16天不需要人类：阿里2.4万亿参数模型重新定义什么叫“写代码” | 硬科技·新商业

一刻 talks | 硬科技·新商业

265次代码提交，127个合并请求，151个议题。

一个从空文件夹里长出来的完整软件项目，16天，没有人碰过键盘。

这不是科幻小说，这是阿里8月3日发布的Qwen3.8-Max在内部测试中真实跑出来的成绩。它被要求"创建一个自进化的智能体框架"，然后它自己建了工程循环、自己认领任务、自己写代码、自己跑测试、自己修bug、自己合并Pull Request。

全程不需要人类，不是不需要人类写代码，是不需要人类管理它。

这可能是2026年迄今为止，AI领域最被低估的一条新闻，因为大多数人看到"2.4万亿参数"的时候，以为这又是一篇跑分通稿，它不是。

这对你意味着什么？ 如果你写代码，一个模型现在能自己接管你整个项目，不是帮你写一个函数，是从空文件夹开始，连续16天不停手，自己设计架构、自己测试、自己上线。 它不需要你审代码，它自己会审自己的代码。 如果你管理团队，你手下最好的工程师请了两周假，回来发现一个AI已经替他把活干完了，265次commit，没有一个是他写的。 他在团队里的角色是什么？审AI的代码，还是被AI取代？ 如果你不写代码，Qwen3.8-Max的成本是每百万token输入2美元（海外定价）。翻译一下：让一个AI帮你干一整天的复杂工程，成本可能比你点一顿外卖还便宜。 这不是"AI能干什么"的问题，这是"人还需要干什么"的问题。

我们不猜AI会不会取代程序员，我们帮你看清楚一件事：

当机器能自己管理自己连续工作16天不停手、不出错、还不断自进化，人的角色就不再是"操作者"了。人变成了"定义问题的人"，你能不能问出对的问题，决定了你还有没有用。

16天，从空文件夹到127个PR

到底发生了什么

先说那个最惊悚的案例。

阿里给了Qwen3.8-Max一个任务：创建一个叫oh-my-cli的自进化智能体框架。没有代码模板，没有架构文档，就是一个空仓库，加一句"做一个能自己进化的Harness"。

然后模型干了什么？

它自己搭了一套工程循环，需求进入GitHub Issues，一个Agent通过状态机自动认领，走ready→leased→active。

Qwen3.8-Max展示了自主科研能力

写完代码自动触发端到端测试和CI检查，过了就合并主分支。每次更新还自己跑Build、单元测试、桌面生命周期校验，任何异常自动回流到对应Issue，自己修复。

而且它不是按预设流程走的，它接入了社区反馈和用户需求，把外部信号实时翻译成新的开发任务。

到7月30日，16天过去，265次commit，127个PR，151个Issue。一个真正可用的、完全开源的Agent框架，躺在GitHub的qwen-code-dev-bot/oh-my-cli仓库里，任何人都可以去查。

这不是AI辅助编程，这是一个AI工程师，独立完成了一个完整的软件交付周期，

需求→设计→开发→测试→部署→维护→迭代

它的产出比大多数初级工程师三周的产出更多、更干净。

不止会写代码

它还抢了研究员的活

代码只是其中一条线，阿里还给了它一篇论文，"Unified Data Selection for LLM Reasoning"，让它复现实验，然后想办法做得更好。

不给初始代码，不给数据处理流水线，只有论文原文和GPU权限。

模型跑了125个小时，写了7600行代码，执行了1100个动作，做了33轮训练。

前37小时复现了论文的全部6个核心发现，然后它没停，它自己提假设、自己做实验、自己分析结果。18个改进想法中，一个关于"更精确计数困难决策点"的方案，把AIME24数学基准分从49.58%推到了52.29%。

这不是执行指令，这是科研，自己发现问题、自己设计实验、自己发现更好的方法。它不是在模仿人类的论文，它在改进人类的论文。

还有一个测试更直接：阿里把它丢进了WWW2025多模态对话意图识别竞赛，526支人类队伍参赛。

WWW2025多模态对话意图识别挑战赛

Qwen3.8-Max自己设计解决方案，24小时内做了45次迭代提交，准确率从0.60爬到了0.853。这个成绩超过了87%的人类对手。

技术上的三个关键信号

先看参数：2.4万亿总参数，但每次只激活950亿。稀疏MoE架构加混合注意力机制。

翻译：它很大，但它很省，推理成本和延迟比同级别稠密模型低一个量级。

第一个信号：大模型正在从"更大=更强"的暴力路线，转向"更大但更聪明地激活"的效率路线。

再看上下文：100万token。什么概念？一整部《三体》三部曲全部塞进去，它能一次性消化完。百页法务文档、整部剧集、100小时直播录像，全部扔进去，全部给你转成可以检索的知识库。

第二个信号：视觉理解不再是"看图说话"，是"看了，能自己照着做出来"。

RecreationBench测试里，Qwen3.8-Max被放进一个黑盒环境，没有网络、看不到源码，纯靠跟应用交互和视觉反馈，从一个截图出发，完整重建了整个前端项目。

它能看，能理解，然后能复刻。

第三个信号：下周开源，这是Qwen-Max级别模型第一次开放权重。

这是个炸弹，此前中国开源模型的最强代表是月之暗面的Kimi K3（2.8万亿参数），现在阿里把Max级也交出来开源。这意味着开源阵营第一次拥有了能和闭源旗舰正面对打的选手，而且这个选手自带完整的工程闭环能力。

人的角色还剩什么

回到你最关心的问题。

AI写代码不是新闻了，GitHub Copilot已经做了好几年，但Copilot是"你写一行，它补一行"，Qwen3.8-Max是"你说一句话，它干16天"。

这中间的差别不是"效率提高了几倍"，是人的角色从一个变成了另一个。

以前，程序员是"实现者"，产品经理说需求，程序员写代码。现在，程序员是"监督者"，AI写代码，程序员审代码。

Qwen3.8-Max的下一步，程序员可能连"监督者"都不是了，因为它已经会自己审自己的代码了。

在 Frontend Code Arena 排行榜上名列第四

人剩下的角色只有一个：定义问题。

"做一个能自己进化的Harness"，这句话是人说的，16天里模型做的所有事，都是围绕这句话展开的。

如果人不知道应该做一个什么样的Harness、不知道Harness应该解决什么问题，模型再强也没用。

AI消灭的不是"写代码的人"，AI消灭的是"只会写代码的人"。

那些知道"应该建什么"的人，会变得无比强大，因为他们现在有一个永远不会累、永远不会请假、16天连续工作不出差错的工程师团队，成本是一杯咖啡的价格。

明天，我们聊聊，他被董宇辉盖了整整两年，上周末，他抛掉前CEO身份自己下场直播，首播就登顶第一。不是复仇，是裸考过了……

关注「一刻talks」

我们不贩卖焦虑，我们帮你看清楚，当机器学会了自我管理，人的价值不在执行，在方向。