阿里千问开源Max级大模型，性能卓越，大模型智能体能力比拼升级

阿里千问大模型团队近日宣布，正式开放Qwen3.8-2.4T-A95B模型权重，这是该系列首次将Max级别旗舰模型对外开源。作为Qwen3.8-Max的底层版本，Qwen3.8-2.4T-A95B不仅支持视觉输入功能，还具备百万级上下文处理能力，并内置官方工具集，无需额外配置即可直接使用。

该模型总参数规模达2.4万亿，每个Token激活950亿参数，原生支持262144 Token上下文窗口，并可扩展至101万Token。技术架构基于Qwen3.5优化，在编程、办公自动化、科研任务及长周期智能体场景中实现显著性能提升。部署方面，模型兼容SGLang、vLLM和TokenSpeed等主流推理引擎，但正式运行时需采用针对Qwen3.8优化的最新框架配置，并根据硬件环境选择并行策略。

在运行模式上，Qwen3.8系列默认启用思考模式，生成最终回答前会输出带省略号标记的中间推理过程。值得注意的是，此次开源的2.4T版本未提供关闭思考模式的选项。针对硬件资源限制，开源社区Unsloth AI通过动态1-bit分层量化技术，将模型体积从原始的4.9TB压缩至397GB，存储需求减少91%。配合其开发的桌面工具，用户只需设备内存与显存总和超过410GB即可本地运行。

基准测试数据显示，Qwen3.8-Max在多项核心指标中表现突出。在论文复现基准PaperBench中取得93.0分，超越GPT-5.6 Sol、Fable 5等竞品；操作系统操作评估OSWorld-Verified中以86.1分领跑；参数化CAD任务测试得分91.5，同样位居首位。不过在TerminalBench 2.1终端操作测试中，其86.6分略低于GPT-5.6 Sol的88.8分；代码开发基准SWE-bench Pro得分为67.7，落后于Fable 5的80.0分；长视频理解测试VideoMME v2中68.3分的表现也不及GPT-5.6 Sol的71.1分。

实际应用场景测试中，Qwen3.8-Max展现了强大的自主工作能力。在持续16天的编程任务中，模型自主构建了自进化开发框架，完成需求收集、任务分配、代码生成、测试验证及错误修复的全流程。其他测试包括独立复现并改进学术论文、参加算法竞赛，以及在2000轮交互中运营虚拟电商企业，均验证了其处理跨时长复杂任务的能力。

商业应用方面，Qwen3.8-Max的API定价策略区分国内外市场：国内输入每百万Tokens收费12元，输出36元，隐式缓存命中费用1.5元；海外版本输入2美元，输出6美元，缓存命中费用0.25美元。对比市场同类产品，其定价处于中等水平。

此次开源事件恰逢全球大模型竞争升级。同期马斯克团队发布Grok 4.6系列，其中高端版本在智能体编程测试中与GPT-5.6 Sol Max、Claude Fable 5 Max持平；DeepSeek-V4-Pro正式版上线后，在部分指标上超越Claude Fable 5。三大顶流模型不约而同强化了多步骤长周期自主执行能力，标志着行业竞争焦点从单一任务处理转向完整项目承接能力比拼。阿里千问此次开源2.4万亿参数模型，被视为中国在开源大模型领域的重要布局。