2.4 万亿参数、仅次于 Fable 5、即将开源——阿里这次口号喊得震天响。我花了一天时间把它翻了个底朝天，说点大实话。

7 月 19 号，千问团队静悄悄地把 Qwen 3.8 Max Preview 扔上了线。没有发布会，没有预热，就一条推文：「这是除了 Fable 5 外最强大的模型」。
2.4 万亿参数，原生多模态，即将开源。
听上去牛逼得不行。但我这个人比较俗，不看广告看疗效。于是花了一天时间，在 Qoder（千问的编程 IDE）和网页版上，把它里里外外测了个遍。
先说结论：能用，有些场景甚至让人眼前一亮。但别急着把你的主力模型切过来，它还是个预览版，坑不少。

先搞清楚：你现在拿到的是什么？
这是一个 Preview 预览版，不是正式版。
什么概念？没有公开的 Benchmark 跑分表，没有技术报告，没有激活参数量，没有开源权重，连许可证长什么样都不知道——这些官方自己都没拿出来。
官方说的是「正式版出了之后会开放完整权重」。
所以你现在拿到手的，跟最终成品可能会有不小差距。举个例子：之前腾讯 Hy3 的预览版和正式版，时隔三个月简直像两个模型。
但 Preview 也不是完全不能用。它已经在千问官网、Token Plan API、Qoder 和 QoderWork 全量开放了。Qoder 里甚至可以直接把上下文拉到 100 万 token（百万字级别），这一点是实打实的。

哪些场景让我觉得「行啊千问」

1. 复杂数据仪表盘——最强的加分项
   第三方评测机构 ZPedia 用一套很硬核的题目测了它。其中一道是：给定 28 条多模型 API 运行记录，制作一个运营驾驶舱，包含五项核心指标、四类图表、三级筛选、异常检测规则和成本模拟器。
   Qwen 3.8 交出了一个 1203 行的单文件 HTML。柱状图、折线图、气泡散点图、环形图，全部用原生 SVG 生成，没有依赖任何第三方库。五项指标默认视图的数值跟标准答案完全一致。
   这说明什么？模型第一反应不是画个好看的壳，而是先把数据层的计算逻辑理顺，再让图表和指标共用同一份状态。 这种「先算对再画好看」的思维方式，在真实业务场景比跑分重要得多。
2. 复杂规则仿真系统——逻辑能力到位
   同一组测试里还有道变态题：给一个 24×16 的建筑网格，12 个人员、4 扇防火门、2 个出口、1 个烟雾源，要求写一个完整的疏散仿真沙盘。烟雾会扩散，门会在特定时间关闭，人要根据当前状态动态重新规划路线。
   Qwen 3.8 用 724 行代码搞定了。不是写死轨迹的那种「伪仿真」，而是建立了网格、门、人员、烟雾、出口六类独立状态，以 0.5 秒为步长推进，用 A* 寻路算法动态计算路径。我们验证了 12 名人员的初始路径长度，全部跟标准答案对得上。
3. 数据到视频的端到端生成
   还有一道题是：给一组 JSON 格式的服务异常和恢复数据，直接生成一支可播放的复盘视频 MP4。
   还别说，Qwen 3.8 真的干出来了——1920×1080、30fps、15 秒、H.264 编码。延迟曲线随时间上升、恢复阶段的指标向改善方向运动、片头片尾文案完整——而且所有文字是程序化绘制的，没有生成式视频常见的跳字和变形问题。
   从结构化数据到一支能直接用的视频，这是一个完整的生产闭环。
4. 网站和前端开发——基本功扎实
   我在 Qoder 里让它做了几个网页。一个个人作品集首页，第一版就带了缓入缓出的过渡动画，审美在线。Qoder 内置了 161 种风格参考（Airbnb、Apple、Figma 等），可以直接套用。
   简单前端需求，它是真的能省时间。

哪些场景让我直摇头

1. 3D 复杂场景——翻车了
   我让它做一个「莫奈吉维尼睡莲花园」的 Three.js 3D 体验场景。提示词写得很详细：整片池塘就是一幅画，水面和花园由漂浮的纯色笔触构成，可以乘船穿行。
   结果？第一次交付完全是碎片在旋转，看不出任何花园的样子。第二次让它修正，勉强能看到桥的形状了，但跟「莫奈花园」的关系大概就是几片绿和几个圆圈。
   跟 Fable 5 的 3D 能力比，差了一个档次。
2. 3D 魔方——直接崩溃
   ZLedia 的评测里，同一套题目下的 3D 魔方任务——需要实现真正可玩的 3×3×3 魔方，包括六面旋转、算法队列、撤销重做、25 步确定性打乱。
   Qwen 3.8 在分析阶段表现得相当出色：它主动检查了动画速度、非法算法拒绝、撤销重做历史、Promise 语义等。看思考过程，你以为稳了。
   结果写到一半直接 Internal error: terminated。
   这对于开发者意味着什么？你花了 token、时间，眼看着推理质量很高，结果最后一步崩了，前功尽弃。这种不稳定性，是真没法放进工作流里。
3. 视觉还原——八成功力，差两成细节
   让它复刻 NASA Webb 太空望远镜的网页——结构识别得很准，双层导航、正文区域、八类图片分类，全对。Logo 用 SVG 重绘、底部天文图用 Canvas 生成，断网也能看。
   但整体缩小了一圈。 它知道页面上有什么，但不知道这些东西在屏幕上该占多大。留白不够、对比度偏低、信息密度差了那么一口气。
   简单说：能用，但不精致。
4. 速度慢
   多个评测都提到同一个问题——它比 Kimi K3 慢。一个 3D 任务，深度思考能跑几十秒，出来的结果还不一定对。对需要快速迭代的场景，这个等待成本不小。
5. 幻觉率偏高
   有评测指出，Qwen 3.8 Preview 的幻觉率不低，尤其长任务中容易出现编造。Kimi K3 的幻觉率虽然也高（51%），但至少基准性能更强，容错空间大一些。

一张表说清楚：Qwen 3.8 vs 竞品

我的真实建议
什么人现在可以试试：

你已经在阿里云生态里，百炼平台上跑着其他千问模型，想看看新旗舰的能力天花板在哪

你做的工作偏数据分析、报表生成、API 数据转可视化，Qwen 3.8 在这个领域确实有新意

你对视频自动生成有需求，5 个 Case 里视频那道表现最完整

你就是好奇，拿 Token Plan 的免费额度玩玩——反正不亏
什么人千万别急着换：

你的生产环境跑了千问 3.7，稳定运行中——别动。3.7 是成熟产品，3.8 是 Preview，两者可能差一个季度以上的打磨。

你做 3D 网页、游戏原型、视觉设计类任务——目前的 3.8 Preview 还不如 Kimi K3

你需要把模型部署在自己服务器上——权重没出来，就算出来了，2.4T 参数你也没法跑

你的工作流有交付截止日期——一次崩溃就够你受的
你在做财务、医疗等对幻觉零容忍的场景——Preview 的幻觉率还不靠谱
最后一句话
Qwen 3.8 Max 不是一个能「平替 Fable 5」的模型，但它确实在某些领域（数据结构化、Agent 长程逻辑、数据到视频）做出了让人愿意继续关注的东西。
问题在于，现在拿到的只是一个 Preview，而且 Preview 和最终版可能差很远。
所以我不会说「赶紧上车」——我会说「再等等，等正式版和权重出来，看独立评测机构的分数，再决定要不要认真用」。
这批国产万亿模型（Kimi K3、Qwen 3.8、DeepSeek V4 正式版）的节奏已经越来越快。再过一两个月，这片天可能又不一样了。

以上数据均采用与芯云token调取www.xinyuntoken.com/sign-up?aff… Kimi K3 或其他模型，欢迎在评论区交流测试方法和结果。