重點摘要： 阿里巴巴的 Qwen3.8-Max（預覽版，2.4 兆參數，支援影像/影片/文件的多模態輸入）與 Moonshot AI 的 Kimi K3（2.8T 參數，權重即將開放，1M 上下文）正面交鋒。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程度上領先。
兩者皆是當前可透過 API 存取的前沿模型。若要可靠且具成本效益地整合，CometAPI 提供與 OpenAI 相容的端點無縫接入 Qwen、具競爭力的價格，以及適合開發者與企業的輕鬆擴展。
關鍵要點：
- 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）帶到 2.4T 參數的模型；Qwen3.7-Max 在代理式編碼與長鏈任務上表現亮眼。
- 定價與存取： Qwen3.8-Max 具競爭力的 API 費率（約 $2.50/$7.50 每 1M 輸入/輸出，常有折扣）；可透過 Token Plan/Qoder 以降低費率預覽 Qwen 3.8。
- 對比 Kimi K3： Kimi K3（2.8T，2026-07-27 開放權重）在多項基準上常小幅領先，但 Qwen 在多模態與生態整合上更強，且在許多 API 場景更便宜。
- 當前存取： 於阿里雲/Token Plan/Qoder 以折扣價預覽；與 OpenAI/Anthropic API 相容。
- 實務優勢： 更適合全端開發、辦公自動化、影片分析與代理工作流。
什麼是 Qwen 3.8 Max?
Qwen 3.8 Max，正式以 Qwen3.8-Max-Preview 亮相，是阿里巴巴 Qwen 團隊最新的旗艦大型語言模型（LLM）。於 2026 年 7 月 19 日前後在上海世界人工智慧大會發布，較 Qwen 3.7 系列在規模上邁出巨大一步。
核心規格
- 參數： 總計 2.4 兆——位列目前公開討論中最大模型之一，僅次於 Moonshot AI 的 Kimi K3（約 2.8T）。
- 架構： 稀疏 Mixture-of-Experts（MoE）。每個 token 僅啟用部分參數，在效能與效率間取得平衡（具體的啟用參數數量尚未披露——推理成本關鍵）。
- 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。
- 上下文視窗： 最多 1,000,000 tokens，承襲並優化自 Qwen 3.7 Max。
- 變體： 旗艦 2.4T Max，另有約 27B 較小變體以覆蓋輕量需求。
Qwen 3.8 Max 的工作原理：創新與技術優勢
Qwen3.8-Max 借力阿里巴巴多年規模化經驗：
- 極大規模與效率： 透過 MoE 達到 2.4T 參數——每個 token 僅啟用部分專家，平衡效能與推理成本（類似先前的 Qwen MoE，如 235B-A22B）。
- 混合式推理： 沿用 “Thinking/Non-Thinking” 模式，以靈活控制深度、速度與成本。特別適合需要多步規劃的代理任務。
- 多模態整合： 統一處理文字 + 視覺 + 影片，支援更豐富的應用，如包含影像的文件分析或基於影片的推理。
- 長上下文與代理聚焦： 針對長鏈任務（例如完整 App 克隆、複雜工作流）優化。支援進階工具使用、RAG 與函式調用。
- 訓練進展： 建立於大規模多語數據（119+ 語言）、改良的位置編碼，以及降低幻覺並強化 STEM/編碼的技術上。
實際運作方式：
- Input → Tokenizer + embeddings → MoE 路由選擇專家 → Transformer 層處理 → Output 生成。
- 支援代理式編碼（如全端專案）、資料分析管線與辦公自動化。
社群 Reddit 測試 顯示其在編碼與複雜查詢上具潛力，但也有早期預覽中的偶發思考循環回饋。
給開發者的建議：與 CometAPI 等工具搭配，統一接入多家供應商，減少延遲與成本，同時將 Qwen 與 Claude、GPT 等並行測試。
定價與存取：你今天實際可用的內容
預覽可用性（截至 2026 年 7 月）：
- Alibaba Token Plan： 基於點數的訂閱。
- Lite：$6 / 2,500 credits/週。
- Pro：$68 / 40,000 credits/週（支援 6–8 個並行 agents）。
- 折扣： 預覽期間為標準定價的 10%。
- 平台： Qwen Chat、阿里雲、Qoder（編碼）、QoderWork（生產力）。
- API： 與 OpenAI/Anthropic 相容。尚未公布 3.8-Max 的獨立每 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/微調意義重大，但硬體需求極高（約 4-bit 時 1.2TB）。
- CometAPI 推薦： 若用於生產環境，避免直接管理多家廠商。CometAPI 一把金鑰接入 500+ 模型（含 Qwen 系列），統一計費、端點與可靠性——非常適合在不改動程式碼的前提下 A/B 測試 Qwen 3.8 Max 與其他模型。Cometapi.com 使用者可註冊以無縫整合。
這讓 Qwen 在無需承擔阿里雲綁定的情況下也能輕鬆存取，十分適合新創與全球開發者。
Qwen3.8 Max 能贏過 Kimi K3 嗎？
就參數數量而言：否
若問題是「Qwen3.8 Max 的參數是否多於 Kimi K3？」答案很直接：否。Qoder 報導 Qwen3.8-Max-Preview 為 2.4T 參數；Moonshot 文檔顯示 Kimi K3 為 2.8T。僅就總參數而言，Kimi K3 多出 4000 億。
但這並不自動表示 Kimi K3 在所有任務更優。參數數量不是唯一評分標準。訓練數據、架構、專家路由、每 token 啟用參數、後訓練、推理堆疊、工具掛載與上下文管理，都會影響實際表現。若數據、後訓練、工具或推理時的思考更佳，較小模型在某些任務也可勝過較大模型。
就公開證據而言：目前 Kimi K3 領先
Kimi K3 目前在公開證據上更完整。Moonshot 的 Kimi K3 指南與技術部落格披露了架構、上下文、視覺、專家啟用、API 限制與發布計畫。OpenLM 的 Kimi K3 頁面鏡像了一份涵蓋編碼、代理、推理、知識工作與視覺的詳細基準表。Kimi K3 在 Frontend Code Arena 取得 1,679 分，並概述模型的 1M 上下文、16/896 專家啟用與定價訊號。
Qwen3.8-Max-Preview 極具意義，但作為預覽，其文檔較少。目前最強的來源是 Qoder 的發佈頁與阿里雲 Model Studio 的 OpenCode 組態。這些很有價值，但尚未提供與 Kimi K3 同等的基準細節、啟用參數披露、架構解釋、許可條款或經由 CometAPI 投產的路徑細節。
| 方面 | Qwen3.8-Max（預覽） | Qwen3.7-Max | Kimi K3（Moonshot） |
|---|---|---|---|
| 參數 | 2.4T | 約 1T+（較早） | 2.8T |
| 多模態 | 是（影像/影片/文件） | 受限/偏重文字 | 是（原生視覺/3D） |
| 上下文視窗 | 大（多模態） | 262K+ | 1M tokens |
| 優勢 | 代理、編碼、生產力、多模態 | 長鏈代理、推理 | 開放權重、編碼競技、推理 |
| 基準（示例） | 強勢 KingBench（約第 2），內部名列前茅 | GPQA 92.4，SWE-Pro 60.6 | 多項領先（Frontend Arena），總體具競爭力 |
| 定價（API 約略） | 預覽約為標準的 10% | 具競爭力（約 $1–5/M 綜合） | $3 in / $15 out 每 1M |
| 存取 | 阿里預覽 + CometAPI | 阿里 + CometAPI | API 現有，權重即將開放 |
| 最適用於 | 企業多模態工作流程 | 代理腳手架、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勝出，適合自託管/微調。Qwen3.8-Max 目前為預覽，開放時間臨近。
- 多模態： 兩者都強；Qwen 更強調影片/文件整合。
- 效能： Kimi K3 常在原始基準領先（如 GPQA、編碼競技）；Qwen 在代理/生產力框架與如試算表/核心優化等特定任務具競爭力，且在許多 API 用例更便宜（如部分對比便宜約 3 倍）。
- 上下文與速度： Kimi 1M 上下文；Qwen 長上下文能力強（前代 262K+）。Qwen 輸出速度常更快。
- 用例： Qwen 適合深度整合阿里生態、辦公自動化與多模態企業場景；Kimi 適合開源愛好者與極致客製化。
結論：是否應該採用 Qwen 3.8 Max？
適合進行實驗與編碼/多模態需求——尤其透過 CometAPI 等易於存取的平台。它尚非封閉前沿模型的完全替代，但作為強大且可負擔的選項，正推動生態向前。請關注後續基準與完整發布。