阿里巴巴推出的 2.4 万亿参数大模型 Qwen3.8-Max 本周登场， 恰逢中国大模型在美国企业市场的调用份额攀升至最高约 46%，对OpenAI的 GPT-5.6 形成正面挤压。
要点速览：
- 阿里巴巴 Qwen3.8-Max 标称总参数量 2.4 万亿，每次推理仅激活约 950 亿参数，官方承诺下周开放权重。
- 在阿里自行公布的代理式编程基准测试中，GPT-5.6 Sol 依旧领先，但优势不大，且尚未获独立实验室复现。
- 随着中国模型不断抢夺调用量，OpenAI 在 7 月 30 日将其最便宜档位价格下调了 80%。
Qwen3.8-Max 跑分对标 GPT-5.6 Sol
阿里巴巴于 8 月 3 日正式发布 Qwen3.8-Max， 采用 Mixture-of-Experts（专家混合）架构：整体规模 2.4 万亿参数，但单次请求只激活约 950 亿， 在性能与成本间做平衡。
公司表示，其旗舰模型以及一款 270 亿参数的精简版本都将于下周开放权重，扭转此前高端模型一律“闭源”的策略。 阿里同时公布了完整的基准测试表。
跑分显示，Qwen3.8-Max 在代理式编程评测 Terminal-Bench 2.1 上取得 86.6 分， 而 OpenAI GPT-5.6 Sol 以 88.8 分小幅领先。在 SWE-bench Pro 代码修复基准上， Qwen3.8-Max 得分 67.7，对比 Anthropic 的 Claude Fable 5 的 80.0； 在 OSWorld-Verified 计算机操作评测中，它则声称 取得 86.1 分，高于 Sol 的 83.2。
目前尚无独立机构复现实验。阿里称，该模型曾在无人干预的前提下，用 16 天从零构建一款命令行工具， 自动将用户请求转化为可运行代码并自行完成测试。开发者社区则对这一展示过程以及授权条款提出质疑。
延伸阅读：iPhone 18 Pro Max 或将首发苹果 2nm 芯片，性能提升 15%
Ion Stoica：中美大模型差距收窄到“季度级”
加州大学伯克利分校计算机科学家、Arena 基准平台联合创始人 Ion Stoica 近期在 7 月底接受采访时判断， 中国开源权重模型与美国前沿实验室的代际差距，已从此前估计的 6–9 个月收窄至 2–3 个月。 这一下调，与过去一年 DeepSeek 和 Z.ai GLM 系列连续开源高性能模型的节奏基本吻合。
“真正起作用的是价格。”负责 Vercel 代理式基础设施的 Harpreet Arora 指出， 工程团队正把大部分常规任务路由给“只要便宜且能过关”的模型。 OpenRouter 的 Justin Summerville 则通过平台数据测算， 开源的中国模型整体价格比美国主流产品低 60% 至 90%，路由策略自然“用脚投票”。
GPT-5.6 价格战：守住高端，放血低端
为应对价格压力，OpenAI 于 7 月 30 日宣布 将 GPT-5.6 家族中的 Luna 档位价格直降 80%，调整后输入端为每百万 Tokens 0.20 美元， 输出端为每百万 Tokens 1.20 美元；中档 Terra 下调 20%，而旗舰 Sol 则维持每百万输入 5 美元、 每百万输出 30 美元的高价不变。
这一定价策略意在维持顶级模型的溢价形象，同时以低价型号在中低端“走量”， 对冲中国实验室在今年以来不断蚕食的调用份额。
来自一大型路由平台的数据显示，中国模型在美国开发者流量中的占比， 已从 2025 年上半年约 4.5% 的 Token 量，跃升至今年 2 月以来每周稳定超过 30%， 峰值达到 46%。斯坦福大学研究人员在 3 月发布的报告则记录， 顶级美国模型在综合基准测试中的领先优势已收窄至 2.7 个百分点， 而 2023 年这一差距一度高达 31.6 个百分点。