阿里巴巴近日推出新一代基座大模型Qwen3.8-Max，参数规模达2.4万亿，采用稀疏混合专家架构，单次推理仅激活约950亿参数。这一设计在保持模型性能的同时，将推理延迟控制在极低水平，并支持最长100万Token的上下文窗口，原生具备多模态视觉处理能力。官方测试显示，该模型在编程、办公、科研及长周期任务中的综合表现已跻身全球顶尖行列。
此次发布最受关注的是阿里在商业策略上的重大调整。Qwen3.8-Max的模型权重将于近期开源，这是阿里Max系列旗舰模型首次对外开放。此前该系列仅通过API提供服务，用户无法获取底层权重。这一转变被视为对国产开源模型生态崛起的回应——以DeepSeek为代表的开源方案已通过低成本策略占据市场先机，迫使传统闭源模式重新思考定位。
DeepSeek V4 Flash凭借性能与价格优势引发行业震动后，开源模型的价值被重新评估。尽管开源可能影响短期商业化收益，但其能显著降低使用门槛、扩大海外覆盖范围，并支持跨云平台与异构硬件部署。分析指出，当开源替代方案具备足够竞争力时，闭源模型的高API定价模式将难以持续，战略调整成为必然选择。
阿里巴巴集团主席蔡崇信此前将AI开源企业分为两类：纯模型开发商需直接通过开源变现，面临本质挑战；而像阿里、谷歌这样的全栈科技企业，则可通过云服务、芯片等上下游环节获取价值。这种布局使阿里无需过度依赖API定价，但开源后的竞争焦点转向了推理成本——尤其是当AI应用从单轮对话转向需要反复调用的长周期Agent场景时。
Qwen3.8-Max在成本控制上表现突出，其每百万输出Token成本约6美元，仅为行业标杆模型Fable 5的八分之一。在需要持续迭代、输出长代码的Agent作业中，这种成本差异将直接决定商业模式的可持续性。阿里通过MoE架构优化与软硬件协同的算力生态，进一步压缩了推理开支——旗下芯片公司平头哥实现了从AI芯片到CPU、网卡的自研，7月刚宣布的灵骏真武M890超节点已成功适配该模型。
相比之下，模型创业公司普遍面临算力生态短板。海外开源社区OpenCode披露，DeepSeek V4 Flash因访问量激增出现容量不足问题，导致部分用户报错。这反映出单纯依赖算法优化在应对规模化需求时的局限性，而阿里的全栈能力则为其提供了更稳定的支撑。
Qwen3.8-Max的发布被视为国产模型生态协同的标志性事件。阿里侧重提供高可控、强视觉、长上下文的多模态Agent基座，DeepSeek等则专注于极低算力消耗的推理层，二者形成互补。这种分工正在推动全球中小企业将AI基建转向开源生态，包括头部国产模型自身也在加速这一转型。
