Intern-S2-397B 對決 Qwen3.8-Max：兩款中國旗艦，截然相反的經濟豪賭

Intern-S2-397B 與 Qwen3.8-Max 是 2026 年 9 月初最具影響力的兩款中國旗艦發布，而且它們做出了相反的經濟賭注。Intern-S2-397B 是上海人工智慧實驗室 InternLM 團隊於 9 月 13 日以 Apache-2.0 釋出的 4,030 億參數科學多模態模型，它押注開放權重是贏得科學與代理式工作負載的方式：沒有每 Token 價格、權重在 Hugging Face 上，並以你自己的硬體作為計量器。Qwen3.8-Max 是阿里巴巴的 2.4 兆參數旗艦，於 8 月 3 日正式推出，並在 9 月 2 日更新，它押注的是定價 API：每百萬輸入 Token 2.00 美元、每百萬輸出 Token 6.00 美元，涵蓋 100 萬 Token 上下文，而開放權重在正式推出後一週到來，且獨立的 Artificial Analysis 分數已經在榜上。它們之間的對決，與其說關乎誰的基準測試勝出，不如說關乎哪一種賭注——擁有權或計量端點——符合你的工作負載形態。

兩個旗艦，兩場豪賭

Qwen3.8-Max 是阿里巴巴 Qwen 系列中能力最強的層級，是一款稀疏混合專家模型，總參數量達 2.4 兆，每個詞元約啟動 950 億個參數，橫跨 512 位專家，其中 10 位處於啟動狀態，另加一位共享專家。它具備 100 萬詞元的上下文視窗（在代管 API 中啟用思考模式時為 983,616 個詞元）、131,072 詞元的輸出上限，支援文字、圖像與影片輸入，並透過與 OpenAI 相容的端點提供服務。其最具代表性的定價策略是均一費率：無論你的提示是 5,000 個詞元還是 900,000 個詞元，價格都是相同的 $2.00 / $6.00，而快取輸入的價格更低——沒有長上下文附加費，而這正是大多數競爭對手至今仍會收取的槓桿。阿里巴巴在自己的遷移指南中，直接將其定位為與 GPT-5.5、Claude Opus 4.7 和 Gemini 3.1 Pro 正面對決。

Intern-S2-397B 是一種不同形態的旗艦。它是一個混合專家模型，具有 60 層和 512 個專家（每個 token 有 10 個活躍），256K 的文字推理上下文和 64K 的多模態，輸入介面包含文字、圖像和時間序列，以及一種預訓練範式，該範式直接讀取科學文獻的原始頁面——圖表、版面、符號標記和散文——而不是先解析出文字。它的強化學習涵蓋二十多個科學領域，並且是在沙箱環境中為長期代理工作而訓練的。它的定價不是一張價目表，而是沒有價目表：自行託管 Apache-2.0 權重，或申請使用官方 Intern API。

• 價格 — Intern-S2-397B：無價目表；自行託管或 Intern API 對比 Qwen3.8-Max：每 1M 均一價 $2.00 / $6.00，快取輸入較低。

• 規模 — Intern-S2-397B：總計 403B，512 個專家／10 個啟用 vs Qwen3.8-Max：總計 2.4T，95B 啟用，512 個專家／10 + 1 共享。

• 上下文 — Intern-S2-397B：256K 文字 / 64K 多模態，對比 Qwen3.8-Max：1M tokens、均一費率。

• 輸入 — Intern-S2-397B：文字、圖像、時間序列 vs Qwen3.8-Max：文字、圖像、影片。

• 權重 — Intern-S2-397B：Apache-2.0，於發布當日即開放，對比 Qwen3.8-Max：自訂 Qwen3.8-Max 授權條款，於 GA 後 8 月 12 日開放。

• 獨立評分 — Intern-S2-397B：尚無 vs Qwen3.8-Max：AA Intelligence Index 40、GPQA Diamond 92.7。

兩張表格都是廠商表格，而且只有其中一張有裁判。

兩款模型發布時都附上廠商自行製作的基準測試表，這使得資料來源的規範一致，但過往紀錄卻不同。Qwen3.8-Max 的獨立數據此後陸續累積：Artificial Analysis 在其現行 Intelligence Index 上給它 40 分，GPQA Diamond 為 92.7，HLE 為 43.0，獨立程式編寫分數為 71.8，而在現行量表下，每項指數任務的成本約為 2.67 美元。這些都是來自第三方追蹤機構的實測數字——是這兩款旗艦機型首次擁有的真正裁判。

Intern-S2-397B 的證據是它自己的模型卡，透過 OpenCompass、VLMEvalKit 與 AgentCompass 跑出來的，並與權重一同發布：MMLU Pro 89.77、MMMU Pro 81.68、HMMT-2026 93.56、SWE-bench-Pro 68.54，以及 TerminalBench 2.1 的 64.04——這個數字在模型卡本身顯示輸給較舊的封閉世代。它的科學類項目正是專業化論點成立的緣由：Biology-Instructions 55.71、SciReasoner 1.5 63.28、Mol-Instructions 53.95、MolecularIQ 62.35。這些每一項都是 InternLM 自家的、未經重現。並列來看，這兩組證據基礎從相反方向講述同一個故事：一個模型是專才，通用項目表現體面，卻沒有外部量測；另一個是通才，有獨立分數，卻沒有科學調校。

金錢形態實際上買到了什麼

均一價 $2 / $6 的計費方式是 Qwen3.8-Max 的招牌策略，值得詳細說明它帶來什麼。一個在單次呼叫中推送 20 萬個輸入 token 程式碼脈絡的 repo 分析代理，所支付的每 token 費率與簡短聊天相同——沒有長提示附加費——而且透過快取，穩定的程式碼脈絡在重複流量下會讓實際輸入價格大幅下降。該模型也可以依阿里巴巴的自訂授權以開放權重形式呼叫，該授權允許在標註來源的情況下進行商業使用，並設有以規模為基礎的門檻：月活躍用戶超過 1 億或月營收超過 2,000 萬美元；而大型模型即服務（model-as-a-service）業務則需另行簽訂協議。

Intern-S2-397B 的經濟邏輯恰好相反：完全不按用量計費，而是資本支出。權重以 BF16 表示約為 807 GB，分散在 188 個分片——這是一台高階多 GPU 節點——而 FP8 版本則把占用空間削減約一半。如果你已經擁有那樣的算力，下一次科學查詢的邊際成本就趨近於電費，而這就是這場賭注：擁有權讓專用模型在邊際上變得便宜。如果你不擁有硬體，這個「免費」模型只是試點，而官方 Intern API 是唯一按用量計費的替代方案。

只要做好路由，這兩個旗艦模型就能共用同一道接縫。Qwen3.8-Max 已上架 OrcaRouter，以阿里巴巴的定價原價直通、零加成，因此每百萬 $2 / $6 的固定費率以及未來任何降價，都會在同一天反映在這裡。Intern-S2-397B 並未納入路由——它是全新的檢查點，要取用它，只能走供應商自家的 API 或自行部署。把一般性、支援影片、長上下文的流量，交給用你手上既有金鑰計費的模型；把科學批次運算留在你自己跑的模型上；當任一邊的端點不健康時，就讓自動故障轉移來接手。這道界線是一條路由規則，而不是第二套整合。

裁決

選擇 Qwen3.8-Max 來進行一般推理與可支援影片的生產工作，在這些用途中，每百萬個 token 的固定費率勝過競爭對手的任何收費，而獨立評分榜也能降低在其之上建構的風險。其權重夠開放，在大多數團隊都符合資格的授權條款下具有意義，而其 $2 / $6 的計費在頂尖旗艦模型中，是市場上最積極的價格。

選擇 Intern-S2-397B 來處理科學工作負載——圖表密集的論文、分子圖、時序訊號——這類輸入的多模態特性，是通用型模型從未被調校過的；而在這類場景中，資料落地或針對專有成果進行微調的需求，讓 Apache-2.0 成為決定性的條件。為硬體編列預算，自行執行評估，並在其數字出現獨立裁判之前，把它們當成宣稱來看待。

誠實的總結是：這兩款旗艦產品其實並非真正的替代品。一款是自有的科學儀器，具備相當不錯的通用能力；另一款則是租用型、由獨立評分的通用模型，採固定費率，且對科學只有泛泛的興趣。同時需要兩者的團隊，應把這條分界線視為一項路由決策——而且在相信任何一家廠商簡報上的任何數字之前，應該先對 Intern-S2-397B 重新執行自家的評估。