Qwen3.8：已確認之事項、缺失之處與待測試項目

Qwen3.8 是人工智慧新聞報導領域的完美測試樣本。不僅有真實的預覽內容、可實際體驗的產品測試資格，還有阿里巴巴針對模型規模所發布的正式聲明。與此同時，網路上也湧現越來越多言之鑿鑿的貼文，補齊了諸如遺漏的發布日期、架構細節、基準測試獲勝紀錄，以及模型權重釋放計畫等各項資訊。

真正有意義的問題並非「Qwen3.8 是假的還是已經釋出？」，而是「Qwen3.8 的哪些層級可供使用，以及我們在選用它之前還需要哪些佐證？」

一分鐘內的狀態

Qwen3.8-Max-Preview 在2026年7月24日的狀態：於精選阿里巴巴產品中開放預覽。 阿里巴巴的預覽服務據報可透過Token Plan、Qoder及QoderWork取得。阿里巴巴將其描述為擁有2.4兆參數的模型，但截至截稿當日，完整架構、訓練方式、獨立基準測試結果、定價、正式上線（GA）以及開放權重的相關細節並未全部對外公布。南華早報：阿里巴巴預覽Qwen3.8-Max-Preview

這類用詞至關重要。「已發布」、「預覽版」、「透過指定產品開放」、「全面開放」以及「開放權重」分別代表不同層級的存取權限。某個模型可能可在某項訂閱制產品中使用，但對應的權重檔、技術報告、公開API或企業級服務等級承諾卻仍未提供。將這些階段視為可互換使用，正是讓一份實用的模型使用指南淪為錯誤資訊的原因。

已確認：代理程式生態系統中的 Max Preview

Qwen3.8-Max-Preview 已透過阿里巴巴的 Token Plan 以及 Qoder 與 QoderWork 智能代理產品問世。7月21日發布的 Qwen Code 文件個案研究，也在真實工作流程中提及了 Qwen 3.8-max。這項資訊佐證了預覽模型正在被使用的說法；但僅憑此本身，並無法證明其具備全面的 API 存取權限或是開放權重釋出。Qwen Code 文件：Qwen3.8-Max 個案研究

這種存取模式顯示阿里巴巴正在測試可觀察程式碼、工具與工作流程整合的模型。這或許比公開聊天示範更具價值，但預覽版使用者應預期識別碼、限制、運作行為與定價都會有所變更。

遺失：耐久索賠所需的套件

截至7月24日，開發人員仍缺乏審查廣泛效能聲明所需的完整官方資料：詳細的技術報告、完整的模型卡片、可重現的評估結果、最終的API生命週期，以及已交付的開放權重套件。報導指出阿里巴巴打算釋出權重，但「打算」與「已釋出」是兩種不同的表述。

請勿在缺乏測試條件的情況下抄襲所聲稱的排名。參數數量同樣不屬於品質評分指標。稀疏激活、數據、訓練後處理、上下文處理、工具套件以及推論設定，其重要性可能遠勝於龐大的參數總數。

預覽版使用者應測試的項目

在符合其定位的任務上使用 Qwen3.8-Max-Preview：多檔程式碼變更、工具驅動式研究、長指令，以及 Qoder 內的代理工作流程。評估非預期編輯、測試通過率、工具呼叫復原率、延遲時間，以及人工審查。

不要僅因為少數幾個對話中的預覽體驗不錯，就遷移受規範或營運至關重要的流量。請詢問數據的處理地點、適用的保留條款、預覽變更的公告方式，以及是否可以釘選模型版本。

一種實用的 Qwen3.8-Max-Preview 評估方式

不要以排行榜開頭。從你自己的工作中提取任務包作為開頭：十個具代表性的輸入、預期結果、時間限制，以及一小部分不可接受的失敗狀況。針對程式碼代理程式，需包含除錯作業、小型功能、測試修復，以及程式倉儲導航任務。針對研究工作，需包含答案會隨時間改變的問題，並且需要附有連結的參考來源。針對文件處理工作，需包含混亂的表格、掃描頁面，以及相互矛盾的指示。

以相同的上下文、工具、權限與成功標準來執行每個候選模型。記錄任務完成狀態、人為修正時間、延遲時間、令牌使用量以及工具呼叫失敗次數。最後兩項很容易被忽略，但它們往往才是決定實際帳單金額的關鍵。能夠一次順利完成任務的模型，可能比那些會重複循環、不必要改寫檔案，或是需要反覆提示的低價模型更省成本。

對於具重大影響的工作，應讓人類審核人員納入決策迴圈之中。AI模型可能會輸出看似合理卻不正確的解釋、誇大其聲稱已驗證的內容，或是做出符合技術規範但違反商業規則的變更。最安全的正式環境設計應讓代理程式僅具備所需權限、記錄所有操作、在執行不可逆步驟前要求核准，並讓回滾作業更為容易。

最後，在針對模型或測試架構進行重大更新後，重新執行測試。代理程式的效能是整個系統的屬性——包含模型、提示詞、工具定義、上下文管理、執行階段與核准原則——而非僅僅取決於模型名稱。其他公司環境中獲得的測試結果僅為參考佐證，無法保證您的環境也能達到相同表現。

大多數團隊都應該做出的採購決策

選擇一套模型組合，而非單一頂尖模型。針對失敗代價高昂或任務異常艱難的少部分工作，使用性能強大的前沿模型。將常規分類、資訊擷取、翻譯以及初稿撰寫等工作，交由速度更快的模型處理。為因應服務中斷、容量限制、政策變更以及價格突然波動等狀況，請至少保留一個替代供應商或自行託管的選項。

在簽署重大合約前，請計算每個已承接任務的成本，而非每百萬令牌的成本。需納入重試次數、工具呼叫、快取輸入、人工審核、工程時間，以及緩慢回應的相關成本。接著確認資料留存、區域處理、存取控制、稽核紀錄、速率限制，以及模型終止支援條款。這些營運細節鮮少在產品上架當日成為新聞焦點，但它們才是決定AI工作流程能否順利運作於正式生產環境的關鍵。

專業化產品在特定階段的表現，往往勝過單一通用模型。通用模型可負責研究概念、整理提案大綱或核對計畫，而專注於創作、編碼、法律或分析領域的產品則能處理執行環節。最佳工作流程通常會結合具備明確功能邊界的工具，而非強迫所有步驟都透過同一個聊天機器人處理。這也讓工具替換變得更輕鬆：團隊可升級單一階段，無須重新設計整個流程。

Elser AI 可自然融入之處

Preview testing is most useful when it targets the right stage. Qwen3.8-Max-Preview may help with coding or orchestration, while Elser AI can handle a visual stage centered on anime, original characters, videos, or storyboards. Keeping those roles separate makes each result easier to evaluate.