Qwen 3.8-Max 基于 Qwen 3.5 的架构基础构建，参数规模扩展至 2.4 万亿，激活参数95B，支持100万上下文Tokens，在编程、办公、科研以及长周期任务等方面实现了全面提升。它不仅能应对更具挑战性的问题，还能更可靠地端到端完成复杂任务，输出值得信赖的成果。
相关链接
直接体验（Qwen Studio）：https://chat.qwen.ai/?models=qwen3.8-max
模型性能
三方榜单
模型表现
编程能力：独立交付项目
对顶尖模型来说，今天的编程早已不是"你说需求、我写函数"，而是从一个空文件夹出发，独立地把一个跨越数天的真实项目做到交付。我们用两个这样的挑战测试了 Qwen3.8-Max——每一份成果，都是它自己写代码、
自己跑测试、自己修复BUG，全程无人帮忙。
从零到有：构建自进化 Harness项目
本案例中，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。它将用户反馈、先进社区实践与模型自测结果统一纳入工程循环，使需求能够被规范化为 issue、由 agent 自动领取并执行，并在代码、测试、预览和日志反馈中持续迭代。
项目完整 trace 均公开保存在 GitHub 仓库：
https://github.com/qwen-code-dev-bot/oh-my-cli
截至 2026 年 7 月 30 日，完全由 AI 自主运行约 16 天后，仓库累计留下 265 次 commits、127 个 PR 和 151 个 issues，展现出持续演进的自动编程能力。
最新研究论文的复现与超越
我们把一篇最新研究论文《Unified Data Selection for LLM Reasoning》交给模型，要求它：用代码复现论文实验，然后想办法做得更好。
复现的难点在于：Qwen3.8-Max 手里除了这篇论文和一批 GPU，别无他物，一切都得从零写起。
Qwen3.8-Max 开始完全地连续独立工作了约五天（125 小时），用约 37 个小时，就从零搭起论文里的整套训练与评测流水线，完整复现了论文的六项主要结论，并在高难数学基准上验证效果。
随后约 88 小时里，Qwen3.8-Max像人类研究员一样思考新的方法，开始跑起了科研循环：提出假设 → 写代码 → 上 GPU 跑 → 分析结果 → 再试。四轮下来，独立提出并测试了 18 种改进方向，最终找到一个超越论文原方法的新做法，在竞赛级数学基准 AIME24 上再提升 2.7 分。
最终五天下来，它写下约 7,600 行代码、执行超过 1,100 步操作、跑了 33 轮 GPU 训练——实现了论文的复现与超越。
办公助手：干得广，还要干得好
除了编程，另一条创造价值的主赛道，是那些琐碎多步骤、离不开各种工具的真实日常工作任务。让 Qwen3.8-Max 在这类工作里既干得广、又干得好，是我们的核心目标。
要做到这点，我们需要提供更强大的训练算力和更多种的工作环境，于是我们把真实世界的强化学习（RL）系统进行了拓展，还解决了拓展过程中三个重要的相互耦合挑战：
如何让工作环境多起来——让环境解耦：
我们把环境拆成三个独立维度：任务（从单步小活到跨多天的长程工作）、工作空间（从几个文件到格式混杂的大型项目）、工具链（不同类别、版本和技能配置）。三者各自沿复杂度递进，互不牵连，环境数量就随任一维度的扩展自然倍增，不需要为每种新组合单独搭一遍。
如何判断"干没干好"——统一奖励系统
不同活的验收方式天然不同：代码要跑通、文档要看格式、截图要核对渲染画面、操作路径本身也要审计。如果每种任务各配一套裁判，任务一多就维护不动，奖励还可能互相矛盾。我们把执行校验、文本评判、视觉检查、行为审计收进一套统一的评分标准，在更多样的RL工作环境中，模型收到的环境奖励始终一致。
如何让训练吃得稳——在线数据均衡：
模型是一批一批训练数据的。如果某一批全是简单代码题、下一批全是高难度文档题，模型收到的反馈信号差异极大，算力堆上去也转化不成能力。均衡器在每个 batch 组装时自动按任务类型、难度、工作区和工具链配平分布，让模型每一步收到的信号是均匀的，训练算力持续、稳定地转化为能力提升。
三者共同提供了广度、可靠奖励与稳定性——将“环境 × 算力”的联合扩展，提升了一批模型在最主流的 harness工具（QwenWork / Claude Code / Codex / OpenClaw / Hermes）上胜任通用工作的能力，让模型不仅干得广，还能干得好。
图 1. 随着 RL 训练持续 scale up，Qwen3.8-Max 在数十个 in-house / public 工作基准上取得稳步、一致的性能提升。
图 2. Qwen3.8-Max 在 QwenWork、Claude Code、 Codex、OpenClaw、Hermes 等众多 harness 上取得相当的性能表现。
在数百种职业里，检验它能干多广
我们在覆盖数百种高价值职业的高频工作场景里，压力测试了Qwen3.8-Max 交付生产级成果的广度。以下是几个代表性案例：
- 企业合规律师—— 面对数百份文档的语料，Qwen3.8-Max 单次通读即标出 1,284 条相关条款，全部审阅在一小时内完成。同等规模的文档审查通常需要法务助理团队协作执行约一周。
- 结构工程师—— Qwen3.8-Max 仅凭一份图纸，在浏览器中还原出 30 层写字楼的抗震结构模型，周期、基底剪力、层间位移角均支持悬停实时查看。传统流程需要工程师在专业建模软件中手工搭建，通常耗时一周以上。
- 体育数据分析师—— Qwen3.8-Max 将每名球员约 8,400 个攻防回合解析为可直接使用的球员战术画像与教练报告，耗时仅数十分钟。传统分析团队则需手工完成战术切片、成因归纳与报告撰写，通常耗时数个工作日。
一次对话，交付可盈利的端到端量化策略
Qwen3.8-Max拥有强大的动态工作流（Dynamic Workflows）构建能力，能够以编程方式驱动任务规划，精准编排大规模子智能体系统，从而把一次对话变成端到端、自动化的量化研发闭环。
论深度——从零跑通一套完整策略。 只给一句任务描述，它连续自主工作数小时，交出一套完整的 ETF 轮动策略：搭数据管道、生成候选因子（预测收益的特征信号）、多轮迭代筛选、回测验证、修正方向。
全程看证据做判断而非走固定脚本：
剪枝冗余因子——当验证期指标与设计期不符时，这通常是过拟合的信号。
加入多种子并集验证——当不同路径收敛到同一信号时，消除路径依赖。
切换策略框架——当小截面上三模型集成不如定向合成稳健时。
论广度——把几个月的活压进一次对话。 量化研究里最耗时的环节是"试因子"——传统做法是一个研究员顺着一条思路慢慢试，试完一条再换下一条。Qwen3.8-Max 把这一步并行化了：从动量、价值、质量等 6 个方向出发，每个方向拆出 50 条研究路径，同时调度约 330 个子智能体并行跑，总共完成约 6,000 次历史回测。最终入选的因子，超额年化收益与风险之比（Sharpe）达到 0.64–1.48，预测稳定性指标（IC）一致为正，介于 0.010–0.014。
原本需要研究员数周甚至数月串行推进的工作，现在一次对话内规模化交付。这也指向一个更大的可能性：模型在长时程自主工作（long-horizon autonomous work）上的更广阔潜力。
长程任务
面对极其复杂的长周期、多约束任务，Qwen3.8-Max 展现出了超越以往的系统级自主规划能力——无论是高精密、强物理约束的芯片设计，还是高度动态、博弈激烈的商业经营，它都能靠"执行—反馈—迭代"的自适应闭环，在数千轮的超长交互中完成算法与策略的深度重构。
自主演进芯片设计，全栈反馈优化性能
Qwen3.8-Max 独立完成了芯片设计中的逻辑重构、多约束优化和后端布局全链路执行。
我们让 Qwen3.8-Max 独立完成一款 GCD/RSA 密码硬件加速器的设计——这是一类典型的高度紧凑、逻辑密集的数字电路。
在没有参考设计、没有人类干预的条件下，它在一个集成了仿真、综合、物理设计工具链的沙箱里，独立完成了从算法架构、RTL 代码到多轮优化的全过程。
单次不间断运行中，它历经约 500 轮交互、71 次评估、13 个关键里程碑，把设计从首个跑通的 8,298 门一路优化到 678 门，在所有参评模型中表现最优 。即使在数百轮交互后，Qwen3.8-Max 仍能发起重大的结构性演进，而未在早期局部收益中陷入瓶颈。
更关键的是，这套前端优化在真实物理实现中同样成立。它证明了：架构级别的深度演进，可以无缝、高效地转化为更小、更快、更好布线的实体芯片。
长程经营，持续学习
E-Commerce Bench 是一个模拟 365 天长周期电商经营的基准，基于淘宝天猫真实脱敏交易数据构建，还原了 12 种店铺、60 个商品类目、近 600 家供应商、7,000 种商品的复杂生态。模型手握 ¥100,000 启动资金同时运营多家网店，要独立完成选品、供应链议价、库存管理、动态定价、退货处理等全链路决策，目标是年末总现金最大化。
Qwen3.8-Max 展现出了两样过人之处：一是持续学习——它能把和某个供应商磨出来的议价经验，泛化到同类商品上，而其他模型的议价效率往往中期就陷入瓶颈；二是前瞻规划——它在经营最初期就投入最多资金布局，让后续资产增长更快，年终大促期间净利润突破 10 万元，是第二名 GLM 5.2 的近 2.4 倍。Qwen3.8-Max 最终以高达 ¥416,252（4.16×回报）的总现金胜出，比第二名 GLM 5.2 高出 38%，相较上一代旗舰模型 Qwen3.7-Max 提升 152%。这一结果表明，Qwen3.8-Max 不仅具备长程连贯决策优势，也拥有从交易反馈中自适应学习的能力。
多模态智能体
从它所看见的一切，到它所完成的一切，Qwen3.8-Max 展示的不只是“看懂图片、文档和视频”的能力，而是一套贯穿任务全流程的视觉生产力。
看得懂：海量信息一次吃透。
超 200 页财报、复杂 PDF，跨页读懂文字、图表与版面，直接提炼结论、生成可交付的报告和网页；超 100 小时长视频，不只定位片段，还把人物、事件、时间织成一张可查询的"视频 Graph 记忆"。原本一次消化不了的海量信息，被转成可检索、可追溯、可交互的知识结构
做得出：理解之外，真能动手交付
把生活素材剪成 Vlog，把一道题变成沉浸式教学动画，把一张界面截图还原成完整前端项目，把户型图建成 Blender（三维建模软件）3D 装修效果，甚至从一句需求开发出可交互的游戏和应用。
会观察：边做边看，自己纠错
视觉能力不只在任务的输入端。执行过程中，它持续观察自己的中间产物，检查页面布局、物体朝向、空间关系、动画与交互效果；一旦发现电视放反、界面错位、效果不对，就定位偏差、重新规划、自主修正。
在数字世界里，要独立地把一个复杂任务真正做完，往往需要同时做两件事：用代码实现底层逻辑，并亲手操作界面来推进任务、观察结果。这种 混合智能体（Hybrid Agent） 能力——即 编程（Coding）与 GUI 操作 的结合——让两条路径彼此互补：编程高效且大规模地完成繁重工作，GUI 操作则触达人类所能看见、所能操作的一切，更关键的是把真实运行系统中的实际反馈带回来检查自己的产物，做到在真实、运行中的应用上验证。
为衡量这一能力，我们构建了 RecreationBench——让模型面对一个正在运行的真实应用，没有源码、不能联网，只能像用户一样去点、去看、去试，然后从零复刻出整个应用，覆盖桌面、移动端和 Web 五大平台。Qwen3.8-Max 在此基准上已展现前沿水准，能靠"写代码—看效果—再改"的循环一步步逼近原版应用。
此外，我们推出 Qwen-MM-Plugins，一个即插即用的多模态扩展库，让不同的 Agent 框架直接获得图像处理、视频剪辑、3D 建模等视觉能力，无需从头搭建。
用户反馈
对 Qwen3.8-Max 最真实的判断，来自真正拿它做事的人。无论是头部智能体应用平台、领先的开源算法团队，还是来自法律、金融、制造等领域的专业公司，新兴创业团队、个人开发者与学术科研者，都在把复杂、关键、长链路的任务持续交给它。
企业用户用它搭建和驱动大规模智能体系统，白领工作者把图片、手稿、视频等繁杂材料一次性交给它处理，开发者直接让它承担高强度工程任务，科研团队则用它跑通“文献—数据—仿真”的完整研究闭环。同一个模型，在不同领域、不同工作流中被反复用到“离不开”，最终得到一致的结论：Qwen3.8-Max 既能稳定承接长链路的自主任务，也能一次生成可直接交付的高质量结果。
左右滑动查看更多
完整性能结果
总结
Qwen3.8-Max 是我们迄今最强大的模型，也是首个 Max 规模的开源权重模型。参数规模扩展至 2.4 万亿，它在编程、专业办公、长程任务与多模态智能体等方面实现全面提升——能够以极少的人工介入将复杂、开放的目标端到端完成，交付值得信赖的成果。模型权重将于下周开源，敬请期待。
