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“Qwen 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,随着RL训练环境从0增加到4000左右，综合分数从SFT基线约0.474提高到最佳检查点0.725,官方把它作为持续扩展RL训练带来能力提升的证据。）

这里的“真实环境RL”，并不是让模型在更大的题库里反复做题，而是把它放进接近实际工作的环境：模型需要读取项目、调用工具、执行代码、观察页面、接收测试结果，再根据反馈继续修改。训练目标也不再只是生成一段更符合标准答案的文本，而是让模型逐渐学会一条完整的工作闭环：

规划任务、采取行动、检查结果、发现问题，再决定下一步。

这也是Agent能力与普通生成能力之间最关键的区别。一次生成只需要给出答案，Agent则必须理解当前状态，选择工具，并根据外部环境返回的结果不断调整策略。

（图：Qwen3.8-Max扩展真实环境强化学习系统的三项关键机制）

为了扩大这种能力，Qwen3.8-Max公开了三项训练工程。

第一项是环境解耦。官方将任务、工作空间和Agent Harness拆成三个可以独立扩展的维度。第二项是统一奖励系统。代码是否执行成功、文本是否符合要求、视觉结果是否正确、Agent行为是否合理，被纳入同一套评价机制。

（图：Qwen3.8-Max在不同Agent Harness中的官方测试表现。该图主要用于说明其跨Harness训练与泛化方向。）

第三项是在线数据均衡。不同任务类型、难度、工作空间和Harness中的训练数据被动态配平，避免模型只在少数场景中表现出长程能力。

(Qwen3.8-Max 被要求从零创建 oh-my-cli 项目，并在十天级长程自动编程中构建一套自进化 harness。)

因此，Qwen3.8-Max真正强化的，模型在外部反馈中持续行动的能力。官方展示的16天自主开发、125小时科研复现和数百轮芯片优化的项目，本质上都依赖同一种机制：模型采取行动，环境返回结果，模型再根据结果进入下一轮执行。

这也解释了为什么“长程”不能只用运行时间衡量。一个任务持续十几个小时，可能意味着模型在有效修正，也可能意味着它陷入了重复读取、低收益修改和无效验证。真正需要验证的是，这套反馈循环能否把项目不断推向完成，而不是单纯让模型一直工作。

如果Max的Agent能力确实来自这种真实环境训练，那么它进入复杂项目后，应该表现出更强的持续推进、自我检查和错误修正能力。但同一套执行循环也可能带来更长的时间、更高的Token消耗，以及更难判断何时结束的问题。

接下来的实测，验证的正是这条执行闭环是否真正存在，以及它为了提高完成度，需要付出多大的代价。

← 返回资讯流