實測Qwen3.8預覽版：2.4T參數，聽說僅次于Fable 5？

7月19日，阿里千問在X上發了一條推文。

「Qwen3.8即將推出并開源權重，憑借龐大的2.4T參數，我們相信它是當今最強大的模型之一，僅次于Fable 5」。

一句話，兩個信息：第一，2.4萬億參數；第二，全球第二。但你翻遍這條推文的評論區、Qwen的GitHub倉庫、官方博客、阿里云開發者社區，找不到任何一張benchmark對比圖。沒有MMLU分數，沒有SWE-bench排名，沒有Arena Elo，什么都沒有。

一個號稱「僅次于Fable 5」的模型，卻沒有公開任何性能數據。這就很有意思了，所以我們干了件最簡單的事：自己測。

官方說了什么？

先看看阿里官方到底公布了哪些信息。

在阿里云開發者社區的文章里，Qwen3.8被描述為一款「2.4T參數級全模態旗艦預覽模型」，原生支持文本、圖像、視頻、文檔處理，128K標準上下文窗口，可拓展至1M token。相比前代Qwen3.7-Max，「實現全方位跨越式升級」。

聽起來很美好，但仔細讀完整篇文章，你會發現一個規律：所有的性能描述都是定性的，沒有一個是定量的。

「綜合編碼實力遠超前代版本，達到行業頂尖水準」，具體在哪個benchmark上超了多少？沒說。

「長周期智能體自治能力大幅強化」，跟誰比？強了多少？沒說。

「綜合實力比肩全球前沿頂級AI模型」，哪個模型？差多少？還是沒說。

整篇文章最精確的數字，是定價：日間1折，夜間0.2折。這不是技術發布，這是營銷文案。

阿里自己也說了，這是個預覽版，模型「將以天為單位快速進化」，翻譯成人話就是：后訓練還沒做完。

所以核心問題就變成了：這個沒做完的預覽版，到底能用嗎？既然官方不給數據，我們自己測。

我們測了什么

我們設計了5項測試，按場景分類：

01-03：編碼與Agent核心能力，驗證官方主打的強項。04：3D浮島創意項目，用GPT-5.6和Kimi K3的同一道題，原題復現，看編碼能力的天花板。05：深度分析寫作，看看非編碼能力到底是不是短板。

測試平臺是Qoder，模型版本Qwen3.8-Max-Preview。所有測試都是首輪結果直接記錄，不修不改。

基礎編碼：夠硬

第一道題是LRU Cache，用Python實現，要求O(1)時間復雜度，附帶5個測試用例。

Qwen3.8選了哈希表加雙向鏈表的組合，技術選型沒有問題。代碼直接復制到本地就能跑，5個測試用例全部通過。數據結構嚴密，邊界處理也到位，比如key不存在時返回-1。對于基礎算法題，沒什么好說的，過了就是過了。

全棧開發：14個文件，一把跑通

第二道題是完整Todo應用，前端React加TypeScript，后端Flask，前后端對接完整，再加啟動說明，一次性給出所有文件。

Qwen3.8生成了14個文件：11個前端組件加配置，2個后端文件，1個README。npm install之后前端正常啟動，Flask后端也跑起來了，前后端對接沒有問題。

UI這塊，說實話比預期的好。簡潔的現代風格，鼠標懸停的過渡動畫做得挺到位，篩選功能的交互邏輯也正確：全部、已完成、未完成三個Tab切換流暢。

有個細節，前代Qwen3.7系列在HN上被用戶評價為「完全不可用」，理由是「偏離軌道、死循環、無法調試」。從3.7到3.8，至少在Todo這種中等復雜度的全棧項目上，進步是肉眼可見的。

Agent任務：Cowork確實是真本事

第三道題是官方最引以為傲的Cowork場景，給Qwen3.8一個真實的GitHub倉庫鏈接，讓它先分析結構，再找3個bug，最后給出修復方案。

我給的倉庫是GangBeng，一個相對小眾的Python做的拼豆網站項目。

第一步分析倉庫結構，模型正確識別了項目的主入口、核心模塊、配置文件和依賴關系，沒有胡編。第二步找bug，提了3個問題：一個資源泄漏，一個異常處理缺失，一個類型推斷問題。逐個驗證了一下，都是真實存在的。

然后我讓它把倉庫克隆到本地，按方案修復bug。它完成了，修復后的代碼能成功運行。

結合起來看，Qwen3.8在編碼和Agent任務上的表現是扎實的?；A算法能過，全棧項目能跑，Agent也能多步執行。至少在純編碼場景下，「僅次于Fable 5」的差距可能沒有想象中那么大。但真正的好戲，在下一道題。

3D浮島：翻得很徹底

這是文章最核心的一個對比。

兩周前我們測GPT-5.6的時候，用了一個3D浮島創意作品集的Prompt。完整的技術棧：React加Three.js（React Three Fiber），要求程序化生成浮島、滾動驅動相機敘事、Bloom后處理、交互物件、性能優化，難度標簽是四星。

GPT-5.6 Sol當時的成績：功能完整度18/20，大部分Prompt要求都實現了，甚至自動加了背景虛化這種沒要求的細節。GPT-5.6 Luna雖然最便宜，至少邏輯是對的，轉場也還在。GPT-5.5雖然顏色審美一言難盡，但鏡頭推拉和物件交互都能正常運作。

甚至在后續給Kimi K3的時候完成的比GPT要更好。

同一道題，同樣的Prompt，給了Qwen3.8。

跑起來了，npm install沒報錯，npm start也啟動了。島確實浮在空中，有幾棵樹，有些草，有個島的模樣，靜態場景還算能看。

但到此為止。

四個滾動章節？沒有鏡頭變化。相機只是在原地不動，你滾你的，它看它的。展示物件倒是擺了三四個，但鼠標懸停不發光，點擊不拉近視角，emissive增強完全沒生效。Bloom后處理在哪里也不知道。螢火蟲粒子沒有，云霧淡出也沒有。

測試過這個Prompt的6個模型里（GPT-5.5加5.6三個變體，Kimi K3，Qwen3.8），Qwen3.8的成品是最差的一個。這不是「審美不好」的問題，是邏輯都沒有跑通。GPT-5.6 Luna再簡陋，至少把滾動驅動的框架搭出來了，物件能交互，相機能動。Qwen3.8只完成了3D場景的靜態渲染部分，剩下所有涉及動效和交互的需求，基本沒做。

這完美解釋了為什么阿里自己不提非編碼能力。3D場景的動效和交互需要的不是純粹的代碼邏輯，而是對視覺效果、用戶體驗、設計品味的綜合判斷。這部分能力，恰好是后訓練還沒覆蓋到的。

非編碼寫作：意外的亮點

但最后一題，畫風突變。

我讓Qwen3.8寫一篇1500字以上的分析文章，主題是2026年上半年中國AI大模型密集發布潮。同樣的Prompt，之前讓GPT-5.6跑過，結果是一篇典型AI文：每段只有一句話，滿篇「不是而是」句式，讀到一半就想關。

Qwen3.8這篇，不能說驚為天人，但至少有模有樣。段落結構合理，論證有層次，從資本驅動、技術追趕、市場需求三個角度拆解了密集發布潮的原因。引用的數據大多是真實的（抽查了兩個數據點，都能搜到原文）。最關鍵的是，沒有那種「值得注意的是」「不可否認」「綜上所述」的AI套話味。

分析深度打個4分，比GPT強，比Fable 5還是有差距，但考慮到這是以編碼為主打場景的模型，文章質量已經超出了預期。

這個結果其實有點意外，非編碼能力是Qwen3.8明確承認的弱項，但具體到中文長文寫作這個子場景，表現反而不錯?？赡艿脑颍褐形膶懽鞯挠柧殧祿旧砭陀袃瀯?，而且這個任務不涉及復雜的邏輯推理或多模態處理。

所以Qwen3.8到底排第幾？

回到文章標題的問題。要給出一個誠實的排名，得分場景來看。

純編碼場景下，Qwen3.8跟Kimi K3同一梯隊，跟Fable 5的差距在10幾個百分點左右，屬于「同一級別但略弱」的范疇?？紤]到當前預覽版近乎免費的定價，性價比極高。如果你的工作流以寫代碼為主，它完全夠用。

Agent任務上，Qwen3.8的表現甚至可能是這個價位上最好的選擇。我們的實測中，Cowork場景的多步自主執行確實靠譜，從分析倉庫到修復bug全程沒有斷鏈。

但如果你需要創意編程、3D可視化、前端動效這類編碼加審美的復合型任務，現階段Qwen3.8還差得遠。不是參數不夠，是后訓練還沒做完。你用它能搭出一個功能完整的全棧應用，但不要指望它能生成一個讓你「臥槽」的3D場景。

至于「僅次于Fable 5」這個說法，在編碼維度上基本站得住，但在全面評測的場景下，水分不小。沒有公開的benchmark數據、沒有技術報告、沒有模型卡，只靠一條推文和一篇營銷文案立Flag，這種發布方式本身就說明：阿里自己也知道，東西還沒做完。

正式版預計一個月后發布，屆時會開源。如果后訓練能補上非編碼能力這塊短板，定價保持目前策略，Qwen3.8確實有機會成為Fable 5之外最實用的選擇。

但不是現在。

這件事還有一層更大的背景，就在Qwen3.8發布的同一周，Kimi K3（2.8T）和DeepSeek V4也相繼亮相。三天三連發，全部逼近或突破2萬億參數。

中國模型在參數規模上已經不輸硅谷，性能差距收窄到個位數百分點。但Qwen3.8這次「裸奔式」的發布，有參數沒數據，有口號沒證據，暴露了一個問題：造出大模型的能力是有了，但把模型打磨到能拿上臺面接受公開審視的能力，還在路上。

預覽版也好，限時1折也好，本質上是一次大規模公測，阿里需要用戶反饋來完成最后那一輪打磨。

而我們這些用戶，就是打磨過程中的小白鼠。

以上，既然看到這里了，如果覺得不錯，隨手點個贊、在看、轉發三連吧，如果想第一時間收到推送，也可以給個星標?～

謝謝你看這篇文章，我們，下次再見。

>/ 作者：高曉陽