QWEN 3.8 MAX · LONG-RUN AGENT 国产模型 集体飞升了 2.4T 参数，把长任务一路跑到底 RESEARCH / SKILL / BUILD / VERIFY 2.4T PARAMETERS 1M CONTEXT QWEN 3.8 MAX 12 份年报 RESEARCH → SKILL 桌宠工程 CODE → VOICE GOAL · COMPLETE
PART 01
年报训练
12 份研究沉淀 Skill
PART 02
视觉揭晓
Qwen 对阵 GPT
PART 03
桌宠工程
接手代码再加语音
大家好啊，我是刚逛完 CJ 展的甲木。
上回刚聊完 Kimi K3，转头Qwen3.8-Max 正式版也到了……好家伙，国产模型开始集体飞升了是吧。
WAIC 逛展的间隙我就测了 Qwen3.8 的 Preview 版本，这次正式版终于发布了，苦等好久……
之前写模型，我基本都在横评，同一道题，几个模型各跑一遍，比个高下。说实话，你们看腻了，我也写腻了，横评我是真测不动了，想 Case 想得头秃，灵感也枯竭了。
所以这次换个玩法：不横评。我给它一个从 0 到 1 的长任务，然后直接让它自己执行，能不能一路跑到底。
它是谁，先两句交代完。8 月 3 日，阿里发布 Qwen3.8-Max 正式版：2.4T 总参数、1M 上下文，编程和办公能力都大幅提升，整体站在全球第一梯队。还放了个话：一周后开源。
呜呼，熟悉的「源神」又要回来了！
Ps. 去年做企业落地的时候，Qwen 32B 简直是 yyds……
由于是多模态模型，图、视频、PDF，它都能读。想上手玩的话，可以订阅 Token Plan，千问办公、Qoder、千问APP 里也直接能用。
先说感受：整体水平站在全球第一梯队里不虚，部分场景中效果比肩 GPT-5.6 Luna还是能打一打的。比如，下面这个从 0 到 1 的长任务，就是 Qwen3.8-Max 自己跑的。
先看成品，顺便大家可以来猜一猜。
下面这六张，是六份 AI 生成的年报，我打乱了——三份 Qwen，三份 GPT。你先猜一下，最后我再揭晓答案。
PART
01
AUTONOMOUS RESEARCH
撒手，让它自己学会做年报
我之前不是跟小李一起在折腾公众号排版助手嘛，其实最大的问题就是AI 排版还是差点意思。所以我也一直在琢磨一件事：怎么给 AI 补上审美和排版这门课。
找着找着就盯上了年报——这玩意儿天生就是排版的天花板，讲究、克制、信息密度高，拿来喂给 AI 当教材正合适。
于是这次我让 Qwen3.8-Max 接一个从 0 到 1 的任务：我先自己画好范围，让 Qwen3.8-Max自己搜、自己下、自己读，最后自己沉淀出一套做年报的 Skill。
PROMPT · MARKDOWN LONG-RUN GOAL
先用 /goal 设立目标：研究世界级年报的视觉语言，沉淀为可复用 skill，并据此制作三个完全虚构的 HTML 年报案例。 不要问我，自己完成第一阶段：只做调研与 skill，不做案例页面。 研究范围要广，至少覆盖 10 份公开年报/股东信，且必须横跨： - 美国科技与消费品牌 - 欧洲能源/工业/可持续企业 - 日本或北欧设计导向企业 - 中国互联网、制造、消费企业 - 强监管披露型报告与强品牌叙事型报告 每份研究必须： 1. 使用官方来源； 2. 实际打开 PDF，并渲染/查看至少封面、财务摘要、经营讨论、一个图表页、一个表格页；不能只看网页摘要或元数据； 3. 在 references/research-cards/ 下写研究卡：来源链接、实际观察到的页面、字体层级、网格、色彩、图表、图片使用、表格规则、适用场景、不适用场景、no-copy 规则； 4. 不复制真实文本、数字、图形、Logo、插画或图片。 随后创建 nianbao-skill/： - SKILL.md：端到端工作流与硬约束； - references/：视觉研究卡、版式语法、图表规范、设计 token、图片与插画决策规范； - 明确规定：图片必须服务叙事；优先 CSS、内联 SVG、自制数据图；只使用可验证授权的开放素材；找不到合法且合适的素材时，零图片是正确答案； - 明确禁止：儿童手绘感、emoji、廉价 stock 图、无来源素材、把真实公司视觉资产搬进虚构案例。 最后自检 skill：它必须能指导另一个 agent 独立完成高质量年报，而不是一份审美口号。发布任务后，因为 Prompt 里面的约束很详细和完善，我倒头干别的活去了。
接下来就该 Qwen3.8-Max 发挥，它干的第一件事，是并行。它自己作为主 Agent 负责调度，一次放出6 个研究代理，分头去啃 6 家公司的年报。而它自己呢，就等完成通知，逐个审阅结果，颇有一番领导的派头。
不过从工程化的角度上来讲，让子 Agent 去执行，就不会过多占用主 Agent 自己的上下文。使得主 Agent 能聚焦于调度，更加长程地完成任务。
两波下来，Qwen3.8-Max 一共下载、研究了12 家公司的年报：腾讯、小米、无印良品、可口可乐、耐克、阿里巴巴、宜家、壳牌、李宁、联合利华、Alphabet，还有一家丹麦的新能源公司 Ørsted。
横跨中美欧日，监管披露型和品牌叙事型，两种都覆盖到。
12 份年报读完，它照着 Prompt 的要求，把方法沉淀成了一个 Skill：一份 SKILL.md 八阶段工作流，外加六份参考文档、十二张研究卡。
有一个细节我觉得挺值得一讲的。我给的那份 Prompt，主要在于指导 Qwen3.8-Max 如何设计 nianbao Skill，至于“做出来的年报算不算过关”，我没怎么立规矩。
可它交回来的 Skill，严格规定了输出年报的规范。顺手把做到什么程度才算验收通过也补上了，而且补得比我想的还细，它替我回答了“什么样的年报才算拿得出手”。
SKILL.md 里专门有一节叫「质量门控」：要求所有使用这个 Skill 生成年报的 AI，要在提交前逐条过清单，如果任意一项不过，就不提交。
PART
02
VISUAL REVEAL
揭晓，挑一份给你看
还记得开头那六张打乱的年报吗？现在揭晓答案。
同一份 Skill、同一类任务，两边各做三份，一起摆到你面前。说句我自己的偏好：这六份里Qwen 的视觉我更买账。GPT 赢在克制、稳当，挑不出毛病；
Qwen 赢在愿意给每个品牌名字长出一套专属的视觉，整体来看 Qwen 的视觉效果更胜一筹。怎么样，没猜到吧？Qwen 的效果还是很强的。
六份里我挑一份给你看：Qwen 做的远净循环。
补一句为什么这事对模型挺难。审美没有标准答案，也就没有分数能对着优化，它得自己把「高级感」拆成一条条能执行的决定。
PART
03
EXISTING CODEBASE
桌宠加试，工程先跑通了
Qwen3.8-Max 可以完成从 0 到 1 的任务。但平时大多数 Vibe Coding 不是从 0 到 1，更多时候是接手一份写好的代码，在上面修修改改。
之前不是流行 Codex 桌宠嘛，我就找了个开源项目 Petdex，让 Qwen3.8-Max 先读项目，再接新皮肤和中文语音。打算是给自己做两个美美的陪伴桌宠，顺便时刻提醒我 Vibe Coding 干到哪一步了（严肃）。
我先自己生成了两张图片，后面全让 Qwen3.8-Max 自己折腾。
Qwen3.8-Max 加的是配音这一层，它读完代码发现各家工具都往同一份state.json 写状态，就让语音去读它，于是谁在跑配音就跟着谁响，跑完还会出声提醒你一下，人不在屏幕前也能收到。
来看看做好的结果：
VIDEO 01
最后做完后，Qwen3.8-Max 把两只桌宠都添加进 Petdex 中，还可以直接切换：
BASH · PETDEX
petdex select xiaoxi petdex select xinglan语音也做了区分，小汐是少女声，星澜是御姐声，跟着角色一起切。
VIDEO 02
这下再也不用担心中断了，要是 AI 提问或者 AI 完工了，立刻就可以听到甜甜的声音提醒你该 Vibe Coding 了。
LAST
FINAL VERDICT
结语
不过不知道是不是参数上来了，Qwen3.8-Max 速度方面其实我觉得可以做得更好，以年报任务为例。
如上图所示，这个从 0 到 1 的长任务，它跑了相当久。不过如果不用实时盯着的活，本来就不急在这一两分钟，可以放着慢慢跑。
抛开慢，整体体验还是很出乎我意外。我全程做的就两件事：下需求，验收。
而且官方还有个贼离谱的例子，他们让Qwen3.8-Max 从零创建一个叫 oh-my-cli 的开源项目，开发过程中自动从社区收集需求、把需求规范化为 GitHub Issue、由 Agent 自动领取任务并执行。在这个过程里面它还会把用户反馈和社区先进实践转化为新需求，持续给项目演进新功能。
整个过程完全无人工介入，自主运行约 16 天后，仓库累计留下265 次 commits、127 个 PR、151 个 issues（累计增加中），全部 trace 公开在 GitHub。
qwen-code-dev-bot / oh-my-cli，可查验
想自己试试的：8 月 3 日正式版上线，Token Plan 就能用。而且 千问办公、Qoder 和 千问APP 里也都能用。一周后正式开源。
顺带一提，如果你用 Claude Code + CCSwitch 的话，这里不光要填 API，一定记得要填模型昵称，不然用的不一定是最新的 3.8-Max。
上线之后替换为正式版的 qwen3.8-max 即可
如果你不想自己折腾，千问办公 和 Qoder 里也都能用。
说到这我其实挺感慨。搁一两年前，国模能接住这种从 0 到 1 的长任务，我不太敢想。结果现在Qwen3.8-Max已经能在 TextArena 中杀入全球前五，距离公认当下性能最强 Fable 5 仅差十几分。
差距当然还有，但各家都着实不错了。
期待国产模型全面超越的一天，干掉 A÷。
以上。
我是甲木，热衷于分享一些 AI 干货内容，同时也会分享 AI 在各行业的落地应用。
如果你觉得今天这篇有收获，欢迎点赞、在看、转发三连，我们下期再见