Qwen3.8 家族深度解读：2.4 万亿旗舰、27B 小钢炮与三层许可证

一句话总结：Qwen3.8 在 8 月连发三款——2.4 万亿参数的 Max 旗舰、Apache 2.0 的 27B、以及 Qwen4 架构预览版 Flash-Next，三档从 API 到本地全覆盖，但开放权重和许可证的门槛差异比参数差异更值得研究。

阿里的节奏这两年一直很快，但 Qwen3.8 这一波还是有点特别：8 月 3 日 Max 上线，8 月 12 日放 2.4 万亿的开放权重，8 月 14 日又扔出一个 Apache 2.0 的 27B，8 月 27 日再补一个 Flash-Next 架构预览。半个月四件事，三档定位，一套比一套复杂。

很多人看到「Qwen3.8 开源了」就冲，结果下回来一个纯文本、强制思考、还带商用门槛的 2.4T 权重。这篇把三档拆开说清楚，包括那份容易被跳过的许可证。

三档定位：一个家族，三种玩法

关键差异就在表格末行。开放的 2.4T 不是 Max 的等价物：它是纯文本模型，且强制思考模式，没有视觉、没有非思考档。想用带视觉的 Max，只能走 API。这一点厂商在模型卡里写得清楚，但传播过程中被「2.4 万亿开源了」这句话盖过去了。

27B 反而是这批里最实在的：稠密架构、原生支持图像和视频输入、可以按请求关掉思考、单台 Mac Studio 上 68GB 内存就能跑到 64K 上下文。Apache 2.0，无门槛。

图 1：三档的核心差异在「部署自由」和「许可证」，不在参数大小

跑分：第三方和自报要分开看

厂商自报的口径（Qwen 官方表）：Max 的 Terminal-Bench 2.1 是 86.6，SWE-Bench Pro 67.7，GPQA Diamond 92.6，HLE 43.6；Flash-Next 则是 CoWorkBench 73.9、GPQA-D 91.7、SWE-bench Pro 62.5、HLE 35.9。27B 的模型卡报 SWE-bench Pro 61.7、OSWoRLd 84.3——一个 27B 稠密模型在软件工程上只比 2.4 万亿旗舰低 6 分，这个性价比很扎眼。

第三方口径：Artificial Analysis 智能指数给 Qwen3.8-Max 45.4 分，在当时的国产阵营里排第二，仅次于同期的小米 MiMo-V2.6（46.3）。我们写过 MiMo 那篇，两家分数咬得很紧。

但短板也明摆着：SWE-bench Pro 67.7 对闭源旗舰 Fable 5 的 80 分，差 12 分多。Agent 和编程的「上限」上，国产旗舰还没到能说追平的程度。我自己更看重这个差距，跑分表里挑高的看很容易自我安慰，实际接一个大仓库改需求，差 12 分就是反复失败和一次通过的差别。

价格：三档差多少

API 口径（美元/百万 Token）：

• Max：输入 $2.00、输出 $6.00、缓存命中 $0.25
• 27B 托管：输入 $0.50、输出 $3.00、缓存 $0.10
• 第三方平台（如 AIHubMix 折算）：Max 约 $1.69 / $5.07

按单任务算更有体感：一次 3 万输入 + 2 万输出的重活，Max 约 $0.18，27B 约 $0.075。差 2.4 倍，不是数量级。所以小团队没必要为了省钱硬用 27B，除非你能本地跑，那才是真省钱。

许可证：三个门槛要看清

Qwen3.8 的 2.4T 权重用的是自定义 Qwen3.8 许可，条款里有两道坎：

1. 月活超 1 亿或月收入超 2000 万美元的商业产品，必须在界面显著标注模型名称
2. 做模型托管服务或 AI 办公助手业务、连续 12 个月收入超 5000 万美元的，需要单独向 Qwen 申请授权

内部部署不受限，只要模型和输出不出公司。这三条不是「开源协议」，是「开放权重 + 商用分级」，性质跟 Apache 2.0 完全不同。想拿它做产品底座的团队，法务得先看一遍。

27B 反而是干净的 Apache 2.0，商用、修改、再分发都行。这也是我给多数人的建议：先上 27B，真不够再考虑 2.4T。

三个容易踩的认知差

「开源」不等于「能商用」。前面说了，2.4T 有分级条款，27B 才是真 Apache。看到「Qwen3.8 权重已发布」先确认是哪一个。

2.4T 开放版不等于 Max。纯文本、强制思考、262K 原生上下文（要自己扩到 1M），跟 API 版的多模态、1M、可关思考完全是两个东西。

Flash-Next 不是量产型号。它是 Qwen4 架构的预览，官方措辞是 experimental preview，适合研究架构，不适合当生产模型选型。

常见问题

Qwen3.8 到底开源了什么？

两个权重：Qwen3.8-2.4T-A95B（自定义许可、纯文本、强制思考）和 Qwen3.8-27B（Apache 2.0、支持图像视频、可关思考）。Max 本身闭源。

27B 能跑在什么硬件上？

官方演示是单台 Mac Studio（68GB 内存，64K 上下文）。量化版在消费级显卡上也能跑，但要牺牲上下文或精度。

27B 和 Max 差距大吗？

厂商自报 SWE-bench Pro 差 6 分（61.7 vs 67.7），日常任务差距更小。重活和复杂推理仍推荐 Max。

要不要等 Qwen4？

Qwen4 在 9 月云栖只公布了四个型号名（Max/Flash/Plus/27B），10 月官推暗示「大小双发」，但截至现在没有权重也没有规格。等是赌，用 Qwen3.8 是确定性——我的建议是先用 27B 把流程跑通，Qwen4 出来再换，成本很低。

API 兼容什么协议？

OpenAI 和 Anthropic 两套都支持，现有客户端改个 base_url 和模型名就能切换。

结语

Qwen3.8 这三档里，真正值得马上下手的是 27B：Apache 2.0、单机可跑、能力接近旗舰的八成。Max 适合有预算、要视觉和多模态、不想自己运维的团队。2.4T 开放权重更像「给研究和大厂自建用的」，许可证门槛摆在那儿，别被「开源」两个字带偏。

阿里的产品矩阵能力是国产里最完整的，但完整也意味着选择成本。先想清楚你要的是「能力上限」还是「部署自由」，这题就有答案了。