Qwen3.8-Max 实测：16天零干预写出CLI工具，长程任务大幅提升

socialwithaayan · x · 2026-08-06

作者详细评测了阿里巴巴最新发布的 Qwen3.8-Max（2.4万亿参数，激活950亿参数的 MoE 架构）模型。

长周期智能体能力：模型展现了极强的长程任务执行力。在测试中，它连续 16天无需人类干预，自主完成了从规划、编写、测试到修复 Bug 的全流程，成功开发出一款名为 oh-my-cli 的命令行工具。
基准测试成绩：在多项前沿基准测试中表现亮眼，FrontierSWE 得分从上一代的 40.7 飙升至 73.5（长程任务能力近乎翻倍）。不过作者也坦诚，其在 SWE-bench Pro 上得分为 67.7，仍落后于 Fable 5（80.0）。
多模态与长上下文：支持 100万 token 上下文窗口，可一次性处理 200 页合同或整季剧集。视觉理解能力大幅增强，不再只是简单拼接图像编码器，而是能精准读取 UI 截图细节并转化为前端代码。

「编程与Agent」频道最新