数据来源非线智能Nonelinear 非线智能团队，维护着GitHub上的开源项目 chinese-llm-benchmark，目前 6,000+ Stars，长期占据中文LLM商业评测类项目Star数第一

github （非线智能）官网正文：

阿里通义千问新发布Qwen3.8-Max，并将其定位为Qwen家族当前最高能力模型。官方介绍中，Qwen3.8-Max基于Qwen3.5架构基础扩展到2.4T参数、95B激活参数，重点面向代码、真实工作流、研究任务和长程Agent任务；同时，官方称这也是首个将开放权重的Qwen-Max级模型，权重计划在发布后一周开放。我们对其API版本qwen3.8-max进行了全面评测，测试其在准确率、响应时间、token消耗和调用花费等关键指标上的表现。

需要说明的是，本次评测侧重中文场景下的综合能力考察，评测维度覆盖教育、医疗、金融、法律、推理数学、语言指令、Agent工具调用以及coding八个板块。Qwen3.8-Max官方主推的多天自主编码、真实工作流、长程任务和多模态Agent能力，可结合文末的官方评测数据形成更完整的判断。

qwen3.8-max版本表现：

  • 测试题数：约1.5万
  • 总分（准确率）：75.4%
  • 平均耗时（每次调用）：67s
  • 平均token（每次调用消耗的token）：3175
  • 平均花费（每千次调用的人民币花费）：107.3

1、新旧对决

对比上一代参照模型qwen3.7-max，qwen3.8-max在ReLE中文综合评测中的变化并不是继续上行，而是总分回调、响应变慢、调用花费小幅上升。数据如下：

引自非线智能（GitHub 第一 AI 商业测评） - 【非线智能测评】阿里 Qwen3.8-Max 实测：转向长程Agent进化，中文综合评测遭遇“回调”引自非线智能（GitHub 第一 AI 商业测评） - 【非线智能测评】阿里 Qwen3.8-Max 实测：转向长程Agent进化，中文综合评测遭遇“回调”

*数据来源：非线智能ReLE评测https://github.com/jeinlee1991/chinese-llm-benchmark

*输出价格单位： 元/百万token

  • 整体性能出现回调：qwen3.8-max总分从76.9%降至75.4%，下降1.5个百分点，榜单排名从第1位降至第6位。
  • Coding回调最明显：coding从73.3%降至68.7%（-4.6个百分点），是所有细分维度中下降幅度最大的一项。这一点和官方强调代码智能体能力增强的叙事并不完全一致，原因可能在于ReLE coding更偏中文综合题库中的代码相关任务，而官方更多展示真实仓库、长程执行和工具环境下的代码能力。
  • Agent与金融也有下降：agent与工具调用从68.8%降至66.4%（-2.4个百分点），金融从89.1%降至86.9%（-2.2个百分点）。
  • 教育和推理小幅回调：教育从65.4%降至63.7%（-1.7个百分点），推理与数学计算从84.7%降至83.6%（-1.1个百分点）。两项下降幅度不大，但叠加后对总分产生了影响。
  • 医疗基本持平：医疗与心理健康从89.0%微降至88.8%（-0.2个百分点），基本保持上一代水平。
  • 法律和语言略有改善：法律与行政公务从85.3%提升至86.0%（+0.7个百分点），语言与指令遵从从71.8%提升至72.6%（+0.8个百分点）。
  • 响应时间拉长：平均耗时从51s增至67s，增加16s，约31%。这可能与官方强调的长程任务形态有关，但无法由本次数据直接确认。
  • Token和成本上升：平均token从2920增至3175，增加约8.7%；输出价格仍为36.0元/百万token。最终每千次调用花费从99元升至107.3元，增加约8.4%。

2、横向对比

在当前主流大模型竞争格局中，qwen3.8-max作为阿里最新Max级模型表现如何？我们从三个维度进行横向对比分析：

引自非线智能（GitHub 第一 AI 商业测评） - 【非线智能测评】阿里 Qwen3.8-Max 实测：转向长程Agent进化，中文综合评测遭遇“回调”

*数据来源：非线智能ReLE评测https://github.com/jeinlee1991/chinese-llm-benchmark

同成本档位对比

  • 90至130元/千次区间的位置：qwen3.8-max（75.4%，107.3元）位于商用高端区间。同档位可比模型包括qwen3.7-max（76.9%，99元）、glm-5.2（73.0%，110.5元）、kimi-k2.6（72.9%，100.4元）、gpt-5.4-high（72.6%，122.3元）、claude-opus-4.8（71.5%，99.4元）、claude-sonnet-5-thinking（70.8%，93.7元）、claude-opus-4.6（70.0%，96.5元）、gpt-5.2-high（67.3%，94.1元）和grok-4.5（70.0%，125.7元）。在这个区间内，qwen3.8-max仍处于前列，但低于上一代qwen3.7-max。
  • 与上一代同价位旗舰相比：qwen3.8-max（75.4%，67s，107.3元）相比qwen3.7-max（76.9%，51s，99元），总分低1.5个百分点，平均耗时更长，调用花费也更高。仅从ReLE中文综合评测看，qwen3.7-max仍是Qwen Max线里更优的参照。
  • 向上看更高成本模型：claude-opus-5（76.8%，168.8元）、kimi-k3（75.6%，172.4元）、doubao-seed-evolving（75.5%，304.7元）、gpt-5.5（75.3%，158.5元）、gemini-3.1-pro-preview（75.2%，250.5元）都处在更高或相近的头部区间。qwen3.8-max的总分与这些模型差距很小，且花费明显低于多数高成本闭源模型。
  • 向下看低成本替代方案：qwen3.7-plus（73.5%，31.7元）、qwen3.5-plus（73.3%，22.9元）、Doubao-Seed-2.0-pro（72.8%，22.5元）、kimi-k2.7-code（72.6%，49.7元）、deepseek-v4-pro（71.7%，54.3元）以更低花费提供了接近的中文综合准确率。

新旧模型对比

  • 阿里产品线仍保持头部密度：当前榜单中，Qwen系的qwen3.7-max（76.9%，第1位）、qwen3.6-max-preview（75.4%，第5位）、qwen3.8-max（75.4%，第6位）共同占据头部；往下还有qwen3.7-plus（73.5%，第13位）、qwen3.5-plus（73.3%，第14位）、Qwen3.5-122B-A10B（70.9%，第25位）、qwen3.6-plus（70.7%，第28位）等模型。即便qwen3.8-max出现回调，Qwen产品线在ReLE中文榜单中的整体密度仍然较高。
  • 近期头部模型差距很小：qwen3.8-max（75.4%）低于qwen3.7-max（76.9%）、claude-opus-5（76.8%）、kimi-k3（75.6%）和doubao-seed-evolving（75.5%），与qwen3.6-max-preview（75.4%）持平，略高于gpt-5.5（75.3%）和gemini-3.1-pro-preview（75.2%）。榜单前十的分差较密集，单次排名变化不宜被解读为绝对能力差距。

开源VS闭源对比

  • 商业API中的高位模型：截至本次评测，qwen3.8-max仍以商业API形式提供，官方已预告后续开放权重。在当前商用模型中，它略高于gpt-5.5（75.3%，158.5元）、gemini-3.1-pro-preview（75.2%，250.5元）、doubao-seed-2-1-pro-260628（74.8%，313.2元）和claude-opus-4.8-thinking（74.7%，238.2元）。
  • 开源阵营带来的压力：kimi-k3（75.6%，172.4元）、glm-5.2（73.0%，110.5元）、kimi-k2.6（72.9%，100.4元）、qwen3.5-plus（73.3%，22.9元）、deepseek-v4-pro（71.7%，54.3元）等开源模型覆盖了多个成本区间。

3、官方评测

根据Qwen官方博客（https://qwen.ai/blog?id=qwen3.8），Qwen3.8-Max的核心定位是"coding and cowork"：不仅回答问题，还要在更长周期内完成代码、工作流、研究和多模态任务。

模型规模与发布信息

引自非线智能（GitHub 第一 AI 商业测评） - 【非线智能测评】阿里 Qwen3.8-Max 实测：转向长程Agent进化，中文综合评测遭遇“回调”

官方披露，Qwen3.8-Max基于Qwen3.5架构基础扩展到2.4T参数，其中95B为激活参数。官方将其描述为Qwen家族当前最高能力模型，主要提升方向包括coding、work、research和long-horizon tasks。模型已经可以通过QwenCloud调用，官方称Max级权重将于发布后一周在Hugging Face和ModelScope开放。

Coding与长程代码任务

官方用三个长程编码案例来说明Qwen3.8-Max的能力边界：

  • 自主构建oh-my-cli项目：官方称Qwen3.8-Max在10天以上的自主编码运行中，从零创建并持续演化一个self-evolving harness。截至2026年7月30日，项目在约16天完全自主运行后累计265次commit、127个PR和151个issue。
  • 复现实验并改进论文方法：官方给定论文"Unified Data Selection for LLM Reasoning"，要求模型从零复现实验并尝试改进。Qwen3.8-Max在约125小时内写出约7600行代码、执行超过1100次动作、运行33轮GPU训练；随后在AIME24上把复现基线49.58%提升到52.29%，提升2.71个百分点。
  • 参加真实算法竞赛：官方将模型投入阿里云天池WWW2025多模态对话意图识别挑战。模型在24小时内完成方案，经过45次提交后准确率从0.60提升至0.853，最终超过526支参赛队伍中的458支。

工作流、长程任务与多模态Agent

在"Work"部分，官方强调通过扩展真实RL环境和计算规模，提升模型在QwenWork、Claude Code、Codex、OpenClaw、Hermes等不同harness中的工作能力。博客中还展示了合规审查、UI原型设计、菜单开发、结构工程、康复治疗可视化和体育数据分析等代表性任务。

长程任务方面，官方给出两个重点案例：其一是数字芯片设计任务，Qwen3.8-Max在约500轮、71次评估、13个关键里程碑中，将GCD/RSA硬件加速器的首个可用设计从8298个gate优化到678个gate；其二是365天电商经营模拟，模型在包含12类店铺、60个商品类别、近600个供应商和7000个商品的环境中经营店铺，最终余额达到416252元，相比第二名GLM 5.2高38%，相比Qwen3.7-Max提升152%。

多模态方面，官方称Qwen3.8-Max可以处理超过200页的金融报告、超过100小时的视频内容，并将文档、视频和界面截图转化为结构化报告、记忆图谱或可运行的前端项目。这类能力在ReLE当前中文文本评测中覆盖有限，因此更适合作为官方能力边界的补充信息。

官方基准表与接口信息

引自非线智能（GitHub 第一 AI 商业测评） - 【非线智能测评】阿里 Qwen3.8-Max 实测：转向长程Agent进化，中文综合评测遭遇“回调”

官方给出了较完整的Benchmark表。为避免重复官方博客全文，这里只摘取与模型定位关系较近的几组结果：

  • Coding Agent：Terminal Bench 2.1为86.6，SWE-bench Pro为67.7，FrontierSWE为73.5，PaperBench为93.0。
  • General Agent：CoWorkBench为74.8，SkillsBench为70.2，Toolathlon Verified Pass@1为72.5。
  • 多模态与视觉Agent：MMMU-Pro为82.3，OSWorld-Verified为86.1，OmniDocBench 1.5为92.1，OCR-Bench-V2为74.2/68.3。

接口方面，Qwen3.8-Max支持QwenCloud调用，兼容OpenAI chat completions、responses API以及Anthropic API协议；官方支持reasoning_effort参数，包含xhigh、medium、low三档，其中xhigh为默认档。官方还说明preserve_thinking默认开启，并在示例中给出100万上下文窗口、文本和图像输入、并行工具调用等配置。

非线智能官网 https://nonelinear.com/static/models.html 已上线qwen3.8-max，支持一键接入（附接入代码）。同时，非线智能API可连接超480+全球模型，支持一键Api聚合以及Api中转，提供稳定的企业级服务。 登录github账号，领20-50元体验金。接入qwen3.8-max就用非线智能API。

快速接入代码如下：

from openai import OpenAI


client = OpenAI(
    base_url="https://api.nonlinear.com/v1",
    api_key="YOUR_API_KEY",
)


response = client.chat.completions.create(
    model="qwen3.8-max",
    messages=[
        {"role": "user", "content": "分析大型代码库，规划并执行修复方案"}
    ],
)


print(response.choices[0].message.content)


非线智能api 图 8