Qwen3.8-Max 发布：2.4T 参数编程实测、下周开源，AI 编程格局要变？

8 月 3 日，Qwen3.8-Max 正式发布：总参数 2.4 万亿（激活 95B），是 Qwen 家族迄今最强模型，也是史上第一个会开源权重的 Max 级模型——下周在 Hugging Face 和 ModelScope 放出。

官方编程实测：AI 独立运行 16 天，在 GitHub 留下 265 次提交、127 个 PR、151 个 issue；论文复现后还能自我进化，AIME24 再涨 2.7 分；天池比赛 24 小时击败 458 支人类队伍。

先记住三个数：2.4T 参数 / 265 次自主提交 / 权重下周开源。

〇、为什么这条消息值得程序员停下来看

过去一年，AI 编程的竞争基本是闭源军备竞赛：GPT-5.6-Sol、Claude Opus 4.8、Fable 5 各领风骚，开源阵营的 Max 级模型一直缺席。

Qwen3.8-Max 打破的不是某个跑分纪录，而是 Qwen 自家的惯例：「旗舰 Max 级模型 = 闭源」。权重下周开源，意味着社区可以自己部署、自己评测、自己微调——跑分表上的数字会第一次接受所有人的检验。

对普通程序员，这件事的直接影响更实际：千问平台已经能通过 API 调用，且兼容 OpenAI 和 Anthropic 协议——你现有的 Claude Code、Codex 配置，改两行环境变量就能切到 Qwen3.8-Max。多一个选择，就多一分议价权。

一、发布硬信息：一张表看懂

一句话：模型已经能用，权重马上能自己跑。在 2.4T 这个量级，开源阵营第一次同时给你这两样。

二、编程实测：三个「全程没人管」的案例

官方没有晒单条跑分，而是让模型独立做完了三个开放任务——每个都要求它自己写代码、自己跑代码，全程零人工帮助。

案例一：十天级自动编程，跑出一个活项目

模型被要求从零创建 oh-my-cli 项目，并自己搭建一套「自进化 harness」：用户反馈、社区实践、自测结果全部纳入工程循环，需求被规范化为 issue，由 agent 自动领取、执行、测试、合 PR。

• 任务状态机：ready → leased → active，异常自动回退修复再验证
• 自测闭环：Build、Unit Test、E2E、Desktop Lifecycle 全跑
• 截至 2026-07-30，完全自主运行约 16 天后：265 次 commits、127 个 PR、151 个 issues

全程 trace 公开在 GitHub：qwen-code-dev-bot/oh-my-cli。你可以去翻它每天的提交记录，看它怎么自己发现问题、自己改。

案例二：复现一篇论文，然后超越它

模型只拿到一篇论文《Unified Data Selection for LLM Reasoning》和一批 GPU——没有起始代码、没有现成流水线。数据处理脚本、训练代码、评测程序全部从零写。

• 连续工作约 125 小时，写下约 7,600 行代码，执行 1,100+ 步操作，跑了 33 轮 GPU 训练
• 前 37 小时搭完流水线，完整复现论文六项主要结论（数据选择方法在 AIME24 上比随机挑选高 +7.7%）
• 之后进入自我进化循环：提出假设 → 写代码 → 上 GPU → 分析 → 再试，四轮探索、18 种改进想法，最终在 AIME24 上再提升 2.7 分

注意这个细节：它是在「复现成功」之后选择继续的。 没有人在旁边说「再做点」，是模型自己把「完成」定义成了「超越」。

案例三：24 小时，击败 458 支人类队伍

WWW2025 多模态对话意图识别挑战赛，阿里云天池平台，526 支人类队伍同场。

• 限时 24 小时，模型自己读规则、自己搭方案
• 文本侧微调集成 BERT / MacBERT / RoBERTa，截图侧微调 Qwen2.5-VL-7B，用 Chinese-CLIP 兜底
• 融合成加权投票系统，交叉验证校准权重
• 45 次提交，准确率从 0.60 爬到 0.853，击败 458 支队伍（全场 87%）

三个案例合起来是一件事：Qwen3.8-Max 不是「写代码的模型」，是「能自己把项目做完的模型」。

三、跑分：赢在哪里，输在哪里

官方放出了完整基准表（Qwen 自家评测框架，部分用 Claude Code 跑）。挑重点看：

诚实结论：

1. 长程科研、多模态理解、办公 agent 类，Qwen3.8-Max 确实站到了第一梯队，部分基准第一。
2. 经典软件工程基准仍落后：SWE-bench Pro 67.7 对 Fable 5 的 80.0，DeepSWE 56.6 对 73.0——「改真实仓库的 bug」这类任务还不是它的强项。
3. 评测框架是 Qwen 自家搭的（Terminal Bench 用 Claude Code 跑），存在主场因素。

闭源时代的跑分表是广告，开源之后的跑分才是考试。 下周权重放出，社区自己部署评测，才是真正见真章的时候。

四、办公与长程：模型开始「上班」了

官方还展示了几个真实工作流案例（均为官方演示，可视为能力上限展示）：

• 企业合规律师：数百份文档，单次通读标出 1,284 条相关条款，一小时内完成——同等工作量传统上要法务助理团队做约一周
• 量化研究：从 6 类因子出发拆出 50 个研究方向，调度约 330 个子智能体，完成约 6,000 次回测，入选因子超额夏普 0.64–1.48
• 芯片设计：GCD/RSA 密码加速器，500 轮交互、71 次评估，网表门数从 8,298 优化到 678；物理版图面积 106×106µm² 缩到 46×46µm²（-81%），时序从 -4.46ns 违例做到 500MHz 闭合
• 电商经营模拟（365 天）：¥100,000 起步，年末总现金 ¥416,252（4.16 倍回报），比第二名 GLM 5.2 高 38%，比上一代 Qwen3.7-Max 高 152%

这些数字说明一件事：模型的「长程自主性」已经不是演示，而是可复现的工程能力。 但它仍然是上限展示——生产环境能不能稳定复现，要等开源后社区验证。

五、程序员现在就能用：两分钟接入

模型已经在千问平台（platform.qianwenai.com）上线，兼容 OpenAI 和 Anthropic 协议。

接入 Claude Code

export ANTHROPIC_MODEL="qwen3.8-max"
export ANTHROPIC_SMALL_FAST_MODEL="qwen3.8-max"
export ANTHROPIC_BASE_URL=https://dashscope.aliyuncs.com/apps/anthropic
export ANTHROPIC_AUTH_TOKEN=你的千问APIKey
claude

接入 Codex（Responses 协议）

在 ~/.codex/config.toml 里配置 provider，~/.codex/model-catalog.local.json 注册模型（官方文档有完整 JSON），然后：

export OPENAI_API_KEY=你的千问APIKey
codex

推理档位

API 支持 reasoning_effort：xhigh（默认，深度分析）、medium（平衡）、low（省 token 快响应）。想省成本就先从 medium 试起。

一句话提醒：价格按千问平台计费，接入前自己看下价目表，别被「免费」两个字带节奏。

六、总结：三个行动建议

1. 想尝鲜：今天就注册千问平台，用 qwen3.8-max 跑一个你自己的任务，别信任何人的评测，包括这篇。
2. 想省钱：等下周权重开源，本地或自建推理跑 SWE-bench 类任务对比，再决定主力模型换不换。
3. 想判断趋势：盯三个数字——开源后一周内的社区评测数、GitHub star、以及各大厂商对「开源 Max 级」的跟进速度。

AI 编程的牌桌上，开源阵营第一次拿到了和闭源同级别的牌。这把牌打得好不好，下周开源见分晓。

🎯 觉得这篇有用？

• 关注「梦兽编程」，AI 编程工具实测、效率方法，只发能落地的东西
• 想看哪个模型的深度评测，评论区告诉我，我来跑

参考来源：

• Qwen Team：Qwen3.8-Max: A New Bar for Coding and Cowork 外部链接
• HN 讨论：Qwen3.8-Max: A New Bar for Coding and Cowork 外部链接