Qwen3.6-Plus），全部闭源。开发者只能通过阿里云百炼平台调用 API，无法下载权重本地部署。Qwen 系列过去两年"开源优先"的传统被打破，"中小模型开源、大模型闭源"的双轨模式逐步成型。

但不到 4 个月，阿里就不得不掉头。

为什么？

因为市场给出了答案。当 Kimi K3 带着 2.8T 的开源权重正面冲击，当 DeepSeek V4 即将以开源姿态登场，阿里如果继续闭源，等于在开发者生态中主动退场。而开发者的选择，最终会决定谁家的模型成为事实标准。

阿里那句"Qwen3.8-Max 正式版将开源"的承诺，更像是一份迟到的投降书。

三、推演：这场牌局会怎么打？

短期（1-3 个月）：

Qwen3.8-Max 正式版发布+开源，与 Kimi K3 形成直接对标。两者参数规模接近（2.4T vs 2.8T），架构各异（MoE vs 传统），最后还是要靠实测说话。
DeepSeek V4 加入战局，中国万亿模型俱乐部形成三足鼎立。MiniMax M3 Pro（2.5T-3T，开源）据传也即将发布，可能变成四国杀。

中期（3-12 个月）：

开源模型的实际性能不再成为瓶颈。竞争焦点从"谁更强"转向"谁更便宜、谁的工具链更完善"。阿里云百炼的 MaaS 平台、月之暗面的 Kimi 生态、DeepSeek 的开发者社区——真正决定胜负的将是生态厚度。
阿里在 Qwen3.8 上同时押注办公场景（QwenWork），意图在生产力应用层建立差异化。这个方向是对的，但需警惕"大模型层做应用"的历史包袱——大模型公司做产品，史上鲜有成功案例。

长期（1-2 年）：

梁文锋（DeepSeek 创始人）最近在内部交流中说得直白："看不到闭源有什么好处……中国做模型的公司有点太多了，最终一定会收敛。"
万亿参数级别的训练成本让大多数玩家退场。最终可能只留下 2-3 家开源旗舰 + 1-2 家闭源巨头（如 Anthropic、OpenAI）。
阿里在这个格局中的位置取决于：开源的彻底程度（不仅是权重，还包括训练数据、评估框架、微调工具链），以及商业化闭环的可持续性。

四、落到行动：开发者应该怎么做？

如果你是一名正在评估下一个模型选型的开发者或技术决策者：

现在就可以试：Token Plan 上预览版限时一折，起步价 35 元/月。这个价格不值得犹豫，花一杯奶茶的钱体验 2.4T 旗舰模型，性价比极高。
但不要押注预览版：激活参数未披露、基准未公布、定价随时可能变。预览版是用来"了解"的，不是用来"依赖"的。
等待正式版+开源：如果你关心的是本地部署或成本可控，等 Qwen3.8-27B 开源后再评估。2.4T 的 MoE 模型，即使开源，通常团队也无法自托管——4-bit 量化下需要约 1.2TB 显存，一台 8×H200 的机器勉强能跑。
横向对比：在你的实际业务场景中，拿 Qwen3.8-Max 和 Kimi K3、DeepSeek V4（灰测版）做同条件对比。Arena 上的排名是别人的，你的业务数据才是自己的。
关注生态而不是模型：模型的更替周期已经缩短到 3-6 个月。真正值得投入的是工具链、评估框架、Agent 编排层——这些是跨模型复用的。不要为某个特定模型写死代码。

写在最后

Qwen3.8-Max 发布这一周，国内 AI 圈同时发生了三件事：Kimi K3 开源、DeepSeek V4 即将发布、MiniMax M3 Pro 箭在弦上。

这不是"百模大战"，这是万亿俱乐部淘汰赛。

阿里在 WAIC 上亮出的 2.4T 参数，是一张入场券，也是一封战书。但牌桌上坐着的，已经不止一个对手了。

真正的游戏，才刚刚开始。