7月19日，Qwen团队毫无预热地抛出了一枚重磅炸弹：Qwen 3.8即将发布，并将开放权重。根据官方披露，这一代模型的总参数规模达到了2.4万亿。更引人注目的是，Qwen将其定位为与一线闭源旗舰正面竞争的对手，并宣称其能力仅次于“Fable 5”。与此同时，Qwen3.8-Max-Preview已率先登陆Token Plan、Qoder和QoderWork，开发者无需等待完整权重发布，即可提前试用。这无疑是一份相当激进的宣言。过去一年，前沿模型的竞争焦点已从单纯的榜单分数比拼，转向了更为复杂的综合较量：模型能否稳定调用工具、理解真实网页与复杂状态、在长任务中保持约束，以及能否直接交付可运行的软件和媒体文件。单纯看参数规模，已难以判断一个模型的真实能力。因此，本文不打算复述官方发布文案，也不打算仅用几道数学题来为它排座次。我们要回答的是一个更朴素的问题：Qwen 3.8 Max Preview 现在究竟能否完成真实、复杂且可验收的工作？在进入实测之前，我们将先拆解这次发布中已确认的事实、待验证的承诺，以及这2.4万亿参数背后的实际意义。
首先，将事实与口号剥离。截至目前，Qwen官方确认的核心信息并不多：2.4T总参数规模；qwen3.8-max-preview已进入Token Plan、Qoder与QoderWork；后续将开放权重，但发布日期、许可证和最低部署要求均未公布；官方宣称提升方向聚焦于Coding与Cowork，覆盖全栈开发、数据分析和Office工作流等复杂长程任务。这足以说明，Qwen 3.8是一款规模极大、推理预算极高、面向Agent场景设计的模型。但Qwen尚未公开完整模型卡、技术报告或统一评测表。为了穿透宣传滤镜，我们选择沿用测试K3时的同一套题目来检验它。逻辑非常简单：两者参数规模接近，且都将自己定位为顶级闭源模型的挑战者。在此前对K3的评测中，我们设计了一套覆盖复杂软件工程、长程工具调用、多模态状态理解和最终产物交付的测试集。现在，同一套题目被原封不动地搬到了Qwen 3.8面前，约束条件、任务边界和评判标准完全一致。Qwen 3.8能否在统一条件下稳定完成复杂软件工程任务？能否在长时间工具调用后依然死守最初的约束？能否准确理解网页、截图、表格和文件之间的状态演变？又能否最终交付一个真正可以跑通、打开和检查的实体产物？这些问题的答案，远比再看一份厂商自测榜单更有价值。
第一题看似是一道常规的前端题，实则同时考察了视觉识别、页面拆解和工程交付。我们向模型上传了一张2000×1091的NASA Webb Images页面截图，仅发送了一句话：“你是一个资深的前端开发工程师。请仔细观察这张科普网站的截图，并将其转化为单文件的HTML代码。”没有告诉它页面名称，没有提供素材地址，也没有补充技术栈、响应式或“像素级复刻”之类的要求。模型必须自行识别截图中的信息层级，并决定如何在一个HTML文件里重新实现。Qwen 3.8 Max Preview顺利交付了一个可以直接打开的index.html。页面不是把原截图塞进``里冒充复现，而是使用独立的HTML、CSS、SVG和Canvas重新搭建。从结果来看，它准确识别出了NASA页面最关键的四层结构：顶部黑色全局导航、深灰色Webb二级导航、左文右栏的主体内容，以及底部横向天文图像。Webb Images标题、整段介绍文字、两组共八个图片分类也全部保留，没有出现常见的错字、改写或凭空编造。尤其是双层导航，模型不仅识别出了Explore、搜索框、NASA标志、News & Events、Multimedia和NASA+ LIVE，也完整还原了第二层的Webb、News、Overview、Science、Observatory、Multimedia、Team和More。对一项只有截图输入的任务而言，这说明它的视觉文字提取和页面语义拆分都很稳。页面中的NASA标志没有调用外部图片，而是用SVG重新绘制；底部天文图也没有依赖网络资源，而是用Canvas生成星空、星系核心和散落星体。这个选择让文件在断网环境下仍然能够完整显示，也说明模型确实理解了“单文件交付”的工程含义。但它还没有达到像素级视觉复刻。模型知道页面由什么组成，却没有准确估计这些元素在目标分辨率中的绝对尺度；它完成了最显眼的桌面首屏，却没有继续检查窄屏和可访问性。这使Case 1的结论非常明确：Qwen 3.8 Max Preview已经具备扎实的视觉到代码能力，第一版就能做到八成完成度，但距离闭源旗舰所追求的精细设计还原与产品级收尾，仍有一段肉眼可见的距离。
第二题要求模型根据28条多模型API运行记录、一份AstraOps品牌规范和一个SVG标志，实现一个单文件、完全离线的运营驾驶舱。题目不只要求页面好看，还明确规定了五项核心指标的统计口径、四类数据图表、三级筛选联动、异常检测规则、明细表排序和成本情景模拟器。Qwen 3.8 Max Preview最终交付了一个1203行的单文件HTML。所有数据、样式、SVG图表和交互逻辑都内嵌在文件中，没有使用React、第三方图表库、CDN或网络请求。我们直接调用其内嵌计算逻辑对原始数据进行校验，默认视图的五项结果与标准答案完全一致。页面完整实现了题目要求的四类图表：每日模型请求量使用堆叠柱状图，成功率使用多折线图并绘制97%警戒线，成本—质量关系使用气泡散点图，请求量占比则使用环形图。这些图表全部由原生SVG生成。柱体、折线节点、气泡和环形扇区都来自当前筛选后的数据，并提供模型颜色、坐标、数值标签和悬停提示。散点图中的横坐标确实按“总成本÷总请求量×1000”计算，纵坐标则是请求量加权质量分，气泡半径与请求量关联；并不是在一个固定坐标上摆四个装饰圆点。Case 2是Qwen 3.8 Max Preview第一次真正让人感到超出预期的地方。面对一份带有明确业务口径的结构化需求，它没有把主要精力浪费在华丽装饰上，而是先建立统一的数据状态，再让指标、图表、异常和模拟器共同消费这份状态。除了时间筛选窗口的一个边界问题，首轮交付已经接近可以进入代码评审的内部工具原型。
第三题把难度再次提高。这一次，模型需要根据一个24×16的建筑网格和一份仿真规则，构建包含12名人员、4扇防火门、2个出口和1个烟雾源的交互式疏散沙盘。人员速度不同，出口容量不同，烟雾会按固定周期扩散，D4会在12秒时自动关闭。系统还必须处理寻路、碰撞等待、出口排队、烟雾暴露、受困与恢复路径。这类题非常适合识别模型是否在演戏。一个页面可以用CSS动画让小圆点看起来在移动，也可以预先写死12条轨迹，但只要用户提前关门或切换播放速度，伪仿真就会立刻露馅。Qwen 3.8 Max Preview交付的是一个724行单文件HTML。源码中没有写死轨迹，也没有使用随机移动，而是建立了网格、门、人员、烟雾、出口和计划事件的独立状态，并以0.5秒为固定逻辑步长逐步推进。我们首先在初始门状态下调用页面自己的A*寻路逻辑，检查12名人员到最近出口的路径长度。十二个结果与验收基准完全一致。这意味着墙体展开、门格位置、两个出口坐标和四方向移动规则都没有解释错误。路径搜索使用普通格代价1、烟雾格代价8，并以到两个出口的最小曼哈顿距离作为启发函数。每个逻辑步都会根据当前门状态和烟雾区域重新规划，而不是在开始时生成一条永不改变的路线。Case 3的意义在于要求Qwen同时维护空间、时间、人员、烟雾、门和出口六类相互影响的状态，而模型在首轮交付中通过了最关键的数值基准和事件边界。相比Case 1的视觉复刻，这更接近大模型在真实工程中的价值：它未必把每个细节都做到产品级，却能够从一份自然语言规则出发，建立一个可运行、可解释、还能被严格验证的系统。
第四题要求模型从零实现一个真正可玩的3×3×3网页魔方：不仅要有26个立体块体和分层旋转动画，还要正确维护六面转动、算法队列、撤销重做、25步确定性打乱、逆序复原以及供隐藏测试调用的cubeTestAPI。从运行记录来看，Qwen 3.8 Max Preview对任务难点理解得相当深入。它主动检查了动画速度、prefers-reduced-motion、applyAlgorithm()的默认参数、非法算法的原子拒绝、打乱种子的确定性、撤销重做历史以及animate:false下的Promise语义。它甚至已经开始考虑如何提取魔方引擎脚本并运行契约测试，说明其设计思路并没有停留在画一个“看起来像魔方”的界面。但这一次，过程没有转化成结果。在完成HTML写入和正式测试之前，任务出现Internal error: terminated bug。
第五题要求模型根据两条异常事件和一组恢复数据，直接生成一支可以播放的MP4。这一次Qwen成功完成了最终交付。生成的astraops-incident-review.mp4为1920×1080、30fps、15秒，共450帧，采用H.264编码和16:9画幅。视频没有使用真人、机房或无关素材，而是以AstraOps的深色网格、数据卡片、折线和流动节点构成完整的动态图形叙事。五个关键时间点全部出现了规定内容：片头展示AstraOps标志和“AI服务异常复盘”；Kestrel-R1阶段准确呈现4200ms、95.50%、+49.35%和“严重”；Nova-Pro阶段呈现3350ms、97.00%、+27.66%和“警告”，没有把恰好97%错写成低于阈值；恢复阶段则正确展示2448→2006ms、-18.05%、98.07→98.69%和+0.61个百分点。结尾以“让每一次异常都可解释”和Detect · Explain · Recover完成收束。视频并非四张静态页面的简单硬切。异常阶段的延迟折线会随时间上升，恢复阶段的延迟与成功率曲线分别向改善方向运动，卡片、节点和数据线承担了镜头衔接。所有文字和数字都是程序化绘制，因此停留期间没有生成式视频常见的跳字、融化和标志变形。主要问题出在对比度。片头日期、部分指标卡、恢复阶段的旧值以及结尾英文使用了较低透明度，在深色背景上显得过暗。Case 5证明Qwen 3.8 Max Preview的交付边界并不局限于网页和代码。它能够读取结构化事件，组织时间轴，再通过程序化渲染输出符合规格的最终媒体文件。虽然视觉精修还没有达到专业动效团队的水平，但从一份JSON到一支可直接播放的复盘视频，这已经是一个完整而有效的生产闭环。
成功交付的四项任务表明Qwen 3.8 Max Preview能够理解视觉输入，建立数据产品，维护复杂仿真状态，并把结构化信息转化为最终媒体文件。尤其是Case 2和Case 3，模型不仅做出了正确的界面，还通过了加权指标、时间边界、路径规划和烟雾扩散等确定性校验。这类能力比一张公开榜单更接近开发者真正需要的生产力。它最突出的优势，是对复杂需求的结构化拆解能力。面对长提示词时，Qwen通常能够识别哪些内容属于数据层、状态层、表现层和测试契约，并将它们组织到同一个交付物中。Case 2的统一筛选状态、Case 3的固定时间步与动态重规划、Case 5的数据驱动时间轴，都体现了这一点。它的第二个优势，是首轮交付的完整度。除Case 4外，其余任务都不是代码片段或半成品说明，而是可以直接打开、运行或播放的文件。模型也表现出较强的离线工程意识：使用原生SVG、Canvas、CSS和本地编码链路完成任务，没有依赖外部框架掩盖实现难度。但短板同样明确。第一是视觉精修。Qwen能判断页面由哪些元素构成，却不总能准确估计绝对尺度、留白和信息对比度。Case 1的整体缩小和Case 5的暗色文字都属于同一种问题：结构正确，最后一轮设计校准不足。第二是边界收尾。Case 2的时间筛选会丢失成本环比基线，Case 3的复杂占位依赖存在理论风险，Canvas人员选择也没有完整的键盘通道。这些问题不会破坏默认演示，却可能在真实用户和复杂输入下出现。第三，也是最重要的一点，是长任务稳定性。Case 4中，模型已经分析到API默认值、算法原子性、动画Promise和隐藏契约测试，却在交付前因内部错误终止。对于开发者而言，一次没有落盘的中断足以抵消大量高质量推理。模型能力的上限已经进入前沿第一梯队，优秀案例甚至接近可投入代码评审的水平；但视觉精修、极端边界和长任务成功率，仍然决定了它距离最可靠的旗舰模型还有多远。至于2.4万亿参数的开放权重版本能否保持同样能力、推理成本是否可控、社区能否真正部署，以及这次中断是偶发事件还是稳定性信号，都需要等权重、技术报告和更多独立复测出现后才能回答。但有一点已经可以确认：Qwen 3.8 Max Preview不是只靠参数规模制造声量。至少在这组测试中，它确实交出了几份足以让闭源旗舰认真对待的作品。