Qwen3.8-Max 对比 Qwen 3.8：同一个 2.4T 核心，租用还是本地运行——0902 刷新之后

2026年9月2日，阿里巴巴发布了Qwen3.8-Max的一个带日期标注的更新版本——该构建被它固定为Qwen3.8-Max-0902——而同一周，一个独立的编程能力排行榜把这版新快照排在了第一。这个同为2.4万亿参数核心的可下载版本——也就是大多数人写不带后缀的“Qwen 3.8”时所指的那个模型——仍停留在8月12日的检查点：纯文本、推理强制开启，而且距离在小于一台GPU机架的任何设备上运行还差数百GB。托管旗舰版与开放权重之间的这种差距在8月并不存在。现在它成了比较的全部，也正是同一个模型会一直以两个名字卖给你的原因。

Qwen3.8-Max 是 Alibaba 的托管旗舰产品：一个 2.4 万亿参数的稀疏混合专家模型，每个 token 大约激活 950 亿参数；自 8 月 3 日起通过付费 API 提供，并支持 100 万 token 的多模态上下文窗口。作为独立名称，Qwen 3.8 是同一代的开源版本——其中影响最大的是 Qwen3.8-2.4T-A95B，即 Alibaba 于 8 月 12 日以自定义许可证发布的权重。它们并不是“廉价版”和“高级版”的关系，而是同一个大脑以两种方式出售。九月份的一轮后训练已开始把这两种交付方式拉开差距。这篇文章将厘清你实际看到的是哪一个“Qwen 3.8”、0902 刷新改变了什么，以及你今天应该选择哪条路线——租用 API 还是运行权重。

并非对手关系的配对

在讨论日期和费率卡之前，先讲架构：Qwen3.8-Max 与 Qwen3.8-2.4T-A95B 共享细粒度 MoE 设计——每层 512 个专家（每层含 10 个路由专家和 1 个共享专家），共 92 层，并采用混合堆栈：其中 69 层使用线性注意力（Gated DeltaNet 结合门控注意力），穿插全注意力以支持长上下文任务。这就是为什么模型卡能够宣称 API 支持百万 token 上下文，也是为什么开源版本原生支持 262K，并能在正确的服务配置下向百万扩展。这两个名称之间的差异不在权重架构上，而在边缘之处；自 9 月 2 日以来，这些边缘已经发生了变化。

• 参数 — Qwen3.8-Max：总参数2.4T / 约95B激活，MoE。Qwen3.8-2.4T-A95B：相同核心，相同激活数。

• 交付 — Qwen3.8-Max：托管 API，自8月3日起上线，9月2日更新为 Qwen3.8-Max-0902。Qwen3.8-2.4T-A95B：可下载权重，首次发布于8月12日，此后无更新检查点。

• 模态 — {{1}}Qwen3.8-Max{{/1}}：支持文本、图像和视频输入。{{2}}Qwen3.8-2.4T-A95B{{/2}}：仅支持文本。

• 推理控制 — Qwen3.8-Max：思考切换，包括非思考模式。Qwen3.8-2.4T-A95B：思考始终开启，仅提供推理强度调节（低 / 高 / 特高）。

• 工具支持 — Qwen3.8-Max：支持原生函数调用、五种内置工具和结构化输出。Qwen3.8-2.4T-A95B：没有原生工具层；其能力取决于你用来部署它的推理框架。

9月2日更新改变了什么

0902 版本属于后训练阶段的一次调优，并非新架构。阿里巴巴将其对准了 Qwen3.8-Max 原本就为人熟知的两大方向——编码，以及其称为“cowork”的长期智能体与办公类工作——而围绕该版本出现的数据，正是这次更新意义重大的原因。在独立的 Code Arena: WebDev 排行榜上，Qwen3.8-Max-0902 首次亮相即取得 1691 Elo，比上一版本高出 22 分，足以在入场时就拿下第一。阿里巴巴还将该版本描述为这一榜单成本-性能帕累托前沿上得分最高的模型，混合费率约为每百万 token 5 美元——即把 2 美元与 6 美元两档标价按输出密集的智能体流量加权后得出的价格，大约是调用同类前沿模型在其他平台所需成本的四分之一。这些数据的性质需要读者分清：1691 Elo 是独立竞技场的结果；而帕累托前沿的表述，则是阿里巴巴自己对该独立榜单的定性。

阿里巴巴针对 0902 版本的内部评估（由供应商报告、未经过复现）显示出同样的趋势：Terminal-Bench 3.0 从 11.3 升至 29.0，ProgramBench 从 10.5 升至 28.0，JobBench 从 53.4 升至 64.0，WorkArena Elo 从 1,348 升至 1,468。应将这些数据理解为“此次更新推动了智能体与编码维度的提升”，而非经过验证的分数。在通用智能方面，Artificial Analysis 的智能指数显示 Qwen3.8-Max 为 56——具有竞争力，但并非选择它的理由；编码与智能体的结果才是。

大多数报道忽略的一点是，截至本文撰写时，0902 后训练仅限 API 使用。阿里巴巴尚未发布更新模型的开源检查点——Hugging Face 上的 Qwen3.8-2.4T-A95B 权重仍可追溯到 8 月 12 日的版本。这意味着托管的 Qwen3.8-Max 与可下载的核心版本已不再像 8 月中旬那样是同一个模型。API 拥有 9 月的后训练版本，而权重没有。如果你运行开源版本的全部原因是为了精确复现旗舰模型的行为，那么这一假设已在 9 月 2 日悄然失效。

他们真正产生分歧的五个方面

暂时抛开共享架构不谈，实际差异一目了然。第一个筛选维度是模态：如果你的工作负载包含图像或视频——截图、图表、带图形的文档、视频帧——只有 Qwen3.8-Max 能处理它们，而且它的 100 万 token 上下文窗口是原生的，而非扩展而来。开放权重版本仅支持文本。第二个是推理控制：托管 API 可以关闭思维链运行，这对于延迟敏感和大规模提取场景至关重要，因为在这些场景中思维链纯属额外开销；而开放构建版本无法将其关闭。第三个是工具：函数调用、五个内置工具和 JSON 模式都是托管产品的一部分，开放构建版本则取决于你的服务层能提供什么。

上下文比规格表所暗示的要更微妙。双方都能达到大约一百万个 token，但托管模型原生就能支持多模态输入做到这一点；而开源版本的原生上下文为 262K，需要在配置中加以扩展，而且扩展窗口中的每一个 token 都是文本。输出上限也有所不同——API 允许最多约 131K 输出 token，开源版本通常也被配置为类似的上限，但开源一侧的实际上限取决于你的服务栈，而不是模型本身。

每条路线的实际费用

这就是两种交付方式完全失去可比性的地方。Qwen3.8-Max 有一个标价：每百万输入 token 2.00 美元，每百万输出 token 6.00 美元，每百万缓存输入 0.25 美元。由于 OrcaRouter 以 0% 加价传递供应商的标价，因此您在这里支付的就是这个价格；而当阿里云调整价格时，新数字会在当天生效。0902 快照被单独固定为 qwen/qwen3.8-max-0902，供想要可复现行为的团队使用——价格相同、能力相同，但使用的是固定检查点，而非滚动模型。在 OrcaRouter 的流量上，Qwen3.8-Max 的 7 天中位首 token 延迟大约为 2–4 秒；而 Artificial Analysis 测得的输出速度约为每秒 45–48 个 token：不算慢，但偏冗长，这就是为什么在该模型上运行智能体任务，尽管费率便宜，却可能消耗惊人的 token 数量。

Qwen3.8-2.4T-A95B 没有标价，因为代价就是你的基础设施。BF16 权重总计约 4.9 TB，即便是官方 FP8 版本也约 2.4 TB，所以这属于机架级硬件：有据可查的最小服务配置也要从约八块 B300 或 GB300 GPU 起步，而完整的 GB300 NVL72 机架是参考部署。激进的量化会改变下限——NVFP4 版本大约只需 1.3 TB，Unsloth 的 1-bit 分层量化能把模型压缩到约 397 GB，这才终于让单台配置充足的节点变得可行——但所有上述路径都假定你以数据中心规模运维 GPU。提供开放检查点的第三方托管商能以低于 Max 的每 token 价格向你出售 token，但你会失去多模态输入、非思考模式、原生工具和 0902 后训练成果，而且那个可下载的检查点本身也还没有任何独立基准测试发布。阿里巴巴自己的模型卡对二者关系直言不讳：它把 Qwen3.8-Max 描述为基于 Qwen3.8-2.4T-A95B 构建的官方版本，在开放核心之上增加了视觉输入、非思考支持、默认 1M 上下文和内置工具。

独立数据与厂商宣称的对比

这里的采购透明度比大多数对比都更重要，因为双方证据的时效性差异很大。Qwen3.8-Max 已有独立评分：0902 构建版本在 Code Arena: WebDev 1,691 中的结果，以及 Artificial Analysis 的 56 分智力指数，都是第三方测量数据；而让帕累托前沿说法具有说服力的定价，则来自已发布的价目表。Qwen3.8-2.4T-A95B 目前还没有这些——阿里巴巴发布的基准表描述的是 Max 级核心，并非对可下载检查点的独立运行，因此这次对比中的开源一方在很大程度上仍属于"供应商声称核心得分如此"。如果你基于能力表现在这两者之间做选择，在第三方实际运行之前，请将开源权重的主要数字视为声明而非事实。

谁应该选择哪个

这一决定源自上述清单。当您需要九月后训练、图像或视频输入、非思考模式、原生工具和结构化输出，或者希望在不搭建基础设施的情况下使用百万级 token 上下文窗口时，请使用托管的 Qwen3.8-Max——尤其是今天的 0902 版本。它代表着编码与智能体方向的前沿地位，而以 $2/$6 的价格和 $0.25 的缓存输入费用来看，就其能力而言，这个定价极具竞争力。

当控制权优先于便利性时，选择 Qwen3.8-2.4T-A95B：你需要将权重部署在自己的硬件或你已运营的提供商上，你想要一个可审计、可复现的固定检查点，或者你的持续用量使每 token 成本成为主导项，并且你准备好运行 2.4T 的 MoE。接受这份权衡清单——纯文本、思考始终开启、无原生工具、尚无 0902 后训练——并核对你所在营收区间的许可条款，因为定制的 Qwen3.8-Max 许可证并非 Apache 2.0，且对大型商业运营者附加了条件。

如果您的负载属于高吞吐量、单GPU或延迟敏感型，那么这两者可能都不是合适的赛道——该系列中拥有270亿参数的姊妹模型Qwen3.8-27B才是为此而生的，并且它在我们单独的Qwen3.8-27B与Qwen3.8-Max对比评测中已另行介绍。

如何在不押上全部筹码的情况下尝试两者

进行这种调用的干净做法是在你自己的提示词上同时运行双方，而这正是路由层证明其价值的地方，而不是事后硬加一个。Qwen3.8-Max 和固定版本快照 Qwen3.8-Max-0902 都位于 OrcaRouter 上同一个 OpenAI 兼容端点之后，因此在滚动旗舰版与可复现检查点之间切换只需更改模型 ID，而无需重新部署。当团队决定将开放权重引入内部时，路由 DSL 可以为自托管的 vLLM 或 SGLang 端点提供前端，该端点服务 Qwen3.8-2.4T-A95B，并将其置于同一调用图中——批量流量导向你自己的部署，高难度提示词和多模态请求分流至托管的 Qwen3.8-Max，并在两者之间实现自动故障切换。以这种方式试用新的检查点只需一次配置更改，而非一次迁移，当这一对比的双方仍在以不同速度演进时，这正是你所需要的。

底线

Qwen3.8-Max 和 Qwen 3.8 并不是两个争夺同一职责的模型。它们是同一个 2.4 万亿参数核心，以租用 API 和可下载权重两种形式交付，而 9 月 2 日的刷新让这两种交付形式变得意义不同。租用 API，你得到的是 0902 后训练版本——它在 Code Arena: WebDev 中夺得领先，此外还具备视觉能力、非思考模式、原生工具链和原生百万 token 上下文窗口，定价为 $2/$6，缓存输入 $0.25。运行开放权重，你得到的则是冻结在 8 月 12 日状态的同一架构——仅文本、推理锁定开启——目前尚无独立评分，而且还要承担数据中心级硬件开销。如果你在意 9 月带来的编码与智能体能力提升，那么今天只有这两个名称中的一个具备这些；如果你更看重可复现的控制力，那么也只有其中一个能被你真正握在手中。