Qwen 3.8 与 Claude Opus 4.8：廉价规模遇上推理专家

阿里巴巴预览了Qwen3.8-Max，预览活动于2026年7月19日在上海举行。该模型参数规模达2.4万亿，专为规模与全面性而构建。Anthropic的Claude Opus 4.8则是截然不同的存在：一款高端的深度推理旗舰模型，当任务步骤繁多、错误的答案代价高昂时，团队会求助于它。

两周以来，这种比较很难坦诚地进行，因为 Qwen 没有公布价格，也没有公布基准测试数据。 这一情况在 2026 年 8 月 3 日发生了变化，当时 Qwen3.8-Max 正式发布，公布了每百万 tokens 2 美元 / 6 美元的费率表和完整的基准测试结果。哲学层面的问题依然如故——原始规模与开放性，对比推理可靠性——但现在双方都有了具体数字。

给构建者的一点提示——解决这类问题最快的方法是在你自己的工作流上同时运行两者。OrcaRouter 通过一个兼容 OpenAI 的端点对外提供 200+ 个模型，因此你可以在同一任务上让 Qwen 3.8 Max 与 Opus 4.8 同台竞技，而无需接入两套 SDK。

TL;DR 结论。Opus 4.8 仍然是推理专家：经审计进入 Artificial Analysis Intelligence Index 的顶级集群，并在长智能体链中被信赖，因为在这些场景中，一个自信但错误的答案的代价高于token费用。它的弱点是成本和冗长——AA 将其混合费率定为约$3.85/1M，在最大努力级别下，它消耗大量token，据报道Grok 4.5完成类似任务时使用的输出token大约少4倍。Qwen3.8-Max现在用7月份所缺乏的东西来反击：一个真正的低价格，即$2/$6 每百万token统一价，缓存输入价格为$0.25，以及一个由Terminal-Bench 2.1 86.6和OSWorld-Verified 86.1领衔的厂商基准测试表。它还在唯一可用的第三方测试中展现了真正的智能体勤勉性。但它仍然没有被任何独立评估者评分。推理方面，你必须信任Opus；成本敏感、追求彻底性的工作，则选Qwen。

关键要点

• Qwen3.8-Max 自2026年8月3日起正式发布（GA），定价为$2 / $6 每100万token，在整个100万token上下文范围内价格统一——这是一份真正的价目表，取代了7月份的临时预览折扣。

• Opus 4.8 的价格明显更高：Artificial Analysis 将其综合成本估计为接近 $3.85/1M（在最大努力下），而且它token 消耗量大——据报道，每个任务的输出 token 数约为 Grok 4.5 的 4 倍，因此长时间的智能体运行会让差距进一步扩大。

• 各来源对 Opus 4.8 的确切 AA 数值说法不一。在 AA v4.1 中，Kimi K3（57.1）据报略高于它，因此可靠的说法是“顶级集群，低于 Fable 5 / GPT-5.6 Sol 领先梯队”，而非一个确切的分数。

• Qwen 现在拥有智能体基准分数，据其自行报告：Terminal-Bench 2.186.6，OSWorld-Verified86.1，FrontierSWE73.5（前代模型为 40.7）。这些数据均未经独立验证。

• Qwen 的一个第三方智能体数据点是有利的：与 Kimi K3 相比，它产生了354 个仓库引用对比 274，使用了22 次网关请求对比 53，并记录了0 次失败的工具调用对比 2——而得分 80/100，对比 Kimi 的 83。

• 开放性永久分化： Qwen 承诺本周内开放权重，并推出约需 17GB 显存的 Qwen3.8-27B；Opus 4.8 保持闭源，仅提供 API。

准确性说明：所有 Qwen3.8-Max 质量数据均由阿里巴巴报告，未经第三方验证。Opus 4.8 的数据归因于 Artificial Analysis 及具名来源，可能与 Anthropic 自身的报告存在差异；由于各追踪机构对 Opus 的确切指数存在分歧，我们仅说明其相对位置而非单一数字。Qwen 定价采用正式发布（GA）费率表，取代了 7 月份的预览折扣。

规格与价格，并列对比

以下是硬数据，每项数据均注明其来源。

• 厂商 / 状态 — Qwen3.8-Max：阿里巴巴；GA（2026年8月3日）；Claude Opus 4.8：Anthropic；GA 深度推理旗舰

• 架构 — Qwen3.8-Max：总计约2.4T，稀疏MoE（活跃参数尚未披露）；Opus 4.8：闭源；架构未披露

• 上下文窗口 — Qwen3.8-Max：1M tokens（983,616 含思考；最大输出 131,072）；Opus 4.8：长上下文旗舰

• AA Intelligence Index — Qwen3.8-Max：尚未评分；Opus 4.8：顶级集群，低于领先者（Artificial Analysis；Kimi K3 据报道以 57.1 分略高于此）

• 核心优势 — Qwen3.8-Max：规模、全面性、长上下文经济性；Opus 4.8：深度多步推理 + 智能体可靠性

• 厂商报告的智能体评分 — Qwen3.8-Max：Terminal-Bench 2.1 86.6，OSWorld-Verified 86.1（阿里巴巴报告）；Opus 4.8：n/a —— 声誉靠生产实绩赢得

• 定价（输入/输出）— Qwen3.8-Max：$2.00 / $6.00 每 1M，固定费率；缓存输入 $0.25；Opus 4.8：Premium — AA 混合约 $3.85/1M（最大努力）

• Token 效率 — Qwen3.8-Max：冗长；IFBench 82.8 是其自报分数中最弱的一项；Opus 4.8：Token 密集 — 输出量约为 Grok 4.5 的 4 倍（自报）

• 开放权重 — Qwen3.8-Max：承诺本周内发布（尚无许可证）；Opus 4.8：否 — 封闭 / 仅限 API

两件事构成了这一比较的框架，而两者都在8月3日发生了变化。

首先，成本差距现在是可衡量的，而不只是名义上的。七月时，Qwen 的优势还是一种无法编入预算的折扣。现在它变成了一个费率，而且这个差距的形态很不寻常：Opus 既昂贵又消耗大量 token，这意味着两者会相乘。如果 Opus 在相同任务上输出的 token 数量是其他模型的四倍，且每个 token 还收取溢价，那么一次长时间的智能体运行成本可能是标称费率的许多倍。Qwen 每百万 token 6 美元的输出费率、固定 100 万 token 的上下文窗口，以及 0.25 美元的缓存输入费率，恰好直击了这种复合效应。

其次，Qwen 的基准测试栏目不再空白——而且这一次，其中一部分直接相关。 Opus 4.8 的全部卖点是智能体可靠性，而阿里巴巴现已发布了智能体相关数字：Terminal-Bench 2.1 上 shell 操作得分 86.6，OSWorld-Verified 上驱动真实 GUI 得分 86.1。这些衡量的是正确的事。需要注意的地方在于来源而非相关性：阿里巴巴是用自己的测试框架得出的这些数据，尚无第三方复现。与此同时，Opus 的声誉建立在一个更难发表但可以说更有价值的东西上——在众多团队中的持续生产级使用，这是一种厂商表格无法制造的证据。

推理可靠性 vs 原始彻底性

这两者之间有趣的差异不在于一次性生成的质量——而在于当任务包含多个步骤并附带真实工具时，它们会如何表现。

Opus 4.8 的声誉建立在智能体可靠性之上：长链推理，它能在其中跟踪上下文、从死胡同中恢复，并返回无需逐步复核即可直接采纳的答案。这种特性正是团队愿意支付高溢价的原因，因为在生产环境中，一个自信但错误的多步答案的成本远超 token 账单。代价是 Opus 消耗的 token 较多——据报道，Grok 4.5 完成类似任务所需的输出 token 大约为其四分之一——因此它的可靠性伴随着真实且持续的成本。

Qwen 3.8 以另一种方式展现优势：纯粹的彻底细致，如今已有一个第三方数据点为此佐证。在 Trilogy AI 开展的架构理解测试（Qwen3.8-Max vs Kimi K3）中，Qwen 得分80/100，而 Kimi 为 83——在主要得分上落败——但它是更勤勉的智能体，生成了354 条仓库引用，而 Kimi 为 274，使用了22 次网关请求，而 Kimi 为 53，并记录了0 次失败的工具调用，而 Kimi 为 2。两个模型得出了相同的核心架构结论；Qwen 只是通过更多溯源验证工作才达到这一结论，且工具使用更干净。

零失败工具调用的结果，是Qwen所拥有的最令人鼓舞的智能体信号，因为失败的工具调用才是真正导致生产型智能体崩溃的原因。不过，这也只是由一个评估者在单个任务上做的一次测试——远不足以构成Opus口碑背后的那种证据基础。

Qwen 的周全是有代价的：延迟和 token 消耗。预览时期的评测者发现它"非常好，但非常慢"——构建一个网站需要 30 多分钟，运行一次扑克模拟需要超过一小时，是那位评测者用过的最慢的模型。现在需要说明两点。那是在预览基础设施上，而 GA 服务是另一套系统；OrcaRouter 的 7 天遥测数据目前显示p50 首 token 延迟为 1.64 秒，尽管 TTFT 和长达一小时的构建的端到端吞吐量是不同的概念。这一发现值得重新测试，而不是一再重复。

还有一个值得指出的结构性问题：阿里巴巴自身报告的最低分数是IFBench 82.8，即在约束条件下的指令遵循能力。对于在每一步都要解析模型输出的代理型流水线来说，一个超出范围、添加额外未请求工作的模型，无论它多么周全，都是一种负担。这正是Opus的纪律性体现其价值之处。

实践中成本：4倍token差距在何处显现

考虑一个多步骤的智能体运行：80,000 个输入上下文的 token，以及——这是关键变量——不同的输出量，因为据报道 Opus 产生的输出大约是其 4 倍。

• Qwen3.8-Max以 8,000 个输出 token 计算：0.08M × $2 = $0.16，加上 0.008M × $6 = $0.048。每次运行约 $0.21。

• Opus 4.8按混合价格约$3.85/1M，基于80,000输入+约32,000输出（4倍令牌数）：大约每次运行$0.43按混合定价——若按高级档费率分别计算输入和输出，费用会显著更高。

• 在每天3,000次运行时：Qwen ≈ $630/天；Opus ≈ $1,290/天或更高。

• 在稳定上下文下，Qwen 的缓存输入价格为 $0.25/1M，其运行成本降至 ≈ $0.07——大约比 Opus 便宜 6 倍。

真正公允的权衡始终适用于Opus的对比：如果Opus一次尝试就能完成任务，而更便宜的模型需要两次尝试外加人工复核，那么更便宜的模型实际上并不便宜。Opus的冗长在某种程度上正是其可靠性的机制——它会把推理过程说出来，而这会消耗token。你的工作负载需要回答的问题是：你是否在为并不需要的深思熟虑买单。对于高风险、低体量的推理任务，答案是肯定的。对于高体量分析任务，反正你会在下游做验证，答案则是否定的。

开放性与本地部署问题

Opus 4.8 已永久闭源，仅限 API 使用。Qwen3.8-Max 可能并非如此——权重承诺在本周内发布——但这款旗舰模型并非现实的自托管目标：以 4 位量化计算，约 1.2TB 的规模对比每块 H200 约 141GB 的显存，意味着需要八块或更多顶级加速器；而由于活跃参数量仍未公开，你无法估算这笔投入所能换取的吞吐量。此外，目前也还没有许可证文本，因此商业可用性在形式上仍未确定。

同步发布的Qwen3.8-27B则是面向那些更关注可控性而非原始能力的团队的实际版本。同样采用开放权重，据报道它只需约17GB显存即可运行——一张高端显卡就够用。如果你是因为需要在自己的网络内部进行推理而拿它与Opus比较，那么27B就是值得评估的模型；2.4T旗舰版的开放性基本只停留在理论上。

常见问题

Qwen 3.8 比 Claude Opus 4.8 更好吗？

并非依据现有证据。Opus 4.8 位于经审计的 Artificial Analysis Intelligence Index 顶级集群中，并在生产环境中证明了其深度智能体推理能力。Qwen3.8-Max 拥有出色的自报成绩（Terminal-Bench 2.1 86.6、OSWorld-Verified 86.1）和一项有利的第三方智能体测试，但没有独立评分。Qwen 在价格上胜出；Opus 在实证和推理可靠性上胜出。

为什么 Opus 4.8 的基准测试数字描述得如此模糊？

因为跟踪榜单的结果确实存在冲突。在 AA v4.1 上，Kimi K3（57.1）被报告为略高于 Opus 4.8，这使得 Opus 进入了顶级集群，但仍低于 Fable 5 / GPT-5.6 Sol 等领先者——不过不同来源的报告各不相同，因此引用某个单一的确切数字会误导人。其相对位置才是可靠的表述。

Qwen 3.8 比 Claude Opus 4.8 便宜多少？

意义重大，而且在长时间运行时差距会扩大。Qwen3.8-Max 的固定价格为每 1M token 2 美元 / 6 美元，缓存输入为 0.25 美元。Artificial Analysis 将 Opus 在最大努力下的混合成本定为约 3.85 美元/1M，据报道 Opus 的 token 消耗量约为 Grok 4.5 的 4 倍——因此价格差距会随着输出量成倍扩大。在典型的多步运行中，Qwen 的成本大约便宜 2–6 倍，具体取决于缓存情况。

Qwen 3.8 Max 退出预览了吗？

是的，2026年8月3日。它已有公开的价目表，并提供兼容OpenAI和DashScope的端点，所以7月的Qoder积分活动和90%折扣的说法已不再适用于其当前的销售模式。

Qwen 3.8 用于智能体任务时可靠吗？

早期信号令人鼓舞，但还很单薄。阿里巴巴报告 Terminal-Bench 2.1 得分为 86.6，OSWorld-Verified 得分为 86.1；在第三方测试中，它记录了零次失败的工具调用，而竞争对手有两次。相比之下，其自报最弱的分数是 IFBench 82.8（指令遵循），而且预览测试人员反复看到它超出范围——对于解析每一步输出的流水线来说，这是一个真正的风险。

我能自托管Qwen 3.8以避免Opus的溢价定价吗？

现实地说，它并非旗舰。权重承诺本周内公布，但尚未发布许可证，而且在4位量化下约1.2TB，你需要八块或更多H200级GPU。同时发布的Qwen3.8-27B，据报道约17GB显存，是可行的选择。Opus 4.8是封闭的，因此完全没有自托管的途径。

我今天应该用哪一个？

Opus 4.8 适用于推理关键型或智能体生产工作——这类工作必须值得信赖，因为一个错误的多步骤答案代价高昂。Qwen3.8-Max 适用于成本敏感、以彻底性为先的工作——尤其是长上下文分析，其 1M 统一定价和 0.25 美元的缓存输入价格让性价比难以被忽视。

底线

Qwen 3.8 对比 Claude Opus 4.8这仍然是理念的对撞，但经济账已不再是假设。Qwen3.8-Max 以 GA 形式发布，定价远低于 Opus，且由于 Opus 不仅价格高昂、Token 消耗量也大，差距还在持续拉大。Qwen 还发布了直指 Opus 主场的智能体（Agentic）数据，其一次第三方智能体测试显示，工具使用比强劲对手更加干净利落。

Opus 一如既往地保持着它一贯的优势：经审计稳居第一梯队，以及在可靠多步推理方面的实际生产记录——这是任何供应商表格都无法替代的。Qwen 剩余的差距仍是老样子：没有独立评分，没有披露激活参数数量，尚未获得许可证，而且它自述的指令遵循弱点，恰恰在 Opus 被选用的那些智能体流水线中至关重要。关注两件事：首个独立的 Intelligence Index 评分，以及权重携带许可证落地。在那之前，Opus 是你处理代价高昂的决策时所信任的模型，而 Qwen 3.8 则是你路由大批量任务的那一个——用你自己的工作流来验证。