Dots 与 Qwen 3.8 Max：区别在于你能把它移到哪里

Qwen 3.8 Max 于 2026 年 8 月 3 日发布，是阿里巴巴迄今为止能力最强的层级：原生多模态，可接收文本、图像和视频并返回文本，具备 1,000,000 个 token 的上下文窗口，通过三种接口格式提供服务——兼容 OpenAI、兼容 Anthropic 以及原生 DashScope——服务节点位于北京、新加坡、东京、法兰克福和弗吉尼亚，价格为每百万输入 token 2.00 美元、每百万输出 token 6.00 美元，缓存读取为 0.25 美元。Dots 是该公司全天候在线的智能体，于 2026 年 9 月 29 日的 DevDay 上发布：它拥有自己的云端电脑和浏览器，可接入 4,000 多个应用，运行在 GPT-6 Astra 之上，并包含在 Pro 和 Business Premium 之中。把两者放在一起，有趣的问题并不是谁的能力更强，而是它们各自被允许出现在多少地方，以及由谁来决定。

这不是一个抽象的区别。正是这个区别，决定了一款工具究竟能否在你的市场中提供，能否被你的合规团队审计，以及你基于它构建的工作成果能否在条款变更后依然存续。能力是这一比较中容易的部分；可移植性则是那个会拖到很晚、并以高昂代价才得到解决的部分。

调用一个模型的三种方式

传输格式听起来像是个微不足道的工程细节，直到你必须把应用从一个供应商迁移到另一个供应商。OpenAI 兼容接口意味着现有客户端库无需转换层即可运行。Anthropic 兼容接口意味着，针对另一家供应商的消息结构编写的代码库不必重写。原生 DashScope 接口则暴露完整的功能集，包括思考开关。一个模型提供三种接口，意味着切换的成本只是一个基础 URL 和一个密钥，而不是一次重构。

它最重要的时候，恰恰是它缺席的时候。关于一个点，没有任何东西能提供格式、URL 或密钥，因为点不是你能调用的东西——它是你在别人的界面里与之交谈的东西。把智能体逻辑搬到别处，意味着要重建它，然后重新连接它所依赖的那四千个连接器，接着再发现其中哪些的行为方式是你从未记录下来的。

• 你要买的是什么——ChatGPT、Slack 和 Teams 中的托管 worker（Dots），对比一个可从任何地方调用的模型端点（Qwen 3.8 Max）

• 接口 — 针对一个 dot 未发布任何内容，涵盖 OpenAI 兼容、Anthropic 兼容与原生 DashScope 接口面（Qwen 3.8 Max）

• 运行位置 — OpenAI 的云计算机，自带浏览器（Dots），与横跨亚洲、欧洲和北美的五个服务区域进行对比（Qwen 3.8 Max）

• 推理控制 —— 未以点号形式暴露，不同于 enable_thinking 开关，也不同于 reasoning.effort 在 Responses API 上（Qwen 3.8 Max）

• 单位成本 — 首个 dot 随 Pro 或 Business Premium 提供，配额未公开（Dots）；而每百万输入 $2.00、每百万输出 $6.00，缓存读取 $0.25（Qwen 3.8 Max）

独立证据——厂商演示和能力声明，没有任何基准测试数据，相比之下，Artificial Analysis 智能指数为 45.4，在 145 个受测模型中位列第十五，GPQA Diamond 为 92.8（Qwen 3.8 Max）

模型最终表现如何，用你能核验的数字来说明

Qwen 3.8 Max 公布的测评画像处于中游前沿水平，值得精确解读，而非凭印象评判。AA 智能指数为 45.4，在 145 个被测模型中位列第十五，这使其跻身前百分之十，但并未登顶。AA 编程指数为 76.2，在 138 个模型中排名第九，表现更强；而在 Terminal-Bench 2.1 上取得 88.8，则是真正很高的智能体执行成绩——高于 GPT-5.6 Sol 在同一榜单上的 88.0。相对较弱之处在于长上下文召回，为 80.3，低于 Kimi K3 的 88.7 和 MiniMax M3 的 83，尽管上下文窗口规模相当；此外 SciCode 为 52.1。

阿里巴巴在其迁移指南中的定位，是将该模型直接对标 GPT-5.5、Claude Opus 4.7 和 Gemini 3.1 Pro，而对这组数字的诚实解读是：当你更看重强大的智能体执行能力与多模态输入的结合，而不是在智能榜单上拔得头筹时，这就是你会选择的模型。所有这些数据都是第三方测评结果，在我们的目录中与其来源一并标注，而非厂商自述——这正是它们比一份发布演示文稿更有价值的原因。

有一个数字缺失了，应该直接说出来，而不是填进去：我们的产品目录没有列出该模型的最大输出长度。百万 token 的上下文已有记录；但每次响应的输出上限没有。

Dots 没有告诉你的事，以及为什么这是一种设计选择

OpenAI 只发布了一句话来说明一个 dot 要花多少钱，而且其中不含任何数字：首个 dot 包含在 Pro 和 Business Premium 中，首月享有扩展限额，并且用它进行对话不会消耗 ChatGPT 的使用限额。除此之外，没有配额数字，没有第二个 dot 的价格，没有额外容量的费率，也没有按任务计算的成本。每月 500 美元的 Pro 500 档位是一项使用额度外加 Ultrafast 模式，而不是按 dot 计费的费率，因此即使是最贵的套餐，也无法换算成每单位智能体工作的成本。

人们很容易把这解读为文档上的缺口。更准确地说，它是品类本身的特性：一个按席位定价的产品不可能有单价，因为席位的全部意义就在于，使用它的边际成本是看不见的。对于探索性工作而言，这确实很方便；而对于任何你必须归因到某个项目、某个客户或某个预算科目的东西来说，这又确实很不方便。

注意这两个产品各自优化的目标是什么。Qwen 3.8 Max 的优化目标是能被任何地方、任何东西调用，并且使用调用方已经在用的任何格式。A dot 的优化目标是在一个地方、由一个接口使用，并把底层管道隐藏起来。两者都是自洽的设计；它们只是回答不同的问题，而其中一个对“我以后能把它迁移走吗”的回答是“不能”。

针对"如果这家供应商发生变化怎么办"的两个答案

可移植性问题会在供应商调整价格、弃用某个标识符或改变订阅所包含内容的那一刻变得具体起来。对于一个有三种线路格式的按量计费模型，应对方式是机械式的：让客户端指向不同的 base URL，或者改一个模型字符串，应用就能继续工作。没有别的东西需要移植，因为该模型从来就只是一个调用。

对一个 dot 来说，面对条款变更，应对方式就是停用。计算机、浏览器、连接器和额度都属于 OpenAI，而且它们没有一个可以导出。这不是对产品的批评，而是对“租用”的诚实描述。但这确实意味着，你完全在 dot 内部构建的工作，其迁移路径必须经过一次重写，而这是一个值得计入成本的事实——在你构建某个你打算依赖一年的东西之前。

OrcaRouter 是为第一种情况打造的。Qwen 3.8 Max 的路由方式是 qwen/qwen3.8-max，按阿里云供应商目录价原样透传、零加价，收录于 与另外 200 多个模型同处一个目录、共用一把密钥，并具备跨上游供应商的自动故障转移，以及一套路由 DSL，可用于把多个模型组合进单个请求。正因如此，三区域的问题能在你这边得到答案，而不是在供应商那边：同一个标识符无论模型在哪里提供服务都能触达它，阿里云的费率变动当天就会落到你的账单上，而不必等到下一次续费。它触达不到的，是"点"内部的任何东西——那里没有对应的端点，没有标识符，也没有可以顶替上阵的替代智能。

在做出承诺前要问的问题

问问自己：当供应商改动了某个你无法控制的东西的那一天，你的工作会怎样。如果答案是“我们改一个字符串，然后接着往下走”，那你买的是一种模型，而按量计费的那一种是更划算的购买。如果答案是“我们得把它整个重建”，那你买的是一件产品，你就应该深思熟虑地买下它——明白你所为之付费的那份便利，是以可逆性为代价换来的。

两个答案都没错。买下永远不会用到的便携性，和买下终将需要摆脱的便利性，一样浪费。错就错在，不知道自己买的是哪一种。