阿里巴巴发布 Qwen3.8-Max：面向 AI Agent 的 2.4 万亿参数巨兽
阿里巴巴 Qwen 团队宣布推出 Qwen3.8-Max，这是一款拥有 2.4 万亿参数的海量旗舰模型，旨在超越简单的聊天提示，迈向长程自主推理（long-horizon autonomous reasoning）。通过专注于多日工作流和复杂任务执行，该模型标志着从响应式 LLM 向主动式 AI Agent 的重大转变。
通过扩展参数实现自主智能
Qwen3.8-Max 是一个技术强力引擎，总计使用 2.4 万亿参数，每次查询时激活参数为 950 亿。该模型基于 Qwen3.5 架构构建，专门针对“长程”（long-horizon）任务进行了优化——即需要 AI 在数天甚至数周内独立运行的复杂目标。
对于开源社区而言，这是一个重大举措：阿里巴巴已确认将于下周公开 Qwen-Max 系列模型的权重，这将挑战 GPT 和 Claude 等前沿模型闭源统治的局面。
通过编程与研究证明自主性
为了展示其 Agent 能力，阿里巴巴展示了几个在高风险场景下的案例研究，在这些研究中，模型在无需人工干预的情况下运行：
- 软件工程： 在为期 16 天的时间里，Qwen3.8-Max 自主开发了命令行工具
oh-my-cli。它能够自行管理 GitHub issues、编写代码、运行测试，并执行了 265 次 commits 和 127 次 pull requests。 - 科学复现： 在承担复现《Unified Data Selection for LLM Reasoning》论文结果的任务时，该模型花费了 125 小时的计算时间编写了 7,600 行代码。它不仅复现了原始研究，还将 AIME24 数学基准测试分数提高了 2.7 分。
- 竞技数据科学： 在 WWW2025 多模态对话意图识别挑战赛中，该模型的表现超越了 526 支人类团队中的 458 支，在 24 小时内将其准确率从 0.60 提升到了 0.853。
超越软件：芯片设计与财务模拟
Qwen3.8-Max 的推理能力已延伸至硬件和经济领域。在一次加密电路设计任务中，该模型通过迭代将一个“臃肿”的设计从 8,298 个逻辑门减少到了仅 678 个。通过使用 OpenROAD 工具，这使得芯片的物理面积减少了 81%。
在名为 E-Commerce-Bench 的复杂零售模拟中，该模型在模拟的财年中管理着多家在线商店。从 10 万元人民币起步，它完成了供应商谈判，识别出 152 名诈骗者，并应对了供应链中断，最终资产达到 416,252 元——初始资金翻了四倍多，并显著超越了亚军 GLM 5.2。
多模态前沿与基准测试统治力
该模型还推向了多模态处理的边界，能够处理 200 页的文档和超过 100 小时的视频。阿里巴巴还推出了 RecreationBench，这是一个测试 Agent 能力的基准测试，旨在测试其仅通过视觉和键盘交互（无需访问源代码）来重建正在运行的应用程序（在 Windows、macOS、Android 等平台上）的能力。
根据内部基准测试，Qwen3.8-Max 可直接与顶尖模型竞争，在多个类别中表现接近或超过 Claude Opus 4.8 和 GPT-5.6 Sol，其中在 PaperBench 上的得分达到了领先的 93 分。
核心要点
- 海量规模： Qwen3.8-Max 拥有 2.4 万亿总参数和 950 亿激活参数，针对多日自主工作流进行了优化。
- 卓越的 Agent 能力： 该模型已展示出能够自主处理复杂软件工程、芯片设计优化以及全规模财务管理的能力。
- 开源权重的冲击力： 与许多前沿模型不同，阿里巴巴计划发布 Qwen-Max 系列的权重，为开发者提供前所未有的获取高阶 Agent 智能的机会。