究竟还有没有便宜又好用的模型？就在刚刚，阿里巴巴突袭发布了新一代基座大模型 Qwen3.8-Max。用四个字概括就是「能打」、「便宜」。总参数量达到2.4万亿，在编程、专业工作、长程任务、多模态智能体等场景上的表现直接跃升了一个档次。
在今天最新放榜的权威第三方榜单 Arena 中，Qwen3.8-Max 一路冲到全球大模型第一梯队，表现直逼 Anthropic 的 Claude 系列。在编程表现上，甚至超过了 Claude Opus 5 和 Fable 5 的 High 版本，确实表现不俗。能打是一方面，关键是价格也打下来了——国内每百万 Tokens 输入 12 元、输出 36 元，隐式缓存命中仅 1.5 元，输入与输出的国际价格仅为 Opus 5 的 40% 与 24%，确实便宜大碗。
性价比高，能力还强，自然备受关注。此前抢先体验的网友已经交上了第一批实测反馈。有老哥用 Qwen3.8-Max 复刻了一版《愤怒的小鸟》，直言价格合适，一周使用下来额度消耗不到九成。也有网友只用一条提示词，就搭出了一个完整、可交互的开发者作品集。大家针对模型的表现聊得火热，有人迫不及待想用起来，甚至调侃祝 A 社、O 社 IPO 好运，也有人对 OpenAI 和 Anthropic 的闭源策略表示质疑，认为 Qwen3.8-Max 已经把 5.6-Sol 给 KO 了。
既然 Qwen3.8-Max 来了，我们也直接实测一波，看看模型到底能不能打。
01 编程与专业工作：端到端交付
说实话，阿里 Qwen 前几代模型我几乎是发一个测一个，感受最深的就是确实能打。而这次到了 Qwen3.8-Max，感觉又不一样了，因为面对真实世界里的复杂问题，这模型已经能一路拆解、执行，直到交付最终成果了。在具体评测表现中，Qwen3.8-Max 在科研复现、多模态理解、长视频和电脑操作多项测试中超越了 GPT-5.6、Opus 4.8 与 Fable 5，在编程、终端 Agent 和专业工作也稳居行业头部。
具体亮点包括：编程能力能端到端自主交付，理解需求、搭建工程、运行实验、检查结果全流程覆盖，官方披露的一个极端案例是，它能从空文件夹出发、在无人干预下自主推进十多天，最终交付一个真实可用的完整项目；长线程任务具备系统级自主规划与执行能力，在数千轮超长程交互里也不迷失目标；专业工作能一次交付需要返修 3 到 5 轮的 APP 原型，也能在一小时内处理数百份法律文档；多模态智能体能消化几百页的复杂材料和上百小时的视频内容，还能整理成直接可用的成果。
02 编程能力大考验
既然 Qwen3.8-Max 如此擅长 AI Coding，那我们直接考察一下这模型的「编程本事」。好巧不巧的是，最近我正愁每周例会上该怎么把这一周的 AI 热点捋清楚，做成一份能给领导交差的分享。于是，我索性把这事儿交给 Qwen3.8-Max。不过，光用一句提示词搭个网页多少有点太简单了，于是我化身产品经理，喂给了 Qwen3.8-Max 整整一大页产品需求，让它「从零」开发一个可运行的 AI 资讯网页。
在具体需求上，我不仅明确要求了网页需要具备的核心功能，还对数据、页面体验、技术约束、验收标准、交付要求进行了明确约束，主打一个狠狠刁难。大概过了 5 分钟，我的这位产品经理 Qwen3.8-Max 就直接给我端上来了一份接近正式产品交付水准的全链路解决成果。整个交付过程从需求拆解、技术选型、项目结构到功能实现，完全是一套真实项目从开发到交付的完整流程。
我发现 Qwen3.8-Max 还专门整理了一份「问题与解决记录」，开发过程中碰到了什么报错、问题出在哪儿、最后怎么修好的，它全给列得明明白白。作为提出需求的那个人，我全程一次手都没插，甚至直到看见这份记录，才知道中间居然还冒出过这么多麻烦。Qwen3.8-Max 在交付前，还给整个项目来了一轮正儿八经的「功能验收」，从安装依赖、本地启动，到生产构建和预览，它把项目能不能跑起来逐项过了一遍，甚至连数据量、分类覆盖范围、搜索清空后的页面恢复都列进了验收清单。
我忐忑地打开代码跑了一下网页，没有报错，也没有哪项功能突然掉链子。页面布局、资讯分类、搜索、排序、收藏……几乎和需求文档里写的一模一样，交互也没有问题。原本可能需要我自己一轮轮试错、查报错、补功能、跑测试的工程过程，就这么全让模型一个人干了。我只能说，Qwen3.8-Max，你这是真·端到端啊。
03 长文本分析探一探
在编程项目上能全流程交付确实不简单，但在日常学习工作场景中，很多时候真正想让我们头疼的，反倒是一些基础的工作场景，比如长文本分析。单纯的文本分析当然不难，但让 AI 对几十页复杂文档进行「交叉分析」那事情就不一样了。之前我就喂给过 GPT 一份包含几十页的技术文档，让 AI 总结内容还行，但涉及跨章节、细节对比的事儿就宕机了。
于是这次，我也给 Qwen3.8-Max 上点难度。我喂给它的是一篇关于 ImageNet 的几十页论文，正文、图表、附录一个不少。这篇论文复盘了 2010—2014 年 ImageNet 大赛，讲清楚 AI 看图能力是怎么一步步逼近人类的，以及这背后数据、算法和评测规则各自起了多大的作用。而我向 AI 发起的问题是：论文拿 ILSVRC 和 PASCAL VOC 这两套「AI 看图考卷」做了比较，结合正文、表 3 和附录 B 的图 16 来看，哪套题更难？为什么看平均值和看困难类别，会得到不同答案？这个题难就难在，AI 光搜关键词还真答不了，因为答案散落在正文、表格、图表和附录里，AI 得把几组数据全部对上，并且进行交叉分析得出结论才行。
大概 33 秒的时间，Qwen3.8-Max 就直接给了我一个明确答案——只看整体平均值，PASCAL VOC 似乎更难；但看可比类别和 ILSVRC 的困难子集，ILSVRC 在很多方面并不比 PASCAL VOC 简单，甚至更难。为了确认这份回答是否准确，我又对照原文的表 3、图 16 和附录 B 逐一定位，发现这 AI 确实说的是「对的」。Qwen3.8-Max 为了告诉我它为什么得出这样的结论，还给我生成了一篇超有理有据的「分析报告」，从物体大小、位置变化、定位难度、画面杂乱度几个维度对两套考卷进行了分析，甚至把原文中的表格直接 1:1 单拎出来作为证据，定位找得那叫一个稳准狠。
04 多模态内容理解任务
上面两轮实测，考察的主要还是 Qwen3.8-Max 对文本的分析、理解和执行能力。但我们的日常学习工作里，还有一块更难啃、也非常刚需的硬骨头场景：多模态内容分析。对 AI 来说理解某一个画面或者总结一个视频内容确实不是难事儿，真正麻烦的是，当素材被拉长到几十分钟甚至几小时，它还能不能理清其中的人物、事件和观点关系，并根据一个具体问题，精准定位到原片段。
于是这次，我直接把手头一个亟待处理的「实录烂摊子」交给了 Qwen3.8-Max——一期接近 70 分钟的视频播客，在播客里山姆·奥特曼从 AI 创业一路聊到 OpenAI 战略和未来社会，话题多、跨度大，想从头捋清楚并定位原片段，少说也得折腾半天。对此，我交代给 Qwen3.8-Max 的任务，也可以说非常复杂艰巨——请为这期播客生成一份完整的主题时间轴，并按「话题观点」定位原始片段。
大概也就两三分钟，Qwen3.8-Max 就给我吐出来了一份按照核心观点划分的播客内容。更贴心的是，每个话题都采用「先总结、再展开」的结构，前面提炼核心观点，后面逐段捋清具体内容，还一一标出了对应的时间戳。对我来说最大的好处嘛，那就是看到哪段感兴趣，直接点进原视频精准空降就行，简直不要太太太太方便。
好用是真的，用得起也是真的
哪怕 AI Coding 发发展到今天，海外主流模型三天两头迭代得飞起。我们依旧不得不承认一个事实，落到用户的实际体验里，似乎始终很难真正做到「既要、又要、还要」。换句话说，模型能力、场景覆盖和价格，这三件事儿似乎总不能同时兼得。Coding 能力很能打，到了其他场景里，交付效果却未必同样稳定；就算效果足够好，价格也经常让人望而却步，各种 Plan 和 Token 费用，长期用下来确实烧不起。
但这次实测完 Qwen3.8-Max，我可能得重新下一个结论，那就是全球头部模型——也是能用得爽，还用得起的。每百万 Tokens 输入 12 元、输出 36 元，隐式缓存命中仅 1.5 元，输入和输出价格真的只有 Opus 5 的 40% 和 24%。这意味着，大家不用承担高昂的 Token 费用，也能获得高性能模型带来的完整体验。而在真实场景中，Qwen3.8-Max 所完成的工作，也早已超出「生成」这一步。它真的可以从零开始，帮我推进一项完整工程，再把过程中冒出来的实际问题一个个解决掉，最终把能运行、能检查的成果交到我手里。这种兼顾，放眼整个模型圈里都算得上稀缺。
Qwen 之所以敢把能力、场景和价格一起提升，实际上背后靠的也远不止一款 Max 模型。从 2023 年开源至今，阿里已经累计开源 400 多个模型，衍生模型已经超过 20 万个，累计下载量突破 10 亿次，一路下来，Qwen 也成为了全球规模最大、覆盖最全的开源大模型家族。更值得注意的是，Qwen 这条更新进度条，过去一年几乎就没停过。从 Qwen3 到 Qwen3.5，再到如今的 Qwen3.8，几乎每一次迭代，都对应着一批新场景真正变得可用——从基础推理，延伸到编程、专业工作、多模态理解、长程 Agent，再到这次的端到端交付。这种日拱一卒的节奏，放眼全球也没几家跟得上。
于是，我们或许真的可以下一个结论。那就是真正「好用」的模型，未必一定昂贵；真正「便宜」的模型，也未必需要在能力上做取舍。而 Qwen3.8-Max，恰好把这两件事放在了一起。
对了，目前，Qwen3.8 的 API 已上线千问 AI 平台，还接入了阿里今日同步推出的 Agent 产品「千问办公」，感兴趣的朋友不妨直接上手试试。