TLDR: Alibaba 的 Qwen3.8-Max（預覽版，2.4 兆參數，支援多模態：圖片/影片/文件輸入）正面對決 Moonshot AI 的 Kimi K3（2.8 兆參數，即將開放權重，1M 上下文）。Qwen3.8-Max 在多模態與生產力任務上表現出色，預覽定價約為標準費率的 10%；而 Kimi K3 則在部分公開基準與開放性上領先。
兩者皆為今日可透過 API 存取的前沿模型。若需可靠且具成本效益的整合，CometAPI 提供無縫 Qwen 存取、相容 OpenAI 的端點、具競爭力的定價與易於擴充的能力，適合開發者與企業使用。
Key Takeaways:
- 規模與能力：根據 X 的貼文，Qwen3.8-Max 將原生多模態（影像、影片、文件）帶入 2.4 兆參數模型；Qwen3.7-Max 在代理式程式設計與長期任務表現出色。
- 定價與存取：Qwen3.8-Max 具競爭力 API 費率（約 $2.50/$7.50 每 1M 輸入/輸出，且經常有折扣）；可透過 Token Plan/Qoder 以優惠價格預覽 Qwen 3.8。
- 對比 Kimi K3：Kimi K3（2.8T，開放權重 2026/07/27）在多數公開基準上略勝，但 Qwen 在多模態與生態整合更強；在許多 API 情境下 Qwen 更便宜。
- 立即可用：可在 Alibaba Cloud/Token Plan/Qoder 以折扣價預覽；相容 OpenAI/Anthropic API。
- 實用優勢：適合全端開發、辦公自動化、影片分析與 Agent 工作流。
What Is Qwen 3.8 Max?
Qwen 3.8 Max（官方預覽名為 Qwen3.8-Max-Preview）是 Alibaba 的 Qwen 團隊最新旗艦大型語言模型（LLM）。於 2026 年 7 月 19 日前後在上海世界人工智慧大會上宣布，相較 Qwen 3.7 系列在規模上大幅躍進。
核心規格
- 參數量：總計 2.4 兆——是目前公開討論中最大的模型之一，僅次於 Moonshot AI 的 Kimi K3（約 2.8T）。
- 架構：稀疏專家混合（MoE）。每個 token 僅啟用部分參數，以平衡效能與效率（實際啟用參數數量尚未披露——這是推理成本的關鍵細節）。
- 多模態能力：原生處理文字、影像、影片與文件。這是 Qwen 首個超過 1 兆參數且具強大多模態支援的模型。
- 上下文長度：可達 1 百萬 tokens，延續並優化自 Qwen 3.7 Max。
- 變體：旗艦 2.4T Max，另有較小的約 27B 變體供輕量場景使用。
Qwen 3.8 Max 的運作方式：創新與技術優勢
Qwen3.8-Max 發揮 Alibaba 在擴展上的多年專長：
- 巨量規模與效率：透過 MoE 達成 2.4T 參數——每個 token 僅啟用部分專家，以平衡效能與推理成本（類似先前的 Qwen MoE，如 235B-A22B）。
- 混合推理：延續「Thinking/Non-Thinking」模式，可彈性控制深度、速度與成本。非常適合需要多步規劃的代理式任務。
- 多模態整合：文字 + 視覺 + 影片的統一處理。能支援如帶圖片的文件分析或基於影片的推理等更豐富應用。
- 長上下文與代理式重點：針對長期任務（如完整應用複刻、複雜工作流）優化。支援進階工具使用、RAG 與函式呼叫。
- 訓練進展：基於大量多語言資料（119+ 語言）、改良的位置編碼，並採用降低幻覺同時提升 STEM/程式能力的技術。
實際運作方式：
- 輸入 → 分詞器 + 嵌入 → MoE 路由器選擇專家 → Transformer 層處理 → 產生輸出。
- 支援代理式程式設計（如全端專案）、資料分析管線與辦公自動化。
Reddit 社群測試 顯示其在程式與複雜查詢上的原始實力相當可期，但亦有人指出預覽早期偶見思維迴圈。
給開發者的建議：可搭配 CometAPI 等工具，跨供應商統一存取以降低延遲與成本，並在測試 Qwen 的同時對比 Claude、GPT 等模型。
定價與存取：你今天實際可以用到什麼
預覽可用性（截至 2026 年 7 月）：
- Alibaba Token Plan：基於點數的訂閱方案。
- Lite：$6／每週 2,500 點數。
- Pro：$68／每週 40,000 點數（支援 6–8 個並發 Agents）。
- 折扣：預覽期間約為標準定價的 10%。
- 平台：Qwen Chat、Alibaba Cloud、Qoder（程式開發）、QoderWork（生產力）。
- API：相容 OpenAI/Anthropic。尚未公布 3.8-Max 的獨立逐 token 費率（前代約 $1.25/M 輸入、$3.75/M 輸出）。
開放權重：承諾「即將推出」——對自託管/微調而言是重大利多，但硬體需求極高（4-bit 約 1.2TB）。
CometAPI 推薦：若要進入生產，建議避免直接管理多家供應商。CometAPI 提供一把 API 金鑰即可使用 500+ 模型（包含 Qwen 系列），統一計費、端點與可靠性——非常適合在不改動程式的情況下，對 Qwen 3.8 Max 與其他模型做 A/B 測試。非常適合在 Cometapi.com 上構建 AI 應用的使用者。前往 cometapi.com 註冊即可無縫整合。
這讓你在不綁定 Alibaba Cloud 的前提下即可使用 Qwen，對新創與全球開發者相當友善。
Qwen3.8 Max 是否優於 Kimi K3？
就參數數量而言：否
如果問題是「Qwen3.8 Max 的參數是否多於 Kimi K3？」答案很直接：否。據 Qoder 報告，Qwen3.8-Max-Preview 是一個 2.4T 參數的模型；Moonshot 的 Kimi K3 則為 2.8T。僅就總參數數量，Kimi K3 多出 4000 億參數。
但這並不代表 Kimi K3 在每個任務上都更好。參數數量並非唯一指標。訓練資料、架構、專家路由、每 token 啟用參數量、後訓練、推理堆疊、工具整合與上下文管理，皆會影響實際表現。若擁有更佳資料、後訓練、工具或推理時策略，較小的模型也可能在某些任務上擊敗更大的模型。
就公開證據而言：目前 Kimi K3 領先
Kimi K3 目前擁有更完善的公開證據包。Moonshot 的 Kimi K3 指南與技術部落格披露了架構、上下文、視覺能力、專家啟用、API 限制與發佈計劃。OpenLM 的 Kimi K3 頁面也提供跨程式、代理式工作、推理、知識工作與視覺的詳細基準表。Kimi K3 在 Frontend Code Arena 的 1,679 分結果，並總結了模型的 1M 上下文、16/896 專家啟用與定價訊號。
Qwen3.8-Max-Preview 非常重要，但目前預覽的文檔相對較少。當前最強的來源是 Qoder 的發佈頁與 Alibaba Cloud Model Studio 的 OpenCode 設定。這些都很有價值，但在基準細節、啟用參數披露、架構解釋、授權條款或透過 CometAPI 進入生產的細節方面，尚未達到 Kimi K3 的同等層級。
| 面向 | Qwen3.8-Max (Preview) | Qwen3.7-Max | Kimi K3 (Moonshot) |
|---|---|---|---|
| 參數量 | 2.4T | 約 1T+（較早） | 2.8T |
| 多模態 | 是（圖片/影片/文件） | 受限/偏重文字 | 是（原生視覺/3D） |
| 上下文長度 | 大（多模態） | 262K+ | 1M tokens |
| 優勢 | 代理式、程式、效率、 多模態 | 長期代理、推理 | 開放權重、程式競技、推理 |
| 基準測試（示例） | KingBench 表現強（約第 2），內部頂級 | GPQA 92.4, SWE-Pro 60.6 | 多項領先（Frontend Arena），整體具競爭力 |
| 定價（API 約略） | 預覽約為標準的 10% | 具競爭力（約 $1–5/M 混合） | $3 in / $15 out per 1M |
| 存取 | Alibaba 預覽 + CometAPI | Alibaba + CometAPI | 現已提供 API，開放權重即將推出 |
| 最適用於 | 企業級多模態工作流程 | Agent 腳手架、開發 | 自託管、客製化 |
關鍵差異：
- 開放性：Kimi K3 以即將全面開放權重取勝，便於自託管/微調。Qwen3.8-Max 目前為預覽，開放時程待定。
- 多模態：兩者皆強；Qwen3.8 著重影片/文件整合。
- 效能：Kimi K3 經常領先於原始基準（如 GPQA、程式競技場）；Qwen 在代理/生產力腳手架與特定任務（試算表/核心優化）上具優勢，且在許多 API 使用情境更便宜（例如便宜 3 倍）。
- 上下文與速度：Kimi 1M 上下文；Qwen 在長上下文上亦很強（先前為 262K+）。Qwen 較常見輸出速度更快。
- 使用情境：Qwen 適合整合 Alibaba 生態、辦公自動化、多模態企業場景。Kimi 適合開源愛好者與高度客製化。
結論：你是否該採用 Qwen 3.8 Max？
若你重視實驗、程式與多模態需求——尤其是透過 CometAPI 等易於存取的平台——答案是肯定的。它尚未成為封閉前沿模型的完全替代品，但作為一個強大且可負擔的選項，正推動整個生態向前發展。請持續關注其基準與正式發佈。