阿里 Qwen3.8 正式发布：2.4T 规模，自主编程 16 天搓出一个 Hermes Agent

作者 ｜ 褚杏娟

阿里 Qwen3.8 正式发布，2.4T 规模，自主编程 16 天搓出另一个“Hermes Agent”！

8 月 3 日，阿里巴巴正式发布新一代基座大模型 Qwen3.8，总参数量 2.4 万亿，在编程（Coding）和专业办公（Cowork）方面能力大幅提升。今日放榜的权威三方榜单 Arena 中，阿里 Qwen 模型仅次于 Anthropic 的 Claude 系列，整体性能处于全球大模型第一梯队。目前，Qwen3.8 的 API 已上线千问 AI 平台，并接入阿里今日同步推出的 Agent 产品“千问办公”。Qwen3.8-Max 预计下周开源，同时还将开源 Qwen3.8-27B。

今日起，全球开发者都可通过千问 AI 平台获得 Qwen3.8 的 API 服务，国内每百万 Tokens 输入 12 元、输出 36 元，隐式缓存命中仅 1.5 元，而输入与输出的国际价格仅分别为 Opus5 的 40% 与 24%，实现相近智能更高性价比。

同时，阿里旗下企业级 Agent 产品“千问办公”（QwenWork）开启公测。个人和企业用户均可通过“千问办公”官网（qwenwork.cn）体验，目前网页版和独立 PC 客户端已开放，钉钉 PC 端和手机端内置入口近期也将开放。用户可在“千问办公”体验阿里最新旗舰模型 Qwen3.8。

2.4T 大模型，“Qwen3.8 就像个资深的工程师”

此次发布的是千问大模型系列中尺寸最大、性能最强的旗舰模型 Qwen3.8-Max，它支持视觉理解，上下文长度达 1M Tokens。

在模型架构上，Qwen3.8 通过稀疏 MoE 架构与混合注意力机制的联合优化，首次将千问大模型的总参数量拓展至 2.4T，激活 95B，获得了更高的推理效率、更快的推理速度，整体性能也迎来新突破：

• 在科研复现评测 PaperBench 等编程智能体评测中，Qwen3.8-Max 较上代模型大幅提升 28.2 分，以 93.0 分录得评测新高；

• 在 WideSearch、Agent's Last Exam 等通用智能体评测中，新模型分别取得 81.9 分和 52.4 分，位居前沿。

• 同时，Qwen3.8 在指令遵循 IF Bench 评测中斩获 82.8 分，科学推理 GPQA Diamond 取得 92.6 分，系列通用能力均位居前列；

• 在视觉推理 BabyVision 评测中，Qwen3.8-Max 在无工具条件下取得 82.0 分，超出部分主流模型近两倍，在评估智能体电脑操作能力的 OSWorld-Verified 评测中，Qwen3.8-Max 以 86.1 分位居主流模型首位。

编程能力（Coding）是前沿大模型的核心能力之一，Qwen3.8 实现了自主编程的新突破。在权威 CodeArena 榜中，Qwen3.8 位居全球第四。据介绍，Qwen3.8 可以从一个空文件夹出发，自主完成一个十数天的真实项目交付，全程无需人干预。

官方表示，只需一句“创建一个自进化的智能体 Harness”，Qwen3.8 就像个资深的工程师，从零开始，自主搭建循环工程（Loop Engineering）框架，编排智能体自动领取和执行任务，人类工程师还可通过钉钉给 Qwen3.8 提出新要求。Qwen3.8 独立编程运行约 16 天后，做出了一个 Hermes Agent 级别的、真实可用的自进化智能体框架“oh-my-cli”，目前该项目现已完全开源，完整过程公开保存在 GitHub 仓库里，可供所有人查看。

另外，官方表示，Qwen3.8 可胜任广泛的、真实的专业工作任务（Cowork）。面对完全不同的专业任务、评判标准和计算需求，Qwen3.8 通过真实环境和算力的联合强化学习（RL）扩展，实现了数百种高价值、高频专业任务的真实表现提升，在主流的智能体框架中均可稳定可靠地交付生产级成果：

• 一支法务助理团队在数百份法律文档中标注千余个相关条款，需要一周时间，Qwen3.8 一小时内就能做完；

• 一个篮球数据分析团队逐帧标注 160 个小时以上的比赛录像，Qwen3.8 数十分钟就可精准拆解这 8400 多个攻防回合，并一次性输出球员战术画像和教练报告；

• 一个金融研究团队基于数年的专业知识积累，搜集资本市场全面、实时的变动，才能依次完成的量化策略研究，Qwen3.8 自主调动并行的智能体，连续工作数小时后交付完整的 ETF 轮动策略，并持续分析回测、动态修正、最后实现规模化盈利。

在长周期任务中，Qwen3.8 涌现出系统级自主规划与全栈闭环自适应学习能力。无论是在高精密、强物理约束的数字芯片设计，还是在高度动态、博弈激烈的商业模拟运营中，Qwen3.8 均能通过“执行 - 反馈 - 迭代”的自适应闭环，在数千轮的超长程交互中实现算法与策略的深度重构。

Qwen3.8 除了拥有强大的文本和推理能力，还提高了 AI 视觉理解能力的极限。在权威 Vision Arena 榜单中，Qwen3.8-Max 排名全球第二。

据介绍，Qwen3.8 能读懂 200 页的财报 PDF、看懂超 100 小时的长视频，还能将这些“看到”的知识和信息反馈到工作全流程去，帮助模型思考得更周全。在千问团队构建的“应用复刻”基准 RecreationBench 长程任务中，模型没有源代码也无法联网，只通过交互与反馈去理解这个应用，却能从零复刻出整个应用。

此外，阿里真武 M890 超节点也已成功适配 Qwen3.8，通过芯片、云平台与千问大模型的全链路优化，显著提升推理效率、降低推理成本，在 Agentic 推理场景中最多可实现 1.5 倍性能提升。