Qwen3.8 到底釋出沒有？目前只有預覽版，正式開源還要等

Qwen3.8 已經可以使用，但目前上線的是 Qwen3.8-Max-Preview 預覽版，模型 ID 為 qwen3.8-max-preview。截至 2026 年 7 月 22 日，千問官方仍將它標註為預覽模型，正式版和開放權重版本尚未釋出。

這一區別很重要：現在可以透過千問 AI 平臺體驗和呼叫 Qwen3.8，但不能據此認定完整模型權重、技術報告、架構細節和正式基準已經公開。

官方文件：

快速結論

問題	當前答案
Qwen3.8 正式版釋出了嗎	沒有，目前是 Max Preview
現在能不能使用	可以，透過 Token Plan 等官方入口
模型 ID	`qwen3.8-max-preview`
是否支援 API	支援 OpenAI、Anthropic 等相容介面
是否已經開源權重	尚未，官方表示正式版將釋出並開放權重
參數規模	官方預告為 2.4T 總參數
是否支援視覺輸入	官方 Token Plan 模型表標註支援視覺理解
是否適合生產環境	適合評估，不建議未經迴歸測試直接替換穩定模型

如果只是想搶先測試程式設計、複雜推理、多 Agent 或辦公任務，現在可以開始；如果目標是本地部署、量化、微調或長期穩定生產，仍需等待正式權重和完整技術資料。

Qwen3.8 到底釋出了什麼

目前可確認的產品是 Qwen3.8-Max-Preview。千問 AI 平臺明確說明：

它是預覽版本，能力會在預覽期間持續更新。
預覽結束後，當前模型可能下線，也可能被正式版本替換。
當前主要透過 Token Plan 提供訪問。
模型支援推理、文字生成和視覺理解。
官方預告 Qwen3.8 正式版將釋出並開放權重。

因此，“Qwen3.8 已上線”和“Qwen3.8 正式開源”是兩件不同的事。前者已經發生，後者仍在等待官方落地。

2.4T 參數意味著什麼

官方對 Qwen3.8 的預告提到 2.4T 參數，也就是約 2.4 萬億總參數。但在完整技術報告公佈前，還不能僅憑這個數字判斷實際推理成本。

對於混合專家模型，至少還要知道：

每個 Token 啟用多少參數；
專家數量和路由方式；
上下文視窗與注意力結構；
推理時的視訊記憶體、頻寬和通訊需求；
是否提供不同規模的稠密或 MoE 開源版本；
權重採用什麼許可證。

總參數決定模型容量上限的一部分，啟用參數和推理架構才更直接影響每次請求的速度與成本。在這些資料公開前，不宜把 2.4T 簡單理解為“推理成本一定是上一代的數倍”。

Qwen3.8-Max-Preview 適合測試什麼

從官方平臺定位看，Qwen3.8-Max-Preview 面向複雜推理和程式設計任務。更適合優先測試以下場景：

長流程程式設計任務

不要只測試一道演算法題。可以給模型一個小型真實倉庫，要求它完成：

閱讀專案結構；
定位一個跨檔案問題；
給出修改計劃；
修改程式碼；
執行測試；
根據錯誤繼續修復；
總結變更和剩餘風險。

這種測試更能觀察模型在長上下文、工具呼叫和多步糾錯上的穩定性。

前端頁面還原

準備同一份設計截圖和驗收標準，比較 Qwen3.8 與當前常用模型的結果：

頁面結構是否完整；
響應式佈局是否可用；
是否擅自改變設計；
是否會生成大量重複元件；
首次生成後需要幾輪修正；
最終程式碼能否透過構建與 lint。

只看截圖是否“好看”很容易產生主觀偏差，最好同時記錄構建成功率、修改輪次和人工接管時間。

資料分析與 Office 工作流

可以選擇一份脫敏表格，要求模型完成資料清洗、異常說明、統計彙總和報告生成。重點檢查數字是否能回溯到原始資料，而不是隻看報告語言是否流暢。

多 Agent 協作

如果平臺或客戶端支援多個 Agent，可讓不同角色負責分析、執行和審查。測試重點不是角色數量，而是任務交接時是否丟失約束、重複執行或互相覆蓋檔案。

如何透過 API 呼叫

Qwen3.8-Max-Preview 當前僅限 Token Plan。購買或開通後，需要從控制檯獲取套餐專屬的 API Key 和 Base URL，不能直接假設它與普通按量計費地址相同。

下面以 OpenAI 相容介面為例。請把地址替換成控制檯顯示的 Token Plan Base URL：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13


curl "$QWEN_BASE_URL/chat/completions" \
  -H "Authorization: Bearer $QWEN_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen3.8-max-preview",
    "messages": [
      {
        "role": "user",
        "content": "分析这个方案的风险，并给出可执行的验证步骤"
      }
    ],
    "stream": false
  }'

Python 可以使用 OpenAI SDK：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23


import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["QWEN_API_KEY"],
    base_url=os.environ["QWEN_BASE_URL"],
)

response = client.chat.completions.create(
    model="qwen3.8-max-preview",
    messages=[
        {
            "role": "user",
            "content": "为这个 Python 项目设计一套分层测试方案。",
        }
    ],
    extra_body={
        "reasoning_effort": "high",
        "preserve_thinking": True,
    },
)

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

多輪對話要注意 preserve_thinking

官方 API 文件對 qwen3.8-max-preview 有一項特別說明：preserve_thinking 預設為 true，多輪對話時需要把歷史訊息中的 reasoning_content 完整回傳。

如果客戶端只儲存普通 content，忽略推理欄位，可能出現：

後續回答質量下降；
多步工具任務丟失中間狀態；
請求格式不符合模型預期；
客戶端看似相容，實際無法穩定繼續會話。

接入前應確認 SDK、代理閘道器和聊天客戶端是否保留未知欄位。不要把 reasoning_content 直接拼接進 content，官方文件明確不支援這種處理方式。

reasoning_effort 怎樣選擇

Qwen3.8-Max-Preview 支援 low、high 和 xhigh 三檔推理力度，預設是 xhigh。

檔位	適合任務	使用建議
`low`	分類、提取、簡單改寫	優先控制延遲和消耗
`high`	程式設計、分析、工具規劃	作為多數複雜任務的起點
`xhigh`	長程推理、複雜 Agent 任務	先小規模測試成本和穩定性

並不是所有請求都需要最高檔。批次任務如果預設使用 xhigh，可能把大量預算消耗在簡單問題上。更穩妥的做法是按任務複雜度路由模型和推理檔位。

內建工具支援情況

千問 AI 平臺列出的 Qwen3.8-Max-Preview Harness 工具包括：

聯網搜尋；
程式碼直譯器；
網頁抓取；
以圖搜圖；
文搜圖。

這些工具由平臺提供，不等於模型權重內建了瀏覽器或程式碼執行環境。遷移到其他服務商或未來本地部署時，需要重新準備相應的工具、許可權控制和執行沙箱。

涉及程式碼執行和網頁訪問時，還要單獨限制：

檔案系統可讀寫範圍；
網路訪問白名單；
單次執行時間；
子程序數量；
金鑰和環境變數暴露；
下載檔案大小；
高風險 Shell 與 Git 命令。

模型能力更強，不會自動消除工具執行風險。

現在不應下結論的內容

預覽階段最容易出現的問題，是把宣傳資訊提前寫成確定事實。以下內容仍應等待正式資料：

開源許可證

官方表示將開放權重，但具體許可證、可商用範圍、再分發要求和使用限制尚未完整公佈。

本地部署門檻

2.4T 總參數模型即使採用 MoE，也不代表普通工作站能夠執行。是否會同步釋出小參數版本、量化權重和推理框架支援，需要等待模型卡。

完整基準成績

內部任務表現可以用來了解產品定位，但不能代替公開資料集、第三方評測和真實業務迴歸測試。

穩定模型 ID

預覽版可能持續更新，今天與下週呼叫同一個模型 ID，實際能力可能已經發生變化。生產評估應儲存日期、請求參數、輸入樣本和完整輸出。

一套可複用的評估方法

準備 20 至 50 個來自真實業務的脫敏任務，同時讓當前生產模型與 Qwen3.8-Max-Preview 執行。每個任務記錄：

指標	記錄內容
成功率	是否滿足明確驗收條件
首次透過率	是否無需追加提示即可完成
工具呼叫	參數是否正確、是否重複呼叫
延遲	首 Token 與完整響應耗時
消耗	輸入、推理、輸出 Token 或 Credits
穩定性	相同任務多次執行差異
人工成本	修正結果所需時間
安全性	是否越權訪問檔案、網路或金鑰

不要只挑模型擅長的公開題目，也不要用一次成功結果替代重複測試。對 Agent 模型來說，完成率和可恢復性通常比單輪迴答觀感更重要。

常見問題

Qwen3.8 已經正式開源了嗎？

沒有。目前可使用的是 qwen3.8-max-preview，正式版和開放權重仍處於“即將釋出”狀態。

能在 Ollama 或 llama.cpp 中執行嗎？

當前沒有官方 Qwen3.8 開放權重，不能像已開源的小型 Qwen 模型一樣直接下載執行。第三方同名模型也不能視為官方正式權重。

普通 DashScope API Key 能直接呼叫嗎？

官方文件目前把該模型標註為僅 Token Plan 可用。應使用 Token Plan 控制檯提供的專屬 API Key 和 Base URL，並以控制檯實際許可權為準。

預覽版適合替換生產模型嗎？

不建議直接替換。預覽期能力和介面行為可能調整，應先進行固定樣本回歸、成本評估、異常降級和資料合規檢查。

什麼時候釋出正式版？

官方只給出了即將釋出和開放權重的資訊，沒有提供可驗證的精確日期。遇到具體釋出日期傳聞，應等千問官方模型頁、模型卡或程式碼倉庫確認。

總結

Qwen3.8 的熱點是真的，但準確說法應是：Qwen3.8-Max-Preview 已上線，正式版尚未釋出，開放權重仍在等待中。

現在最值得做的不是圍繞參數規模下結論，而是用真實任務驗證它的程式設計、推理、視覺理解和工具呼叫能力，同時儲存完整測試條件。等正式模型卡、權重、許可證和公開基準落地後，再判斷本地部署與生產遷移是否划算。