8月3日，阿里巴巴旗下千问团队正式推出千问3.8-Max。这款模型总参数量达2.4万亿，激活参数为95B，是千问家族至今规模最大、能力最强的成员。这也是千问首次将Max级别模型开源，其权重将于下周在Hugging Face和ModelScope等开源社区发布。
定价策略方面，通过阿里云旗下的千问AI平台调用API：输入成本为2.0美元/百万tokens，输出6.0美元/百万tokens，隐式缓存费用为0.25美元/百万tokens。
基准测试数据显示，千问3.8-Max在编程智能体和通用智能体等多项指标上，与Anthropic Fable5表现相当，部分领域甚至实现超越。具体来看，PaperBench得分93.0，高于Fable5的88.8；CoWorkBench得分74.8，与Fable5的75.9十分接近；WideSearch得分81.9，与Fable5的81.2持平。
性能层面，千问3.8-Max在多项核心指标上与Claude Fable 5持平或胜出。多模态表现同样亮眼。需注意的是，千问团队在注释中指出，Fable 5的部分结果可能包含回退机制。
**编程能力：从空文件夹到生产级交付**
千问团队选取三个真实案例，测试了该模型的自主编程能力，全程无需人工介入。
案例一：十天级自动编程。模型从零构建oh-my-cli项目，自主运行约16天，累计完成265次commits、127个PR及151个issues。它将用户反馈、社区实践与自测结果统一纳入工程循环，实现了需求自动领取、代码生成、测试验证的完整闭环。
案例二：复现并超越论文。模型独立工作约125小时，编写约7,600行代码，执行超过1,100步操作，进行33轮GPU训练，完整复现了《Unified Data Selection for LLM Reasoning》论文的六项主要结论。随后进入“自我进化”阶段，提出并测试18种改进方案，最终在竞赛级数学基准AIME24上，比原方法再提升2.7分。
案例三：24小时击败87%人类队伍。模型参加WWW2025多模态对话意图识别挑战赛，在526支人类队伍中，经45次提交迭代，准确率从0.60升至0.853，成功击败458支队伍。
**办公与长程任务：数百职业场景的生产级验证**
千问团队在数百种高价值职业场景中，测试了千问3.8-Max的实际交付能力。
在E-Commerce Bench（365天电商经营模拟基准）中，千问3.8-Max以¥416,252（4.16倍回报）胜出，领先第二名GLM 5.2达38%，较上一代千问3.7-Max提升152%。
**芯片设计：500轮交互，面积缩减81%**
在芯片设计优化任务中，千问3.8-Max展示了长程自主规划能力。
任务目标是优化一个G CD/RSA密码硬件加速器的逻辑门数量。模型在无参考设计、无人工干预条件下，历经约500轮交互、71次评估，跨越13个关键里程碑，将初始设计从8,298门优化至678门，在所有参评模型中表现最优。
物理实现层面，芯片面积从106×106 µm²收缩至46×46 µm²，布线长度从33,369 µm降至4,187 µm，并在500 MHz频率下实现时序闭合，整体芯片面积缩减81%。
**多模态能力：视觉贯穿执行全流程**
千问3.8-Max的视觉能力不止于“看懂图片”，而是作为持续反馈回路贯穿任务执行。
模型在执行过程中会持续观察中间产物——检查页面布局、物体方向、动画效果——发现问题后自主定位偏差并修正。千问团队将此定义为“原生视觉反馈回路”。
基准测试方面，千问3.8-Max在OSWorld-Verified得分86.1，超过Fable5的85.0；AndroidWorld得分85.3，接近Fable5的88.8；ParametricCAD Bench得分91.5，超过Fable5的87.5。
为便于开发者接入，千问团队同步推出千问-MM-Plugins，为不同智能体框架提供图像与视频处理、多模态记忆、视觉工具调用等扩展支持。
**开放接入：支持Claude Code、Codex等主流框架**
千问3.8-Max现已通过千问AI平台提供API服务，支持OpenAI兼容协议和Anthropic兼容协议，可直接与Claude Code、Codex、Qoder CLI、千问 Code、OpenClaw等主流开发工具集成。
API支持reasoning_effort参数调节推理深度：xhigh（默认，适合复杂任务）、medium（平衡准确性与速度）、low（优化速度与成本）。
模型权重将于下周在Hugging Face和ModelScope开源，届时千问3.8-27B也将同步开源。
