大模型之家讯 8月3日，阿里巴巴正式发布新一代基座大模型Qwen3.8，总参数量2.4万亿，在编程（Coding）和专业办公（Cowork）方面能力大幅提升。今日放榜的权威三方榜单Arena中，阿里Qwen模型仅次于Anthropic的Claude系列，整体性能处于全球大模型第一梯队。目前，Qwen3.8的API已上线千问AI平台，并接入阿里今日同步推出的Agent产品"千问办公"。Qwen3.8-Max预计下周开源，同时还将开源 Qwen3.8-27B。
今日起，全球开发者都可通过千问AI平台获得Qwen3.8的API服务，国内每百万Tokens输入12元、输出36元，隐式缓存命中仅1.5元，而输入与输出的国际价格仅为Opus5的40%与24%，实现相近智能更高性价比。
图说：权威三方榜单Arena全球排行榜更新
此次发布的是千问大模型系列中尺寸最大、性能最强的旗舰模型Qwen3.8-Max，它支持视觉理解，上下文长度达1M Tokens。在模型架构上，Qwen3.8通过稀疏MoE架构与混合注意力机制的联合优化，首次将千问大模型的总参数量拓展至2.4T，激活95B，获得了更高的推理效率、更快的推理速度，整体性能也迎来新突破：在科研复现评测PaperBench等编程智能体评测中，Qwen3.8-Max较上代模型大幅提升28.2分，以93.0分录得评测新高；在WideSearch、Agent's Last Exam等通用智能体评测中，新模型分别取得81.9分和52.4分，位居前沿。同时，Qwen3.8在指令遵循IF Bench评测中斩获82.8分，科学推理GPQA Diamond取得92.6分，系列通用能力均位居前列；在视觉推理BabyVision评测中，Qwen3.8-Max在无工具条件下取得82.0分，超出部分主流模型近两倍，在评估智能体电脑操作能力的OSWorld-Verified评测中，Qwen3.8-Max以86.1分位居主流模型首位。
编程能力（Coding）是前沿大模型的核心能力之一，Qwen3.8实现了自主编程的新突破。在权威CodeArena榜中，Qwen3.8位居全球第四。2年前的前沿模型能写好函数、补全代码，成为程序员的有力帮手，而如今，Qwen3.8可以从一个空文件夹出发，自主完成一个十数天的真实项目交付，全程无需人干预。只需一句"创建一个自进化的智能体Harness"，Qwen3.8就像个资深的工程师，从零开始，自主搭建循环工程（Loop Engineering）框架，编排智能体自动领取和执行任务，人类工程师还可通过钉钉给Qwen3.8提出新要求。Qwen3.8独立编程运行约 16 天后，做出了一个Hermes Agent级别的、真实可用的自进化智能体框架"oh-my-cli"，目前该项目现已完全开源，完整过程公开保存在 GitHub 仓库里，可供所有人查看。
Qwen3.8可胜任广泛的、真实的专业工作任务（Cowork）。面对完全不同的专业任务、评判标准和计算需求，Qwen3.8通过真实环境和算力的联合强化学习（RL）扩展，实现了数百种高价值、高频专业任务的真实表现提升，在主流的智能体框架中均可稳定可靠地交付生产级成果：一支法务助理团队在数百份法律文档中标注千余个相关条款，需要一周时间，Qwen3.8一小时内就能做完；一个篮球数据分析团队逐帧标注160个小时以上的比赛录像，Qwen3.8数十分钟就可精准拆解这8400多个攻防回合，并一次性输出球员战术画像和教练报告；一个金融研究团队基于数年的专业知识积累，搜集资本市场全面、实时的变动，才能依次完成的量化策略研究，Qwen3.8自主调动并行的智能体，连续工作数小时后交付完整的 ETF 轮动策略，并持续分析回测、动态修正、最后实现规模化盈利。
在长周期任务中，Qwen3.8涌现出系统级自主规划与全栈闭环自适应学习能力。无论是在高精密、强物理约束的数字芯片设计，还是在高度动态、博弈激烈的商业模拟运营中，Qwen3.8均能通过"执行-反馈-迭代"的自适应闭环，在数千轮的超长程交互中实现算法与策略的深度重构。
Qwen3.8除了拥有强大的文本和推理能力，还提高了AI视觉理解能力的极限。在权威Vision Arena榜单中，Qwen3.8-Max排名全球第二。Qwen3.8不仅能读懂200页的财报PDF、看懂超100小时的长视频，还能将这些"看到"的知识和信息反馈到工作全流程去，帮助模型思考得更周全。在千问团队构建的"应用复刻"基准RecreationBench长程任务中，模型没有源代码，也无法联网，只通过交互与反馈去理解这个应用，却能从零复刻出整个应用。这表明，Qwen3.8已经展现出前沿水准的混合多模态智能体能力，通过"迭代编程—交互反馈"的反复循环，将视觉编程（Visual Coding）推向新的高度。
据了解，阿里真武M890超节点也已成功适配Qwen3.8，通过芯片、云平台与千问大模型的全链路优化，显著提升推理效率、降低推理成本，在Agentic推理场景中最多可实现1.5倍性能提升。
原创文章，作者：志斌，如若转载，请注明出处：http://damoai.com.cn/archives/17764
