Qwen3.8-Max 上线：2.4T 参数、1M 上下文，比官网便宜 17.5%

​

核心要点

• 发布当天上架：阿里通义千问 2026 年 8 月 3 日发布 Qwen3.8-Max，API易同日挂牌
• 2.4T 参数稀疏 MoE：1M 上下文窗口、131K 最大输出、262K 最大思考预算
• 基准表现：GPQA Diamond 92.6、PaperBench 93.0、Terminal-Bench 2.1 86.6、SWE-bench Pro 67.7；FrontierSWE 从上代 40.7 跃升至 73.5
• 价格比官网低 17.5%：挂牌 $1.65/$4.95 每 1M tokens，官网为 $2.00/$6.00，且可叠加充值活动继续下探
• 原生多模态：实测图片与视频输入均可用，不只是文本模型
• 我们跑了 586 次调用：能力边界、计费陷阱、参数坑位全部实测过一遍，结论写在下文

​

背景介绍

​

详细解析

​

官方基准

​

技术规格

​

API易实测：端点支持情况

​

实测通过的能力

• 128K 长上下文召回：在 8K / 32K / 128K 三档正文的中部与尾部各埋一枚唯一标识，两个端点 6/6 全部精确召回。128K 单次约 80 秒
• 结构化输出严格守约：json_schema 在嵌套对象、枚举、数组、additionalProperties: false 全部生效，无多余字段、无 Markdown 代码块包裹
• 图片输入：形状识别、颜色识别、点阵图 OCR、多图区分全部正确
• 视频输入：能准确描述视频内容（实测一段 3D 动画场景被完整还原），单次耗时 144–285 秒
• 工具调用：单工具、并行多工具、两轮完整 round-trip、20 个工具中选 1、流式增量拼接全部正常
• 稳定性：12 并发 12/12 成功；长流式完整终止，无尾部扣留；输出速率约 19–22 tokens/s，Chat 非流式 P50 约 3.4 秒

​

实际应用

​

代码示例

from openai import OpenAI

client = OpenAI(
    api_key="sk-your-apiyi-key",
    base_url="https://api.apiyi.com/v1"
)

response = client.chat.completions.create(
    model="qwen3.8-max",
    messages=[{"role": "user", "content": "用一句话解释什么是负载均衡"}],
    max_tokens=500,
)
print(response.choices[0].message.content)

​

关键提醒 1：思考默认开启，控成本要用 reasoning_effort

response = client.chat.completions.create(
    model="qwen3.8-max",
    messages=[{"role": "user", "content": "你好"}],
    reasoning_effort="none",   # 关闭思考
    max_tokens=500,
)

​

关键提醒 2：max_tokens 管不住思考 token

​

关键提醒 3：强制工具调用需同时关思考

response = client.chat.completions.create(
    model="qwen3.8-max",
    messages=[{"role": "user", "content": "查一下北京天气"}],
    tools=tools,
    tool_choice={"type": "function", "function": {"name": "get_weather"}},
    reasoning_effort="none",   # 必须，否则 400
)

​

关键提醒 4：结构化输出建议显式关思考

​

关键提醒 5：Anthropic 端点的使用方式

def strip_thinking(blocks):
    return [b for b in blocks if b.get("type") != "thinking"]

# 把模型返回的 content 加入历史时先过一遍
messages.append({"role": "assistant", "content": strip_thinking(resp["content"])})

​

上下文缓存

​

目前不支持的能力

• /v1/responses 端点
• 内置联网搜索（两种调用写法均无效）
• thinking_budget 参数（传任何数值都等价于 low 档）
• Anthropic 端点的远程图片 URL（请改用 base64）
• Anthropic 端点的 response_format（结构化输出请改用工具强制）

​

价格与可用性

​

定价（每 1M tokens）

​

叠加网站充值活动

​

调用方式

curl https://api.apiyi.com/v1/chat/completions \
  -H "Authorization: Bearer sk-your-apiyi-key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen3.8-max",
    "messages": [{"role": "user", "content": "你好"}],
    "reasoning_effort": "none"
  }'

​

总结与建议

• 长文档分析、代码库理解 —— 128K 实测召回精确，长文缓存命中率高
• 需要严格 JSON 结构的数据抽取 —— json_schema 守约程度好，记得关思考
• 图文/视频混合理解 —— 一个模型覆盖三种模态，省去切换成本
• Agent 与工具编排 —— 工具调用链路完整，FrontierSWE 和 Terminal-Bench 的提升在这类任务上能体现出来

1. 思考默认开着，日常对话加 reasoning_effort="none"
2. max_tokens 不是成本护栏，reasoning_effort 才是
3. 主用 /v1/chat/completions；/v1/responses 暂不支持