阿里发布Qwen3.8-Max：开放权重与更低API成本，给IT团队新选择

阿里正以更低价格——以及潜在更大的部署掌控力——进入前沿AI市场。公司推出Qwen3.8-Max，一款2.4万亿参数的大模型，面向编码、科研、知识工作与长程智能体任务，已通过阿里云API提供服务，并承诺下周开放模型权重。

最受关注的是token定价。Qwen3.8-Max在百炼（Model Studio）平台的定价为每百万输入token 2美元、每百万输出token 6美元；作为对比，OpenAI GPT-5.6 Sol分别为5美元和30美元。按公开价格计算，Qwen3.8-Max的未缓存输入成本低60%，输出成本低80%。

不过这一对比并未涵盖全部生产开销：缓存token、推理token消耗、配套工具、吞吐量要求以及企业谈判价格，都会影响工作负载的总成本。

架构方面，Qwen3.8-Max基于Qwen 3.5构建，采用稀疏混合专家架构。虽然模型总参数达2.4万亿，但阿里表示处理每个token仅激活950亿参数，相比同规模稠密模型可降低推理成本与延迟。系统支持最高100万token的上下文窗口，并通过单一多模态模型处理编码、科研、文档分析与视觉任务。

在基准测试上，阿里称Qwen3.8-Max在PaperBench等AI评测中超越了Claude Fable 5与GPT 5.6；PaperBench用于检验AI能否独立复现前沿AI研究。

一旦阿里发布模型权重与许可条款，企业将可以把Qwen3.8-Max部署到自有基础设施上。这虽然能省去按token计费的API费用，但会转化为硬件、能源、运维与工程成本——运行如此规模的模型需要相当的基础设施与运营经验。

对IT团队而言，该模型提供了前沿能力、更低token价格与最终可自托管的组合吸引力。但更低的公开定价并不意味着它在每个工作负载上都是最优或最便宜的选择，企业应在采用前对比输出质量、延迟、安全控制、数据驻留选项与集成支持。

待权重与许可正式发布、独立测试铺开、企业用自有数据验证性能之后，该模型的落地价值才会更清晰。随着阿里、月之暗面等厂商持续推出先进开源权重系统，开源与闭源AI之间的性能差距正在缩小——这带来更多选择，也让审慎测试与成本分析变得更加重要。