Qwen3.8-Max：编码与协作的新标杆

原文 ↗ Hacker News 讨论 ↗

阿里巴巴发布 Qwen3.8-Max —— 一款面向编码与“协作”的高端 AI 模型，承诺开放权重，并将推出 27B 版本 —— 被视为中国主导的开源权重模型在能力与价格上向西方闭源系统逼近的重要一步。评论者将 Qwen 与 Kimi K3、DeepSeek、GLM 以及 Claude、GPT 等前沿模型进行比较，讨论它在编码、本地部署和长周期 agent 工作中的位置，以及廉价而强大的中文模型如何在定价与监管上对美国实验室形成压力。一个反复出现的主题是：消费级或准专业硬件上的本地模型，是否在经济上足以与云端 API 相抗衡，以及广泛自动化对软件岗位、企业锁定和未来 AI“护城河”（算力、数据或工具链）意味着什么。

模型发布与开放性

  • Qwen3.8-Max 被描述为新的旗舰，Max 级模型的开源权重承诺在“下周”推出；同时也宣布了一个 27B 开源权重版本，并受到广泛期待。
  • 用户澄清 7 月的“Max-Preview”只是更早的一个检查点；这次才是完整发布。
  • 很多人希望其许可证能与早先 Apache 风格的 Qwen 发布保持一致；也有人将其与 Kimi K3 更严格的商业条款以及 GLM 5.2 的 MIT 许可证进行对比。

性能、定价与对比

  • Qwen3.6‑27B 和 35B-A3B 已经是很受欢迎的本地模型，常被称为编码和 agent 的最佳“日常主力”；27B 稠密模型经常被认为比 35B MoE 更聪明、更连贯，而后者更快，也更适合 agent。
  • 据称，Qwen3.8-Max 在早期 anecdote 中，编码和视觉任务的表现接近顶级闭源模型，不过也提到了 harness/工具链问题（超时、桌面应用不稳定）。
  • Qwen Cloud 的定价被提到为：输入 $2/M、输出 $6/M、缓存 token $0.25/M——与 Kimi K3 和 DeepSeek 相比具有竞争力；也有人说对于很多工作负载，DeepSeek Flash 仍然更便宜。

本地 vs 云端、硬件与经济性

  • 许多人在 Mac、RTX GPU、Strix Halo，或 CPU+GPU 混合设置上本地运行 Qwen 3.6（27B/35B）；量化（4–8 bit）和 MoE 是把大模型塞进 16–64GB RAM 的关键。
  • 一些人认为本地模型主要用于隐私、控制权和兴趣爱好；按每 token 的纯成本看，廉价托管的中文模型通常更划算，尤其在带缓存时。
  • 也有人声称，对于高强度使用的企业，自托管强大的开源权重模型（中文或其他）可以压低前沿 API 成本，并在谈判中提供杠杆。

编码、agent 与工作流

  • Qwen 模型被大量用于结合 harness 的 agentic 编码（例如基于 Pi 的系统）；像“oh‑my-cli/oh‑my-pi”这样的长周期自主运行让一些人印象深刻，但也凸显了可靠性问题。
  • 不少人表示，AI 让工作量变大了：任务更多、完成更快，期望值也被不断抬高，而不是腾出时间去做爱好。
  • 关于是否会出现真正意义上更小的专门“仅编码”模型，存在争论；大多数人认为，通用世界知识会明显提升编码能力。

地缘政治、监管与护城河

  • 许多人认为，中国的开源权重模型（Qwen、DeepSeek、Kimi、GLM）正在推动推理价格战，并侵蚀美国闭源实验室的护城河。
  • 也有人认为，如今的护城河在于算力获取、专有 RLHF 数据、企业集成、监管俘获，以及 harness 层面的锁定（不可移植的会话状态）。
  • 关于美国或欧盟限制中国模型或开源权重的可能性，讨论很多；其可行性与可执行性也成为热点争论。