我们用 Qwen 3.8-Max 做了一个 AI 大模型宇宙：效果竟然胜过 GPT5.6？

Max长程Agent能力的背后，是精雕细琢的典范，还是算力黑洞的失控？ 作者丨 李娜 编辑丨 岑峰 我让Qwen 3.8-Max从零搭建了一个3D大模型演进宇宙网站，又和GPT-5.6做了迭代对比。 （Qwen3.8-Max运行成果截图） 效果上限方面，Qwen 3.8-Max 展现了远超 GPT-5.6 的交付细节； 效率和成本代价方面，Max高完成度背后是低效，而且因为无法自主判断任务终点导致了额度耗尽中断； 适用场景方面， 追求快速迭代、低成本原型，GPT 依然是首选，但在不计成本追求极致性能的场景，Qwen 3.8-Max 提供了一个昂贵但有效的国产替代。（雷峰网） 01 2.4万亿参数之后， Max3.8为什么开始强调Agent? 8月3日，阿里正式发布Qwen 3.8-Max。 从规格看，它依然足够醒目： 2.4万亿 总参数、约 950亿 激活参数、 100万 Token上下文，覆盖文本、代码和视觉任务，并计划开放Max权重和27B小模型。榜单、规模、价格和开源，延续着Qwen过去几年的竞争路线。 （阿里Qwen3.8 max官方技术博客截图） 但到了这一代，仅靠这些已经很难解释Max的差异化。 相比Kimi K3用KDA混合线性注意力、Stable LatentMoE建立起鲜明的架构叙事， Qwen3.8-Max没有公布同等分量的新基础架构； 它的价格相较海外旗舰仍有竞争力， 却没有低到足以单独改变模型选择 ； 2.4T权重即使开放，其主要价值也更偏向云厂商、企业和研究机构，而不是普通开发者直接本地部署。当头部模型已经普遍拥有很高的基础能力，“更大、更强、更开放”正在越来越难成为一款旗舰模型独有的理由。 Qwen3.8-Max这次把更多篇幅留给了另一个方向：长程Agent。 正式版技术博客中，模型规格和榜单很快被带过，真正占据篇幅的是16天自主开发、125小时科研复现、数百轮芯片优化，以及编程、办公场景中的端到端执行项目。它们共同强调一种能力：模型能否在真实环境中调用工具、接收反馈、检查结果并继续修改，把复杂任务持续推向完成。 这也为Max找到了一个更明确的位置。它不必像中小模型那样承担普及和本地部署，而是负责抬高Qwen体系的能力上限，再由Qwen Code、办公Agent和阿里云把这种能力送进具体工作流。但是它的实际能力如何，这也是我们在后面实测中需要关注的地方。 02 Agent 能力从哪里来？ Max 把训练重心放在真实环境 RL Qwen3.8-Max没有用一套新的基础架构来定义这一代，官方技术报告里显示 “ Q wen 3.8-Max 基于 Qwen 3.5 的架构基础构建”， 对Agent能力提升的主要解释，落在了真实环境中的 RL(强化学习训练) 上。 （阿里Qwen3.8 max官方技术博客截图：RL训练环境数量与能力增长曲线