Dessa 對決 Qwen3.8-Max：一邊是每輸出 token 要價 6 美元，一邊是尚未定價的模型

Qwen3.8-Max 每百萬輸入 token 收費 2.00 美元，每百萬輸出 token 收費 6.00 美元。Dessa 則不收費，因為 Block 並未販售、代管或發布它。這不是在貶低 Dessa——這正是整個比較的重點。一個模型是定價明確、可呼叫、經獨立評分的旗艦模型；另一個則是於 2026 年 10 月 23 日宣布、附有候補名單和示範頁面的語音研究預覽。將兩者並列之所以有用，正是因為它們位在同一個產品問題的兩端：讓使用者擁有語音，究竟要付出什麼成本？

Qwen3.8-Max 是阿里巴巴的託管旗艦模型，於 2026 年 8 月 3 日發布，是一款 2.4 兆參數的稀疏混合專家模型，每個 token 約有 950 億個參數處於活躍狀態。Dessa 是 Block 的全雙工語音對語音模型，從零開始以人類對話訓練，不使用文字，也不使用預訓練模型。前者能讀取並推理上百萬個文字 token。後者能同時聆聽和說話。兩者都無法執行對方的工作，而今天只有其中一個可以呼叫。

每個模型實際上是用來做什麼的

Qwen3.8-Max 是通用推理與生成引擎。它接受文字、圖像和影片並回傳文字，上下文視窗約為一百萬個 token，最大輸出為 131,072 個 token，且思考模式最多可花費 262,144 個 token 進行思維鏈。阿里巴巴自家的基準測試表鎖定前沿推理與代理式工作：GPQA Diamond 92.6、PaperBench 93.0、OSWorld 86.1、BabyVision 82.0，全為廠商自行回報。獨立的 Artificial Analysis 在其 Intelligence Index 上將其評為 45 分，並測得每秒 42.4 個輸出 token。

Dessa 是一個對話式介面。它接收音訊串流並回傳音訊串流，中間沒有文字，而且是全雙工，也就是說它能在說話時同時聆聽。Block 的示範顯示它會適時搭腔、在句子中途笑出來、配合音量，還會補完講者一時想不起來的電影片名。這裡沒有基準測試表、沒有參數量，也沒有上下文視窗，因為沒有可供測量的 token 介面。

這些並不是對同一個問題的互競答案。它們是對一個語音產品必須依序提出的兩個問題的回答：系統如何理解，以及系統如何說話？

那些數字，以及 Dessa 的那一項本該所在的那個空缺

以下每個 Qwen 數字都來自阿里巴巴公開的定價與模型文件，或來自 Artificial Analysis，並已相應標示。每個 Dessa 數字都來自 Block 的公告頁面，而該頁面公開的資料非常少。

• 價格 — Qwen3.8-Max 每百萬個 token 輸入 $2.00、輸出 $6.00，相較之下 Dessa 未提供價格。

• 快取輸入 — Qwen3.8-Max 每百萬個 token 為 $0.25，相較於 Dessa 則不適用。

• 參數量 — Qwen3.8-Max 總計 2.4T，約 95B 為啟用參數，而 Dessa 未公開。

• 背景脈絡 — Qwen3.8-Max 約 1,000,000 個 token；Artificial Analysis 列為 984k，而 Dessa 未註明。

• 最大輸出 — Qwen3.8-Max 為 131,072 個 token，而 Dessa 不適用，因為輸出為音訊。

• 模態 — Qwen3.8-Max 支援文字、圖像與影片輸入、文字輸出，而 Dessa 則是音訊輸入、音訊輸出。

• 獨立評分 — Qwen3.8-Max 在 Artificial Analysis Intelligence Index 上為 45，Dessa 則無。

• 廠商基準測試 — Qwen3.8-Max GPQA Diamond 92.6、OSWorld 86.1，相較之下 Dessa 完全沒有任何量化數據主張。

• 可用性 — Qwen3.8-Max 自 2026 年 8 月起即為付費 API，而 Dessa 則僅有候補名單，以及開放給少數安全研究人員的預覽。

• 授權 — Qwen3.8-Max 為託管的商業 API，另有依其自身條款發佈的開放權重版本；相較之下，Dessa 未公佈授權條款。

人聽到，人讀到

模態落差，正是規格比較中最容易被忽略的部分。Qwen3.8-Max 接受文字、圖像與影片輸入，並輸出文字。音訊不在其輸入模態之列，它也完全不輸出音訊；Qwen3.8 系列中沒有任何一款是語音對語音模型。

這意味著，以 Qwen3.8-Max 打造的語音產品必然是一條管線：語音辨識會把來電者的音訊轉成文字，Qwen3.8-Max 再對這些文字進行推理，最後由語音合成把回覆轉回音訊。每個階段都各自是不同的供應商、各自有不同的故障模式，也在帳單上各自佔一筆項目。這套管線行得通——當今多數正式上線的語音代理正是這樣建構的——但它有一項結構性成本，而 Dessa 的架構正是為了消除這項成本而設計。

Dessa 的結構性優勢不在於智慧，而在於它沒有必須定案的轉錄稿。管線必須先判定你何時說完話，才能做出回應；雙工模型則不需要。這就是為什麼 Block 的示範能呈現重疊與打斷，也是為什麼管線必須用端點偵測和插話邏輯來模擬這些行為，而該邏輯會在合成器說到一半時將其取消。

在 Qwen3.8-Max 上，即時語音代理的實際成本是多少

算術比價目表所顯示的更令人安心。一段十分鐘的口語對話大約有 1,500 個詞，若計入系統提示與對話歷史，大約是 2,000 個輸入 token。若代理回覆精簡，長度相近的回覆大約是 1,000 個輸出 token。以每百萬 token 2.00 美元與 6.00 美元計算，輸入費用為 0.004 美元、輸出費用為 0.006 美元——每通十分鐘通話的語言模型成本約為一分錢。

每天 10,000 通通話時，語言模型費用約為每天 100 美元，也就是每月大約 3,000 美元。這並非小數目，但幾乎可以肯定，它比相同用量下的語音辨識與合成費用更低，也比編排層的工程成本更低。認為語音之所以昂貴是因為 token 昂貴，這種直覺在當前價格下是錯的。語音之所以昂貴，是因為音訊輸入和音訊輸出都很昂貴，而且管線的延遲是其各階段延遲的總和。

一百萬個 token 的上下文改變了這個代理能容納的內容。相對於這樣的視窗，一通十分鐘的通話不過是捨入誤差，這意味著系統可以同時承載完整的逐字稿、客戶的檔案和一份政策文件，而無需進行檢索。這是一種 Dessa 完全沒有對應介面的能力——純語音模型無法閱讀政策文件。

延遲預算正是各架構出現分歧的地方。

在一條管線中，使用者停止說話，辨識器等待端點，語言模型產生第一個 token，合成器產生第一段音訊。將每個階段串流化可掩蓋其中一部分，但整條鏈路仍有其下限，而插話打斷意味著要拆掉合成器並重新啟動辨識器。結果就是熟悉的語音助理節奏：先停頓，再回覆，然後再停頓。

Dessa 的說法是，節奏之所以消失，是因為沒有鏈。Block 表示，在 MacBook Pro M4 Max 上，推論運行得比即時更快；若此言屬實，代表模型並非瓶頸。但該公司並未公布以毫秒計的延遲數字、沒有中斷恢復率，也沒有在網路或背景噪音條件下的量測。「比即時更快」是吞吐量陳述，不是反應速度陳述。模型可以比播放速度更快地產生音訊，卻仍要花 800 毫秒才對中斷作出反應。

對產品團隊而言，缺少的那個數字就是整件事的關鍵。採用雙工模型的理由在於時序。不願公布時序的供應商，尚未提出足以說服人的理由。

可用性、路由，以及您週一可以做的事

Qwen3.8-Max 已收錄於 OrcaRouter 目錄，這表示可透過與我們所路由的其他 200 多個模型相同的金鑰來存取，且 0% 加價——直接沿用供應商定價——並具備跨供應商自動容錯移轉。若 Alibaba 調整費率，變更會在同日於我方生效，因為沒有加價層需要重新定價。路由 DSL 可將 Qwen3.8-Max 與較便宜的模型組合，用於處理逐字稿的大部分內容，並將旗艦模型保留給推理步驟；當答案比帳單更重要時，模型融合可讓一組模型針對同一個問題執行。

如果旗艦款超出實際工作需求，同系列中還有更便宜的型號。Qwen3.8-27B 已列入我們的產品目錄，每百萬個 token 的輸入費用為 $0.33、輸出費用為 $2.40，而 Qwen3.8-Flash 則分別為 $0.15 和 $0.47。對於語言模型成本每次通話已約一美分的語音代理來說，旗艦款是負擔得起的；在更高通話量或更簡單的對話回合中，較便宜的等級才顯得重要。

Dessa 不在我們的目錄中，我們也沒有託管它。Block 的頁面提供候補名單，以及給一小群安全研究人員的早期存取權限。沒有可供路由的 API、沒有可傳遞的價格，也沒有可容錯切換的端點。

當 Dessa 會改變答案時

如果 Block 以合理價格推出 API，比較的重點就不再是 token，而是分鐘數。正確的衡量指標會是每分鐘自然對話的成本，其中包含 Dessa 所去除的語音辨識與語音合成。按這個指標來看，即使每分鐘只要幾美分的雙工模型，也可能勝過音訊階段成本高於語言模型的管線式系統。

第二個條件是品質。一個能讓人愉悅三十秒、五分鐘後就混亂的雙工模型，比一個速度較慢但可靠的管線還糟。Block 的示範太短、也太精心挑選，無法回答這點，而該公司自己提出的未解問題——事實保留、語言學習、上下文學習——正是決定一段長對話能否維持連貫的關鍵。

現在該怎麼辦

把語音產品建立在 pipeline 上，因為它是唯一有價格、有合約的選項。使用強大的辨識器與合成器，把 Qwen3.8-Max 放在中間負責推理的位置，並讓語言模型層保持可替換，這樣當價格變動時，昂貴的部分就能轉移。然後留意兩個能證明值得圍繞雙工模型重建的數字：公開的延遲數據，以及每分鐘價格。

一句話總結這場比較：Qwen3.8-Max 是你今天就能買到的，而 Dessa 是你明天可能會想買的。兩者之間的差距不在於智能，而在於價目表、端點和基準測試——這三件事 Block 尚未公布，而 Alibaba 卻以此為業。