Qwen3.8-Max：2.4T 參數即刻可用，Open Weights 下週釋出

一個能連續 16 天不停寫程式的模型。一個從空資料夾開始設計加密晶片、在 500 個回合的自主最佳化中把 8,298 個閘數壓到 678 個的模型。一個投入即時競賽、與 526 支人類隊伍同場競技並贏過其中 458 支的模型。

這個模型，今天上線了——Qwen3.8-Max，是阿里巴巴 Qwen 團隊的新旗艦，open weights，將在下週釋出。

這個時間點的意義不只在 benchmark。open-weight 模型的天花板剛剛被抬高，而對於在專屬 GPU 基礎設施上跑推論的團隊來說，問題已經從「哪個模型分數最高」轉為「要以正式環境的吞吐量服務一個 2.4T 參數的 MoE，需要什麼條件」。

一個具備 Open Weights 的 2.4T MoE

Qwen3.8-Max 採用 mixture-of-experts 架構：總參數 2.4 兆，每個 token 啟用 950 億。在 Artificial Analysis Intelligence Index 上，Qwen3.8-Max 得 53 分，落後於 Claude Opus 5（61）、Claude Fable 5（60）、GPT-5.6 Sol（59）、Kimi K3（57）與 Grok 4.5（54），但 open-weight 的釋出徹底改變了部署這道算式。

這個層級的前沿模型大多只提供 API。Qwen3.8-Max 今天先透過 QwenCloud 開放 API 存取，下週再釋出 open weights。對自架或在專屬 GPU 基礎設施上運行的團隊而言，這個差別就是一切：你拿到模型權重、拿到架構，也拿到依工作負載自由決定如何提供服務的自由。

這個模型，建立在 Qwen 3.5 的架構基礎上，並在任務、工作空間，與 harness 所構成的組合空間中，擴大 RL 訓練規模。Qwen 團隊描述了讓這種規模化成為可能的三項基礎建設創新：沿著彼此獨立的軸線持續擴充真實環境、以可自動擴展的評分準則統一異質驗證的通用獎勵系統，以及能抑制批次間梯度變異、維持 RL 規模化穩定的線上資料平衡器。

成果是一個在程式撰寫、工作處理、研究與多模態任務上都達到前沿水準的模型，同時在包括 Claude Code、Codex、OpenClaw 與 Hermes 在內的不同 agent harness 中維持一致的行為表現。

程式撰寫：16 天、265 次 commit、零人為介入

程式撰寫的數字是最大看點，但真正有意思的是方法論。

在 Terminal Bench 2.1 上，Qwen3.8-Max 得 86.6 分，領先 Claude Opus 4.8（84.6），落後 GPT-5.6 Sol（88.8）。在 SWE-bench Pro 上得 67.7，在 FrontierSWE 上得 73.5。這些成績足以與目前最好的純 API 模型競爭。

但 Qwen 團隊還走得更遠，做了三項長時程自主程式撰寫實驗，真正壓力測試「程式能力」在正式規模下究竟意味著什麼。

實驗一：自我演進的 harness。Qwen3.8-Max 被要求從零打造 oh-my-cli。在 16 天完全自主的運作中，它累積了 265 次 commit、127 個 PR 與 151 個 issue。它建立起一個完整的工程循環：需求進入 GitHub Issues，agent 透過狀態機認領、實作程式碼、觸發 CI 與 E2E 測試，通過後再合併。測試失敗時，它會把失敗導回相關 issue 重做，並把社群回饋與開發者回報轉換成可執行的工作項目。完整紀錄公開在 github.com/qwen-code-dev-bot/oh-my-cli。

實驗二：重現一篇研究論文，然後超越它。Qwen3.8-Max 拿到的，是一篇關於 LLM 推理資料選擇的近期論文、一批 GPU，以及一句「開始吧」的指示。在沒有任何起始程式碼、也沒有預建管線的情況下，它寫了 7,600 行程式、跑了 33 輪 GPU 訓練，在 125 小時的連續作業中重現了論文的全部六項主要發現，證實該論文的方法在 AIME24 上比隨機選擇高出 +7.7%。然後它繼續往前走：在四輪自主研究中，它發想並測試了 18 個改進點子。其中最好的一個計算訓練樣本中的「困難決策點」，還比論文自身的方法高出 +2.71 分。

實驗三：在即時競賽中擊敗人類。Qwen3.8-Max 參加了天池平台上的 WWW2025 多模態對話意圖辨識挑戰賽，與 526 支人類隊伍同場競技。在 24 小時的時限內，它讀完規則，建構出一套結合微調後的 BERT、RoBERTa 與 MacBERT 模型、並以 Qwen2.5-VL-7B 處理視覺的解法，組出加權投票的 ensemble，並在 45 次提交中反覆迭代。最終準確率 0.853，領先 458 支隊伍。

這些實驗檢驗的，正是單看 benchmark 分數會漏掉的東西：在數百個回合中維持連貫決策，不會偏離也不會停滯。

一個閘一個閘地設計晶片

在 Qwen3.8-Max 這次發布中，晶片設計實驗是最能揭露長時程推理能力的一項測試。

任務是：以 RTL 設計一個 GCD／RSA 加密硬體加速器。模型從空的模組樣板與一個 testbench 開始，可使用 Iverilog 模擬、Yosys 合成、OpenROAD 做實體布局，並且必須在 4、6、8、16 位元等組態下維持位元級精確的功能正確性，同時把閘數壓到最低。

歷經 500 個回合、跨 13 個關鍵里程碑的 71 次評估，Qwen3.8-Max 把設計從 8,298 個閘一路壓到 678 個。這條最佳化路徑展現的是真正的架構思考，而非零碎的微調：

- 第 22 回合：演算法改寫。它把昂貴的 16 位元硬體 modulo 除法器換成迭代式 shift-subtract 架構，一步就砍掉 6,288 個閘，占總面積縮減的 80% 以上。- 第 35–48 回合：消除冗餘。它發現呼叫端的前置條件讓某個 reduction 階段變得多餘，於是把兩個獨立模組併成一個共用區塊，並縮小內部暫存器的位元寬度。- 第 60–113 回合：修剪控制邏輯。它移除冗餘暫存器，為偶數處理引入 early-exit 機制，並把減法器的 MSB 改作比較器使用。- 第 252 回合起：跨模組最佳化。它把乘法器直接內聯進模冪運算的 FSM，合併三個子模組，並在全域共用單一減法器。- 第 443–500 回合：閘級細修。共用 NOR gate 樹、拆分絕對差減法，以及 byte 到 bit 的選擇邏輯，擠出最後的冗餘。

實體布局說的是同一個故事。起始設計占用 106x106 µm² 的晶片面積，走線長度 33,369 µm，還有嚴重的時序違例。最終布局縮小到 46x46 µm²，走線長度 4,187 µm，並在 500 MHz 下達成 timing closure。實體晶片面積縮減 81%，完全由模型自己的架構決策所驅動，並透過自動化工具鏈端到端驗證。

這正是前沿模型與其他模型的分野：能在一次執行進行到數百回合之後，仍做出重大的結構性突破，而不是在早期摘完低垂果實後就停滯不前。

會驗證自己成果的多模態 Agent

Qwen3.8-Max，把視覺帶進了 agent 迴圈，作為一種原生的回饋機制。模型會在執行過程中觀察自己的中間結果、檢視頁面版面與空間關係，並在偵測到意圖與結果不一致時修正輸出。視覺因此成為橫跨規劃、執行、驗證與迭代的回饋迴路，而不只是又一種輸入模態。

在多模態推理 benchmark 上，Qwen3.8-Max 在 MMMU-Pro 得 82.3、LogicVista 得 91.9、HiPhO 得 90.0。在視覺 agent benchmark 上，OSWorld-Verified 得 86.1、AndroidWorld 得 85.3。這些成績足以與 Claude Fable 5 競爭，且在數項指標上領先 GPT-5.6 Sol。完整的 benchmark 表格公布在 Qwen3.8-Max 發布文章中，涵蓋文字、視覺、影片與 agent 任務共 50 多項評測。

在文件密集的工作流程上，它能處理超過 200 頁的財報與 PDF，跨文字、圖表與版面擷取洞察。在影片方面，它能從長度超過 100 小時的內容建立記憶圖譜，重建事件進程與人物關係。

Qwen 團隊同時推出 Qwen-MM-Plugins，這是一套 harness 擴充函式庫，為既有 agent 框架加上圖片與影片處理、多模態記憶與視覺工具使用能力。透過這套外掛系統，任何 agent harness 都能變成多模態原生。此函式庫支援動態解析度處理、細緻的影片記憶，以及針對影片剪輯、Blender 與 CAD 工作流程的專門能力。

另外還有一個新的 benchmark：RecreationBench，用來測試混合式 agent 能力——模型純粹透過互動與回饋觀察一個運行中的應用，完全看不到原始碼，接著透過反覆撰寫程式與互動驗證，從零重建它。Qwen3.8-Max 在 Ubuntu、macOS、Windows、Android 與 web 五個平台上都取得前沿等級的成績。

Open Weights 對 GPU 基礎設施的意義

下週的 open-weight 釋出，才是對基礎設施團隊真正重要的訊號。

一個 2.4T 參數、95B 啟用參數的 MoE 模型，是相當可觀的推論工作負載。完整模型，需要大量 GPU 記憶體來裝下所有 expert 權重；但每個 token 的啟用參數量，意味著搭配 expert parallelism 與高效批次處理，單一請求的運算量，在當代硬體上是可以掌握的。在專屬裸機 GPU 叢集上執行這種規模的模型，讓團隊能完全掌控服務架構。

Qwen 團隊建議把 reasoning_effort 當成主要的成本控制槓桿，共三個等級：複雜任務用 xhigh、需要兼顧準確度與速度時用 medium、追求效率則用 low。部署在專屬 GPU 基礎設施上的團隊，可以針對自身的工作負載組合逐一評測各等級，再據此配置硬體。以 xhigh 執行的 coding agent 可能需要 8 張 H200 GPU 搭配完整的模型平行化，而以 low 執行的文件處理管線，只需其中一小部分資源再加上 expert offloading 即可。

一個 2.4T 參數且開放權重的模型，意味著服務架構的主導權回到團隊手上。針對你的工作負載評測每個 reasoning 等級，依複雜度分流，把 GPU 資源配置在真正重要的地方。

模型路由成為自然的搭配。低複雜度的查詢在一般 GPU 上以 reasoning_effort=low 處理；高複雜度的程式與研究任務則在高記憶體執行個體上以 xhigh 執行。Open weights 讓這套路由架構得以成立，不必在每一層都付出按 token 計價的 API 加成。對已經在 GMI Cloud 上運行 open-weight 模型的團隊來說，把 Qwen3.8-Max 加進路由矩陣，等於在既有部署旁邊多了一份前沿能力。

這個模型也支援與 OpenAI、Anthropic API 相容的業界標準協定，可直接整合 Claude Code、Codex、Qoder CLI、Qwen Code 與 OpenClaw。已經標準化在特定 agent harness 上的基礎設施團隊，不必更動工具鏈就能導入 Qwen3.8-Max。Qwen 團隊為各個 harness 都提供了現成的設定片段，把整合時間縮短到幾分鐘。

對那些一直在跑 open-weight 模型、等待這個規模的前沿選項出現的團隊來說，下週就是鳴槍起跑。Qwen3.8-Max 今天已可透過 QwenCloud 的 API 使用，權重則會在下週登陸 Hugging Face 與 ModelScope。GMI Cloud 部落格會持續追蹤 open-weight 的釋出與後續公布的推論 benchmark。

今天就在 GMI Cloud 上執行 Qwen3.8-Max

Qwen3.8-Max 今天已在 GMI Cloud 的 serverless 推論 API 上線，不用排候補名單，也不需要另外架設專屬叢集。把你現有的 OpenAI 相容客戶端指向 https://api.gmi-serving.com/v1/chat/completions，換上 model ID，幾分鐘內就能跑起前沿推論：

curl --request POST \
  --url https://api.gmi-serving.com/v1/chat/completions \
  -H 'Content-Type: application/json' \
  -H 'Authorization: Bearer YOUR_GMI_API_KEY' \
  --data '{
    "model": "Qwen/Qwen3.8-Max",
    "messages": [
      {"role": "system", "content": "You are a helpful AI assistant"},
      {"role": "user", "content": "List 3 countries and their capitals."}
    ],
    "temperature": 0,
    "max_completion_tokens": 500
  }'

立即開始打造

加入 GMI Cloud 開發者社群，在 Discord 上交流，或到 X 上追蹤我們 @gmi_cloud。