NVIDIA-Nemotron-Labs-Teacher-General-Reasoning 對決 Qwen3.8-Max：開放權重認真起來的那一週

開放權重模型剛度過了精彩的一週。大約在 2026 年 8 月 12 日，阿里巴巴發布了史上首個開源權重的 Max 級別 Qwen——Qwen3.8 Max，這是一款擁有 2.4 兆參數的旗艦模型，以 Qwen3.8-2.4T-A95B 的名稱發布在 Hugging Face 和 ModelScope 上。兩天後，也就是 8 月 14 日，NVIDIA 也在 Hugging Face 上發布了 NVIDIA-Nemotron-Labs-Teacher-General-Reasoning，這是來自 Nemotron 3 Ultra 訓練管線的一個 550B 參數、55B 活躍參數的推理教師模型。兩者都是來自前沿實驗室的巨大且全新開放的檢查點，但它們的相似之處僅止於此。Qwen3.8 Max 的開放是為了讓你自行運行前沿模型；NVIDIA-Nemotron-Labs-Teacher-General-Reasoning 的開放則是為了讓你能用它來訓練。比較這兩者，其實是在問你屬於哪一種團隊——但兩者都在 72 小時內登場，這個事實本身就透露了產業未來的走向。

每個版本實際包含的內容

Qwen3.8 Max 是可部署的版本。它是一個稀疏混合專家模型，總參數達 2.4 兆，在 512 個專家之間每個 token 約啟動 950 億參數，基於 Qwen3.5 系列的混合架構打造。在開放權重形式下，它僅支援文字，原生上下文長度為 262K token（可擴展至 1M 以上），而且——值得注意的是——必須進行思考：模型會在 `<think>` 標籤之間輸出推理內容，且無法關閉。阿里巴巴於 8 月 3 日推出的託管 API 版本新增了圖片和影片輸入、預設 1M 上下文，以及可選的思考功能。開放權重的授權是客製化的 Qwen3.8 Max License，雖然寬鬆，但對超大規模商業部署設有基於營收的條件。如果你擁有跨節點硬體，就可以在自己的基礎設施上運行前沿級模型。

NVIDIA-Nemotron-Labs-Teacher-General-Reasoning 是訓練時期的模型。它是 Nemotron 3 Ultra 背後「多教師同策略蒸餾」（MOPD）配方中十多位領域專精教師之一，源自後訓練的 Ultra 學生模型，再經額外的推理專精 SFT 與強化學習階段而產生。它在該流程中的角色是為最困難的數學、邏輯與抽象推理問題生成長篇推理軌跡，並擔任評分自由形式答案的評判者。它以商業友善的 OpenMDW-1.1 授權條款發布，並附上已公開的後訓練資料，而且未附帶任何基準測試數字——NVIDIA 改為指向準確度圖表與 Ultra 技術報告。它的客戶是蒸餾運行，而非生產流量。

Qwen3.8 Max，首款開源 Max 級旗艦

阿里巴巴發布 Max 級 Qwe​n 模型之所以重要，是因為以往這類模型僅提供 API。Qwen3.8 Max 打破了這個局面：權重可下載，而且模型確實達到前沿水準——Artificial Analysis 給它的 Intelligence Index 為 58，Agentic Index 也為 58，在代理式（agentic）設定下與頂尖封閉通用模型並駕齊驅。其供應商公布的亮眼成績包括：PaperBench 93.0（領先 GPT-5.6 Sol 與 Fable 5）、GPQA Diamond 92.6、OSWorld-Verified 86.1。其弱點也同樣實際存在——SWE-bench Pro 67.7 與 Humanity's Last Exam 43.6 落後領先者；獨立測試也發現它每完成一項任務的成本偏高，在代理式執行中平均每項任務需 64 回合。在阿里巴巴的 API 上，定價為每百萬輸入 token 2.00 美元、每百萬輸出 token 6.00 美元、每百萬快取輸入 token 0.25 美元，較其預覽定價調降 20%。

教師：配備模型卡的訓練基礎設施

NVIDIA-Nemotron-Labs-Teacher-General-Reasoning 並未參與這些數字的競爭，因為它沒有發布任何數據。它所提供的，是與 Ultra 學生模型相同的 LatentMoE Mamba-2 + Transformer 混合架構、最高 1M token 的上下文長度，以及一個推理調節器——enable_thinking true/false、medium_effort 模式，以及 hard reasoning_budget 上限——這是蒸餾流程在困難樣本上投入深度推理、在簡單樣本上跳過推理時所需要的。最低硬體需求為 4×B200（或 8×H100），可透過 vLLM、SGLang 或 TensorRT-LLM 提供服務，而 checkpoint 的下載大小為 1.12 TB。目前沒有任何推理供應商部署它，NVIDIA 也未宣布 NIM 託管。這是一次僅釋出權重的發布，目標對象是已經運行大規模 GPU 機群的實驗室。

規格，並排比較

• 用途 — Teacher：訓練時的推理專家與裁判。Qwen3.8 Max：可部署的前沿旗艦。

• 規模 — 教師模型：總計 550B / 啟用 55B，採用 MTP 的 LatentMoE。Qwen3.8 Max：總計 2.4T / 約 95B 啟用，512 個專家，Qwen3.5 混合模型。

• 上下文 — Teacher：最高1M tokens，預設256K。Qwen3.8 Max：262K原生開放權重上下文，可擴展超過1M；API版本預設1M。

• 權重 — 教師：OpenMDW-1.1，2026 年 8 月 14 日發布。Qwen3.8 Max：Qwen3.8 Max License，約 2026 年 8 月 12 日發布。

• 獨立證據 — 教師：尚無。Qwen3.8 Max：AA 智慧指數 58，智能體指數 58，編碼指數 71.8。

• 思考 — 教師：enable_thinking 開關、medium_effort、reasoning_budget 上限。Qwen3.8 Max：在開放權重中必須開啟，無法停用。

• 價格 — Teacher：無定價，採用自架資本支出模式。Qwen3.8 Max：每百萬個代幣 $2.00 / $6.00，快取輸入 $0.25。

證據不對稱就是全部重點。

Qwen3.8 Max 已通過測試；教師模型則尚未。這部分源於時間差——Qwen3.8 Max 於8月3日發布，已有兩週的排行榜評測記錄，而教師模型昨日才推出——部分也是刻意為之，因為教師模型的卡片從未打算在分數上一較高下。但這種不對稱對比較結果有實質影響：本頁面上所有標註來源的具體數字都屬於 Qwen3.8 Max，而所有掛在教師模型名下的數字都是架構規格。教師模型的推理品質尚未經過 NVIDIA 以外任何人的驗證，其家族級數據（Ultra 學生模型廠商回報的 SWE-Bench Verified 71.9、MMLU-Pro 86.8、LiveCodeBench v6 89.0）描述的則是另一款模型。任何想依據「誰分數更高」來做決策的人，都必須等待教師模型的獨立評測——而這正是接下來幾週應補上的缺口。

兩個思考撥盤，設定不同

這兩個版本之間最有趣的技術對比，在於你要求它們推理時會發生什麼事。Qwen3.8 Max 以開放權重形式推出時別無選擇：思考永遠開啟，每次回答都包含推理軌跡。這對答案品質和透明度來說很好，但對批量生成來說成本高昂。教師模型則把推理當成一個旋鈕：enable_thinking 切換開關，medium_effort 調節強度，reasoning_budget 設定上限。對於蒸餾管線來說，這個差異是決定性的——用永遠開啟思考的模型生成數百萬條推理軌跡，會讓你的 token 帳單成倍增加；而教師模型的開關讓你可以只在困難樣本要求時，才為深度推理付費。這不是互相競爭的設計哲學；而是針對同一問題兩端分別最佳化的兩種工具，各自在其對應的一端都是正確的選擇。

最重要的是

如果你想在自己的硬體上運行前沿模型——或者想以合理價格呼叫一個——Qwen3.8 Max 就是關鍵的發布版本：它已在 OrcaRouter 上以阿里巴巴的定價上架，並以 0% 加成原價轉發，因此阿里巴巴在發表時宣布的降價，在我們這邊當天同步生效。如果你想訓練或蒸餾推理模型——或者想檢視形塑 Nemotron 3 Ultra 的訊號——NVIDIA-Nemotron-Labs-Teacher-General-Reasoning 就是關鍵的發布版本，目前僅限自架部署。更大的重點是，兩者在同一週落地：開放權重剛從「開放得足以觀看」推進到「開放得足以建構」，而且分別落在模型供應鏈的兩個不同環節。那些讓模型層在單一介面背後保持可替換的團隊——一端是自架訓練，另一端是託管式前沿推論——才有條件同時運用兩者。