跳到主要內容

Qwen3.8-Max評測：阿里2.4兆參數模型開源迎戰Fable 5 | Qwen3.8-Max Review: Alibaba's 2.4T Model Rivals Fable 5

By Kit 小克 | AI Tool Observer | 2026-08-07

🇹🇼 Qwen3.8-Max評測：阿里2.4兆參數模型開源迎戰Fable 5

Qwen3.8-Max是阿里巴巴8月3日發布的最新旗艦模型，總參數量來到2.4兆、每次推理啟用950億參數的MoE架構，官方公布的評測數字直接對標Claude Fable 5與GPT-5.6。這是阿里近期少數願意開源的Max等級模型，也讓「中國模型追平美系旗艦」的話題再度成為焦點。

Qwen3.8-Max規格與定價多少？

Qwen3.8-Max是2.4兆參數的混合專家（MoE）模型，實際啟用參數約950億，支援文字、圖片、影片輸入，單次可處理高達100萬token的上下文。API目前已上線阿里雲Model Studio，價格為每百萬輸入token 2美元、輸出token 6美元，快取token則是每百萬0.25美元，同時提供OpenAI相容與Anthropic相容介面，理論上把Claude Code或Codex的設定改個幾行就能接上。

Qwen3.8-Max真的贏過Fable 5和GPT-5.6嗎？

阿里公布的內部評測顯示，Qwen3.8-Max在OSWorld-Verified、Terminal-Bench 2.1等代理型任務上分數領先GPT-5.6與Claude Fable 5，在Arena.AI的文字類排行榜上也一舉衝上中國模型第一名。但要注意這些數字目前全部來自官方自報，第三方尚未有機會用開源權重獨立覆現，加上不同媒體整理出來的分數版本差異不小，建議先當參考、別直接當成定論。

開源時程與對開發者的實際意義

阿里表示Qwen3.8-Max的開源權重會「下週」釋出，這將是Qwen系列第一個Max等級的開源模型，也代表阿里從先前把旗艦模型收緊為閉源，重新轉向開源策略。對開發者來說重點有三：

  • 先API後開源：現在只能透過付費API測試，真正能自架、微調要等權重釋出，屆時才有機會驗證官方數字是否誇大。
  • 定價具競爭力：每百萬token 2/6美元的組合，比多數美系旗艦模型便宜，適合先拿來做大量呼叫的原型測試。
  • 相容層省事：OpenAI與Anthropic雙相容介面，讓既有的agent workflow遷移成本降低，但複雜推理、安全性仍建議實測再上生產環境。

常見問題 FAQ

Q: Qwen3.8-Max什麼時候開源？
A: 阿里表示開源權重將於發布後「下週」釋出，是Qwen系列首個開源的Max等級模型。

Q: Qwen3.8-Max的API價格是多少？
A: 每百萬輸入token 2美元、輸出token 6美元，快取token每百萬0.25美元。

Q: Qwen3.8-Max真的比Fable 5強嗎？
A: 目前只有阿里官方自報的評測數字，尚未有開源權重可供第三方獨立驗證，建議保守看待。

Q: 一般開發者現在能用嗎？
A: 可以透過阿里雲Model Studio的API直接呼叫，支援OpenAI與Anthropic相容介面，遷移成本不高。

好不好用，試了才知道。

🇺🇸 Qwen3.8-Max Review: Alibaba's 2.4T Model Rivals Fable 5

Qwen3.8-Max, Alibaba's newest flagship model released August 3, is a 2.4-trillion-parameter mixture-of-experts model that Alibaba claims matches or beats Claude Fable 5 and GPT-5.6 on several benchmarks. It's also one of the few Max-tier Qwen models Alibaba plans to open-source, reviving the "can a Chinese model really catch up" conversation.

Qwen3.8-Max specs and pricing

Qwen3.8-Max is a 2.4T-parameter MoE model activating roughly 95B parameters per token, handling text, image, and video input with up to 1 million tokens of context. It's live now on Alibaba Cloud's Model Studio at $2 per million input tokens and $6 per million output tokens, with cached tokens at $0.25/M. Both OpenAI-compatible and Anthropic-compatible endpoints are available, so pointing Claude Code or Codex at it is mostly a config change.

Does it actually beat Fable 5 and GPT-5.6?

Alibaba's own benchmarks show Qwen3.8-Max ahead of GPT-5.6 and Claude Fable 5 on agentic evals like OSWorld-Verified and Terminal-Bench 2.1, and it jumped to the top spot among Chinese models on Arena.AI's text leaderboard. The catch: every number so far is self-reported. Nobody outside Alibaba has been able to independently reproduce these scores with open weights yet, and different outlets are already reporting inconsistent figures — treat the headline numbers as a starting point, not a verdict.

Open-source timeline and what it means for developers

Alibaba says open weights will follow next week, making Qwen3.8-Max the first Max-class Qwen model to go open-source — a reversal after Alibaba kept its most recent flagships closed. Three practical takeaways:

  • API first, weights later: You can only test via the paid API right now. Self-hosting or fine-tuning — and truly validating the benchmark claims — has to wait for the weight release.
  • Competitive pricing: $2/$6 per million tokens undercuts most US flagship models, making it worth a shot for high-volume prototyping.
  • Compatible endpoints cut migration cost: Dual OpenAI/Anthropic compatibility lowers the switching cost for existing agent workflows, but test complex reasoning and safety behavior before touching production.

FAQ

Q: When does Qwen3.8-Max go open source?
A: Alibaba says weights will ship next week after the August 3 launch — the first Max-tier Qwen model to be open-sourced.

Q: How much does the Qwen3.8-Max API cost?
A: $2 per million input tokens, $6 per million output tokens, $0.25 per million cached tokens.

Q: Does Qwen3.8-Max really outperform Fable 5?
A: Only on Alibaba's own self-reported benchmarks so far — no independent verification exists until open weights ship.

Q: Can developers use it today?
A: Yes, via Alibaba Cloud's Model Studio API, with OpenAI- and Anthropic-compatible endpoints for low migration cost.

好不好用，試了才知道。

Sources / 資料來源

延伸閱讀 / Related Articles

AI 工具觀察站 — 每日精選 AI Agent 與工具趨勢
AI Tool Observer — Daily curated AI Agent & tool trends

留言

張貼留言

這個網誌中的熱門文章

Google Ironwood TPU v7 推理專用晶片解析：效能追平 NVIDIA、成本低 44%，AI 晶片戰爭正式開打 | Google Ironwood TPU v7 Explained: Matching NVIDIA Performance at 44% Lower Cost — The AI Chip War Heats Up

By Kit 小克 | AI Tool Observer | 2026-04-21 🇹🇼 Google Ironwood TPU v7 推理專用晶片解析：效能追平 NVIDIA、成本低 44%，AI 晶片戰爭正式開打 Google Ironwood TPU 是什麼？為什麼它讓 NVIDIA 緊張？ Google Ironwood TPU（代號 TPU v7）是 Google 第七代自研 AI 晶片，也是第一款 專為推理（inference）設計 的 TPU。在 AI 模型越來越大、推理需求暴增的時代，Google 不再只依賴 NVIDIA GPU，而是推出自己的推理專用晶片來搶市場。 Ironwood TPU v7 規格有多強？ 每顆 Ironwood TPU 提供 4.6 petaFLOPS 的 FP8 運算效能 ，搭載 192 GB HBM3E 記憶體，頻寬達 7.37 TB/s。單顆效能略高於 NVIDIA B200（4.5 petaFLOPS），接近 GB300 的 5 petaFLOPS。 更驚人的是規模化能力：Ironwood 可擴展至 9,216 顆晶片組成超級叢集 ，總算力達 42.5 ExaFLOPS，遠超 NVIDIA GB300 NVL72 系統的 0.36 ExaFLOPS。共享記憶體池高達 1.77 PB，解決了大型模型推理時的資料瓶頸問題。 Ironwood TPU 比 NVIDIA 便宜多少？ 根據分析，Ironwood 的 整體擁有成本（TCO）比 NVIDIA GB200 低約 44% 。在能效方面，Ironwood 的 FP8 效能達每瓦 5.42 TFLOPS，而 GB300 為 3.57 TFLOPS/W，Google 晶片的能效高出約 52%。 為什麼 Google 要做推理專用晶片？ AI 產業正從「訓練時代」轉向「推理時代」。當 ChatGPT、Gemini、Claude 等 AI 助手每天處理數十億次查詢時，推理運算的需求遠超過訓練。Google 稱之為「推理時代（age of inference）」，而 Ironwood TPU 就是為這個時代量身打造的武器。 對開發者和企業有什麼影響？ Ironwood TPU 目前 只能透過 Google Cloud 使用，無法...
閱讀完整內容

Claude Code 實測：AI 幫你寫程式到底行不行？ | Claude Code Review: Can AI Really Code for You?

By Kit 小克 | AI Tool Observer | 2026-03-27 🇹🇼 Claude Code 實測：AI 幫你寫程式到底行不行？ Claude Code 是 Anthropic 推出的命令列 AI 程式助手，直接在你的終端機裡運作。跟其他 AI 程式工具不同的是，它不是 IDE 外掛，而是一個獨立的 CLI 工具，可以讀取你的整個 codebase、執行指令、甚至幫你做 git 操作。我實際用了幾個月，以下是真實心得。 安裝與設定 安裝非常簡單，透過 npm 就能搞定： npm install -g @anthropic-ai/claude-code 。啟動後它會要求你登入 Anthropic 帳號或設定 API key。整個流程不到五分鐘。 實際使用體驗 Claude Code 最強的地方在於 它理解你的整個專案 。你不需要手動貼程式碼，它會自己讀取相關檔案、分析程式結構，然後給出建議或直接修改。實測幾個場景： Bug 修復 ：描述錯誤現象，它能自動找到問題檔案並提出修正，準確率大約 70-80% 新功能開發 ：給它需求描述，它能產出可用的初版程式碼，但通常需要人工調整細節 程式碼重構 ：這是它最擅長的。重新命名變數、抽取函式、調整架構，做得又快又好 寫測試 ：給它一個函式，它能產生相當完整的測試案例 優缺點分析 優點： 深度理解 codebase，不是只看單一檔案 可以執行 shell 指令，直接跑測試、裝套件 支援 CLAUDE.md 讓你定義專案規則 agentic 模式下可以自主完成多步驟任務 缺點： API 費用不便宜，大型專案一天可能花 10-30 美元 偶爾會過度修改，改了不該改的地方 對非英語的程式碼註解理解力稍弱 需要良好的網路連線 適合誰用？ 如果你是全端開發者、需要處理多個專案、或者經常做重構，Claude Code 絕對值得一試。但如果你只是寫簡單的腳本，免費的 Copilot 可能就夠了。 Kit 的結論： Claude Code 是目前最接近「AI 工程師」的工具。它不完美，但確實能大幅提升生產力。好不好用？試了才知道。 🇺🇸 Claude Code Review: Can AI Really Code for You?...
閱讀完整內容

Cursor vs GitHub Copilot vs Claude Code：AI 程式助手大比拼 | AI Coding Assistants Compared: Cursor vs GitHub Copilot vs Claude Code

By Kit 小克 | AI Tool Observer | 2026-03-27 🇹🇼 Cursor vs GitHub Copilot vs Claude Code：AI 程式助手大比拼 2026 年，AI 程式助手已經成為開發者的標配。但市場上選擇太多了，到底該用哪一個？我同時使用了 Cursor、GitHub Copilot 和 Claude Code 超過半年，以下是完整比較。 GitHub Copilot：最普及的選擇 Copilot 是最早普及的 AI 程式助手，整合在 VS Code 和各大 IDE 中。它的核心功能是 即時程式碼補全 ——你打字的時候，它自動建議下一行或下一段程式碼。 優點 ：補全速度快、整合度高、支援幾乎所有語言、Copilot Chat 可以問問題 缺點 ：上下文理解有限（主要看當前檔案和少量相關檔案）、Agent 模式仍在發展中 價格 ：個人版 /月，企業版 /月 Cursor：IDE 級別的 AI 整合 Cursor 是一個從頭打造的 AI-first IDE（基於 VS Code fork）。它不只是補全程式碼，而是把 AI 深度融入整個開發流程。 優點 ：Composer 功能可以跨檔案編輯、Agent 模式可以自主執行多步驟任務、支援切換不同 AI 模型、Tab 補全非常智慧 缺點 ：是獨立的 IDE 需要遷移、Pro 方案有使用量限制、偶爾不穩定 價格 ：免費方案有限制、Pro /月 Claude Code：終端機裡的 AI 工程師 Claude Code 走完全不同的路線——它是 CLI 工具，在終端機裡運作，不綁定任何 IDE。 優點 ：理解整個 codebase、可以執行系統指令、支援 git 操作、CLAUDE.md 定義專案規則、最強的 agentic 能力 缺點 ：沒有視覺化介面、按 API token 計費（可能很貴）、需要習慣 CLI 工作流 價格 ：按 API 使用量計費，或透過 Max 訂閱方案 關鍵差異比較 即時補全 ：Copilot ≈ Cursor > Claude Code（無此功能） 跨檔案理解 ：Claude Code > Cursor > Copilot Agentic 能力 ：Claud...
閱讀完整內容