HiRO-ACEv2 对比 Qwen 3.8：相隔四天的两次发布究竟能说明什么？

两件事在同一个月落地，彼此几乎毫无关联，而这恰恰是这组搭配值得写上一页的原因。Qwen3.8-Max是阿里巴巴的旗舰多模态推理模型，自 2026 年 8 月 3 日起上线，输入每百万 token 2.00 美元、输出每百万 token 6.00 美元，上下文窗口为一百万 token；它的开放权重同门Qwen3.8-27B和Qwen3.8-Flash分别于 8 月 13 日和 26 日跟进，定价与基准测试数据全部公开。HiRO-ACEv2是 Ai2 的第二代气候模拟器，于 2026 年 10 月 12 日以 10.9 GB 的 Hugging Face 仓库形式出现，没有公告，没有基准测试表，没有端点，而且在撰写本文时下载量为零。任何人拿这两者比质量，都是在拿一款已发布的产品去比一件研究制品，得到的答案毫无意义。比较它们的发布方式才真正有价值——在一家实验室为“走向公开”所做的每一个选择上，这两者都代表着两个极端。

简短的回答

如果你今天想调用某个模型，Qwen 3.8 是你拿着 API 密钥能指向的最强选择之一，有四个不同的价位，而 HiRO-ACEv2 则无论如何都无法调用。如果你想在自己的硬件上运行一个 3 公里的气候模拟器，情况则恰恰相反，Qwen 3.8 根本就不是参与者。

每个版本完成了多少？

正是在这里，两个日期之间的四天不再重要，而发布纪律的差异开始变得重要。

• Qwen 3.8 —— 一个规格完全明确的世代。Qwen3.8-Max 自 8 月 3 日起，已在五个地区通过三种接口格式（OpenAI 兼容、Anthropic 兼容与原生 DashScope）提供服务，其思考模式可通过参数开关。Qwen3.8-27B 是一个采用 Apache 2.0 许可的稠密 27B 多模态模型，上下文窗口为 262,144 token，支持文本、图像和视频输入。Qwen3.8-Flash 是高吞吐量层级，每百万输入 token 收费 0.15 美元，输出 0.47 美元。第四个条目，即仅以 “Qwen3.8” 为名的那个，被列为 2.4 万亿参数的开源权重旗舰，即将推出，目前在任何地方都尚不可用——它是这个家族中你唯一用不上的成员。

• HiRO-ACEv2——一个代码仓库和一篇论文。文件是真实的：HiROv2.ckpt 约 1.28 GiB，ACE2S-X-SHIELD.ckpt 约 2.98 GiB，十年的 NetCDF 驱动数据，两个初始条件文件，三个 YAML 配置以及一个运行脚本。操作步骤有文档记录——安装 Ai2 的 fme 包，编辑四个路径，执行脚本。不存在的是端点、价格、基准测试表、量化、替代运行时，或任何运行过它的第三方。

基准测试在两边指的是同一个意思吗？

不，而这种不对称性才是这次比较中最有教益的地方。

Qwen 公布了 Qwen3.8-27B 的跑分：在 LiveCodeBench v6 上为 90.3，在 GPQA Diamond 上为 89.2，在 OSWorld-Verified 上为 84.3，在 QwenSWEBench 上为 79.0。这些是厂商数据，并且在真正要紧的意义上，阿里巴巴的竞争对手并未复现它们，但独立测量也与之并存——Artificial Analysis 将同一模型评为 Intelligence Index 33.7 和 coding index 68.1——而其中任何一项，都可能被一个拥有基准测试工具和一个下午时间的第三方质疑。

HiRO-ACEv2 的模型卡中没有这样的表格。它声称该降尺度模型能再现参考降水、10 米风和海平面气压分布，直至第 99.9999 百分位，而其背后的论文声称推理成本比传统的数值全球风暴解析模型低 300 多倍。两者都是作者自己的主张。两者都需要一个参考模拟以及对极端尾部进行分布分析来检验。分布和排行榜分数不是同一类证据，而如果一页把它们并排印在同一张表格里，就会教给读者错误的东西。

今天下午你究竟能跑哪一个？

Qwen 3.8，遥遥领先，而原因不在于质量——而在于这两者中，有一个是为了提供服务而构建的，另一个则不是。

Qwen3.8-27B 以 Apache 2.0 协议开放权重，因此可以从厂商自己的仓库自行托管部署，同时也通过多个平台以公开费率提供商业服务。具体到 OrcaRouter，我们上架的模型是目录中的这些，而非整个系列：qwen/qwen3.8-27b，在 262,144 位上下文下，每百万输入 token 收费 $0.33，每百万输出收费 $2.40；qwen/qwen3.8-flash 为 $0.15 和 $0.47；qwen/qwen3.8-max 及其带日期的快照版本，在百万 token 上下文下为 $2.00 和 $6.00。供应商标价原样传递，不额外加价，因此供应商调价当天就会在我们这边生效，而不用等到下一次合同续签；当某家供应商出现状况时，供应商之间的故障转移会自动进行。

HiRO-ACEv2 没有对等物，诚实的说法是，以这种形式，它永远也不会有。它是一个与粗粒度气候模拟器捆绑在一起的扩散降尺度器；没有需要计量的请求，也没有需要计费的 token。称其“可用”，就意味着一个下载链接和一块 GPU。

接下来它们各自会发生什么？

Qwen 这边显然有下一个大事件：目前被列为即将推出的 2.4 万亿参数开放权重旗舰模型。当它发布时，会同时带来公开的基准测试结果、公开定价以及托管可用性，因为这个系列就是这样发布的。

HiRO-ACEv2 这一侧没有安排下一次活动，而且可能永远也不会有。Ai2 于 2026 年 1 月发布了第一代 HiRO-ACE，而到目前为止，这第二代也是以同样的方式推出的——悄无声息，由论文来解释一切。可能的走向是：发布一则对产物本身毫无改变的公告，或者根本没有任何公告。

因此，对这场对比的务实解读是狭窄而明确的。对于读者可能正在构建的任何东西，Qwen 3.8 都处于关键路径上，并根据每个 token 需要多少推理，落在四个价格档位之一。HiRO-ACEv2 是针对专门问题的专用下载，而它恰好与一个重大前沿版本同月发布，这不过是日历上的巧合，而非竞争关系。

在你为其中任何一个报价之前，有两件事需要检查。

在 Qwen 这边，先看清是哪一档。27B 和 2.4T 旗舰只共用一个家族名称，除此之外别无相同——一个是可下载、可在单节点上运行的 Apache-2.0 模型，另一个是尚未发布的万亿参数版本。一方的数据并不能描述另一方，而这个家族已公布的价格中，Flash 输入与 Max 输出之间的差距超过十三倍。

在 Ai2 这一侧，先核实你所引用的是什么。HiRO-ACEv2 的模型卡有意写得简略，所有数字都在论文里；那篇论文是 2026 年 10 月 13 日发布的预印本，比权重晚一天，其图表公之于众的时间比大多数软件发布周期还要短。这一切都不能说明它们是错的。但这确实让它们带有某种暂时性，而旁边附有独立测量的基准表则没有这种暂时性——而指出这一点，比凭空造一个记分板来填补空白更有用。

像这样的比较，也正是故障模式暴露之处：OrcaRouter AI Incident Archive 收录了这类模型背后有记录的 AI 事件和智能体故障，其中每个条目都带有各自的来源、严重程度、置信度等级和争议标记。