【Qwen3.8-Max技术解析】2.4T参数如何刷新开源编码与协作模型上限

文章目录

• Qwen3.8-Max技术解析：2.4T参数如何刷新开源编码与协作模型上限
• • 一、引言
  • 二、参数全景：2.4T 背后是 95B 激活
  • • 2.1 官方确认的核心规格
  • 三、编码能力：从写函数转向连续十几天做项目
  • • 3.1 自演化 Harness：16 天、265 次提交
    • 3.2 从复现论文到改进论文
    • 3.3 官方基准并非“每项第一”
  • 四、协作能力：模型开始为 Harness 和多 Agent 而训练
  • • 4.1 真实工作强化学习
    • 4.2 330 个子 Agent 与 6000 次回测
  • 五、工程接入：API、Codex 与 Qwen Code
  • 六、横向对比：Qwen3.8-Max 的真正位置
  • 七、总结

Qwen3.8-Max技术解析：2.4T参数如何刷新开源编码与协作模型上限

一、引言

亲爱的朋友们，创作不容易，若对您有帮助的话，请点赞收藏加关注哦，您的关注是我持续创作的动力，谢谢大家！有问题请私信或联系邮箱：jasonai.fn@gmail.com

2026 年 8 月 3 日，阿里通义千问正式上线 Qwen3.8-Max。它拥有 2.4 万亿总参数、950 亿激活参数和 100 万 Token 上下文，是 Qwen 家族迄今能力最强的模型，也是阿里首次宣布开放 Max 级模型权重。

但“发布”和“开源”需要分开理解：Qwen3.8-Max 已可通过 QwenCloud API 使用，官方计划在发布后一周开放权重。因此，发布当天更准确的描述是：首个确认开源计划的 Qwen Max 级模型已经上线，开放权重仍需等待实际仓库、许可证与文件落地。

它真正值得关注的也不只是 2.4T。Qwen 团队把训练目标从“回答一道题”推向“在真实工作环境里持续数天，把复杂任务变成可验收交付物”。编码、办公、研究、视觉操作与多 Agent 协作，被放进了同一套长程任务能力中。

二、参数全景：2.4T 背后是 95B 激活

2.1 官方确认的核心规格

2.4T 不等于每生成一个 Token 都计算 2.4T 参数。MoE 会根据当前输入选择部分专家，单步激活约 95B 参数。这样既保留超大参数池的知识容量，又把计算量压到可部署范围。

输入 Token
│
▼
共享注意力与路由器
│ 为不同 Token 选择专家
▼
2.4T 总参数的专家池
│ 每步只激活约 95B
▼
工具调用 / 代码 / 文档 / 多模态输出

不过，稀疏激活并不等于“小模型成本”。2.4T 权重仍对显存容量、跨卡通信、专家负载均衡和推理框架提出很高要求。权重开放后，普通开发者更现实的使用方式仍可能是云 API、量化部署或由推理服务商托管，而不是单机满血运行。

三、编码能力：从写函数转向连续十几天做项目

3.1 自演化 Harness：16 天、265 次提交

Qwen 团队让模型从空目录创建 oh-my-cli，并运行一个能够吸收用户反馈、自测结果与社区实践的自演化 Harness。截至 2026 年 7 月 30 日，官方记录给出的结果是：

这类案例的重点不是提交次数，而是 Agent Harness 能否闭环：需求先被规范成 Issue，调度器分配任务，Agent 写代码并执行测试，监控器发现异常后再把问题送回修复队列。模型能力与工程外壳缺一不可。

3.2 从复现论文到改进论文

在另一项实验中，Qwen3.8-Max 只拿到论文和 GPU，没有初始代码。它连续工作约 125 小时，写出约 7600 行代码，完成 1100 多次操作与 33 轮 GPU 训练，先复现论文的六项主要发现，再提出并验证 18 个改进思路。

最终方案在 AIME24 上从复现基线的 49.58% 提升到 52.29%，增加 2.71 个百分点。这个过程呈现了研究 Agent 的基本循环：

阅读论文 -> 搭建数据与训练管线 -> 复现实验
▲ │
└── 分析失败 <- 运行验证 <- 形成新假设

需要注意，这些数据来自 Qwen 官方案例，不等同于第三方审计。真正的价值在于项目轨迹和代码可供社区检查，而不是只看一张跑分图。

3.3 官方基准并非“每项第一”

这张表给“开源最强”加了一条必要限定：Qwen3.8-Max 在官方测试中实现了大幅代际提升，并进入前沿梯队，但没有包揽所有编码榜首。它的竞争力更集中在 开放权重计划、超长上下文、多 Harness 适配和长程交付能力的组合。

四、协作能力：模型开始为 Harness 和多 Agent 而训练

4.1 真实工作强化学习

Qwen3.8-Max 的协作能力来自三条同时扩展的轴：

官方说明提到，训练覆盖 QwenWork、Claude Code、Codex、OpenClaw 和 Hermes 等 Harness，并使用统一奖励系统同时评估代码执行、文本质量、渲染后的视觉结果和 Agent 检查结果。

这意味着“协作模型”不是一句人格设定。模型需要学会拆任务、把任务变成可执行工作流、调度子 Agent、根据真实工具反馈改计划，并对最终产物负责。

4.2 330 个子 Agent 与 6000 次回测

在量化研究案例中，Qwen3.8-Max 将六类因子描述拆成约 300 个研究方向，调度约 330 个子 Agent，完成约 6000 次回测，并在运行中根据结果修改工作流。

主 Agent：定义目标、约束、验收标准
├── 子 Agent 组 A：动量因子
├── 子 Agent 组 B：价值因子
├── 子 Agent 组 C：质量与投资因子
├── 子 Agent 组 D：低风险与情绪因子
└── 验证层：回测、去冗余、多种子验证、汇总

这类大规模协作的瓶颈会从“模型聪不聪明”转向“任务是否独立、状态是否持久、结果是否可验证”。没有数据隔离、停止条件和统一验收，更多子 Agent 只会更快地产生更多噪声。

五、工程接入：API、Codex 与 Qwen Code

Qwen 官方给出了 QwenCloud、Claude Code、Codex、Qoder CLI、Qwen Code 与 OpenClaw 等接入方式。以 OpenAI 兼容接口为例：

from openai import OpenAI

client = OpenAI(
api_key="<your_qwencloud_api_key>",
base_url="https://dashscope-intl.aliyuncs.com/compatible-mode/v1",
)

response = client.responses.create(
model="qwen3.8-max",
input="Inspect this repository, propose a plan, implement the fix, and run tests.",
)

print(response.output_text)

生产接入不应只验证“API 能返回文本”，还要观察：

六、横向对比：Qwen3.8-Max 的真正位置

Qwen3.8-Max 的生态位不是“用一个榜单证明所有能力第一”，而是把接近闭源前沿的编码与协作能力，放进一个计划开放权重、可跨 Harness 使用的 Max 级模型中。对企业而言，这提供了 API 托管与未来私有化之间的选择空间。

七、总结

Qwen3.8-Max 代表的变化是：开源模型的竞争单位正在从“一个权重文件”升级为“模型 + Harness + 工具 + 验证循环”。 2.4T 决定能力上限，95B 激活决定计算现实，而能否在十几天后仍保持目标、恢复错误并交付可用结果，才决定它是否真的适合下一代 Agent 工作流。

参考资料：