Qwen3.8-Max-0902 登顶前端编程，Agent 编程进入“长跑”阶段

阿里千问今天（2026 年 9 月 2 日）发布 Qwen3.8-Max-0902，这是 Qwen3.8-Max 面向编程和专业办公场景的一次新版本升级。模型在 CodeArena 前端编程总榜中拿到 1691 分，较此前提升 22 分，登上全球第一。

Qwen3.8-Max-0902 是 Qwen3.8-Max 针对 Coding 与 Cowork 任务进行进一步后训练后的版本，重点解决复杂任务中“能不能持续完成”和“能不能交付可用结果”两个问题。

这次更新的看点，不是又多了几个代码补全 benchmark，而是模型在前端开发、工具调用和长周期 Agent 执行上的能力继续向真实工程靠拢。简单说，它不只是在编辑器里帮开发者写函数，而是更擅长从一个模糊需求出发，拆任务、建项目、调用工具、运行测试，再根据错误继续修改。

22 分提升，Qwen3.8-Max-0902 拿下前端编程总榜冠军

CodeArena 是一个用于评估模型编程与智能体开发能力的第三方评测平台，前端编程榜主要考察模型从需求理解到界面实现、调试和交付的综合能力。

在 CodeArena 最新前端编程总榜中，Qwen3.8-Max-0902 以 1691 分排名第一，较此前版本提升 22 分。这个分数变化看起来不算夸张，但在顶尖模型集中竞争的榜单上，22 分往往意味着模型在多个环节同时减少了失误，而不是单点能力增加。

前端 Agent 的难点，从来不是把一段 JSX 或 CSS 写出来。真正困难的是理解产品需求、选择合理的技术栈、处理状态管理、完成响应式布局、接入数据接口，并在浏览器环境中不断验证视觉和交互结果。模型还必须面对一系列非标准问题：按钮位置不符合预期、移动端出现溢出、组件状态没有同步、依赖版本冲突，或者页面虽然“能跑”但完全不像设计稿。

Qwen3.8-Max-0902 此次强化的，正是这类连续任务中的综合表现。官方将能力提升归纳为三部分：

• 多步推理能力增强：能够把开放式需求拆成多个可执行阶段，并在中途重新规划。
• 工具调用能力增强：更稳定地使用终端、浏览器、文件系统和测试工具，而不是只输出一份看起来正确的代码。
• 端到端 App 生成能力增强：从空目录开始完成项目初始化、代码编写、运行验证和问题修复。

这也是为什么前端编程榜的冠军意义不止于“写网页更漂亮”。它说明模型正在从代码生成器变成一个能够操作开发环境的工程代理。

从“写代码”到“交付项目”，Agent 编程的评价标准变了

Agent 编程是指模型自主拆解软件开发任务，并通过文件读写、命令执行、浏览器操作和测试反馈完成多轮工程闭环的工作方式。

过去两年，开发者评价编程模型，常看函数补全、代码问答和 SWE-bench 一类任务。这些指标仍有价值，但它们通常把问题切成较小的单元，难以完整反映一个 Agent 在真实项目中的表现。

真实开发更像一场长跑：第一步是理解需求，第二步是搭建工程，第三步是让代码跑起来，第四步是定位错误，第五步是不断调整，最后还要把结果整理成别人可以接手的项目。中间任何一步失败，最终交付都会打折。

Qwen3.8 系列此前公布过一个颇具代表性的长程编程案例：模型从空文件夹开始，持续运行约 16 天，完成了名为“oh-my-cli”的自进化智能体框架。官方描述显示，模型在过程中自主搭建循环工程（Loop Engineering）框架，让智能体领取和执行任务，并根据新的要求继续迭代；相关过程和项目已经公开在 GitHub 上。

这个案例不应被简单理解为“模型连续写代码 16 天”。更准确的说法是，模型具备了在长周期任务中维持上下文、管理中间产物、调用外部工具、处理失败结果并继续推进的能力。它距离完全不需要人类审核仍有距离，但已经超出了传统聊天窗口里“一问一答”的使用模式。

Qwen3.8-Max-0902 的升级，进一步把这种能力集中到企业真实任务和前端应用开发上。对开发者来说，最值得关注的不是某个单次生成结果，而是模型在第 20 轮、第 50 轮修改之后，是否仍然知道项目当前状态，能否避免反复引入已经修复的问题。

2.4T 参数、95B 激活，长上下文仍是底层支撑

稀疏 MoE（Mixture of Experts）架构是一种只激活部分专家参数参与每次推理的模型结构，能够在扩大总参数规模的同时控制单次计算成本。

Qwen3.8-Max 的基础架构拥有约 2.4 万亿总参数，每次推理激活约 950 亿参数，并支持 100 万 Tokens 上下文。它还采用混合注意力机制，将标准多头注意力与线性注意力结合，以改善超长上下文下的计算效率。

| 核心指标 | Qwen3.8-Max 系列表现 | |---|---:| | 总参数量 | 约 2.4T | | 激活参数量 | 约 95B | | 上下文长度 | 最高 1M Tokens | | 最大输入长度 | 约 991K Tokens | | 最大输出长度 | 约 131K Tokens | | 思维链上限 | 约 262K Tokens | | 模型定位 | 编程、专业办公、长周期任务、多模态 Agent |

100 万 Tokens 上下文对软件工程任务的意义很直接：模型可以同时读取较大的代码仓库、产品需求、接口文档、测试日志和历史修改记录，而不必频繁依赖摘要。对于企业办公任务，它也能处理更长的会议材料、制度文档、合同附件和业务数据说明。

但长上下文并不等于模型一定能“记住一切”。上下文窗口更像一个足够大的工作台，模型仍需要在工作台上找到重要信息，并判断哪些内容应该优先处理。Qwen3.8-Max-0902 的价值在于，它将长上下文与工具调用、任务规划结合起来，而不是单纯把输入长度做大。

MoE 架构则提供了另一种平衡：2.4T 参数带来更大的知识容量和专业覆盖，95B 激活参数让单次推理不必承担完整稠密 2.4T 模型的计算量。对开发者而言，这种设计的最终价值不是参数规模本身，而是模型能否在金融、法律、科研、设计和软件工程等不同领域保持稳定表现。

价格优势明显，但要看清“综合平均价格”口径

模型性价比榜单的帕累托前沿，是指在同一性能水平下无法同时找到更低价格，或在同一价格下无法找到更高性能的模型集合。

CodeArena 更新的性价比榜单显示，Qwen3.8-Max-0902 的每百万 Tokens 综合平均价格约为 5 美元，按 2026 年 9 月 2 日参考汇率计算约合 33.7 元人民币。当前性能排名第二和第三的模型，每百万 Tokens 综合价格分别约为 20 美元和 12 美元，约合 134.7 元和 80.8 元人民币。

| 模型 | CodeArena 性能位置 | 每百万 Tokens 综合平均价格 | 人民币参考价* | |---|---:|---:|---:| | Qwen3.8-Max-0902 | 前端编程总榜第 1 | 5 美元 | 约 33.7 元 | | 性能排名第 2 模型 | 第 2 | 20 美元 | 约 134.7 元 | | 性能排名第 3 模型 | 第 3 | 12 美元 | 约 80.8 元 |

* 人民币价格为按参考资料汇率换算的近似值，实际结算价格应以千问 AI 平台公布的计费规则为准。

按这个口径，Qwen3.8-Max-0902 的综合价格约为第二名的四分之一、第三名的 41.7%。这对于 Agent 编程尤其重要，因为 Agent 任务通常不是一次请求就结束，而是要经历几十轮甚至上百轮模型调用。每轮调用都可能带上代码、日志、工具结果和历史上下文，Token 消耗会快速累积。

不过，这里必须强调“综合平均价格”并不等于所有场景下的最终账单。真实成本还会受到输入与输出比例、缓存命中、上下文长度、并发量、工具调用次数以及平台计费方式影响。一个只需要短文本回复的任务，未必能完全体现旗舰模型的成本优势；而一个需要长时间自主调试的任务，价格差异则可能直接决定产品能否规模化。

因此，对开发团队来说，更合理的测试方式不是只比较每百万 Tokens 的标价，而是记录完成同一个任务需要多少轮调用、多少输入输出 Tokens，以及最终是否需要人工返工。真正应该计算的是“完成一个可验收任务的总成本”。

新版本已经接入哪些产品

模型上线意味着模型不仅可以在评测环境中使用，也已经进入千问 AI 平台及相关产品的实际服务链路。

目前，Qwen3.8-Max-0902 已上线千问 AI 平台，向企业、开发者和个人用户提供模型服务，并第一时间接入以下产品：

• 千问办公：面向专业办公和企业级 Agent 场景，适合处理文档、研究、分析和工作流任务。
• Qoder：面向开发者的智能编程工具，重点承载代码生成、项目理解和工程协作场景。
• 千问 App：让普通用户直接体验新版本模型在复杂问题处理和多轮任务中的表现。

这次同步接入的意义在于，模型升级不再只停留在一个独立的模型页面。开发者可以通过编程工具验证它的工程能力，企业用户可以在办公产品中测试长流程任务，普通用户则能从应用侧感受模型响应和任务完成质量。

对阿里千问来说，这也是一条越来越清晰的产品路线：用旗舰模型打通模型平台、Agent 产品和开发工具，而不是把模型能力与应用生态割裂开。Qwen3.8-Max-0902 的表现能否转化为用户留存和企业部署，还要看产品层面的任务编排、权限控制、数据隔离和结果审核是否跟得上。

它适合什么任务，不适合什么任务

Qwen3.8-Max-0902 更适合高复杂度、长周期、需要多次工具交互的任务，而不是所有场景下都需要使用的通用聊天模型。

比较适合的场景包括：

1. 从零搭建前端项目：根据产品描述生成页面、组件和基础交互，并在浏览器中进行多轮修复。
2. 大型代码仓库理解：同时分析多个目录、模块依赖、历史文档和测试结果，辅助定位跨文件问题。
3. 长流程 Agent 开发：设计任务循环、工具协议、记忆机制和错误恢复逻辑。
4. 企业专业办公：处理长文档、研究报告、尽调材料和需要多轮验证的分析任务。
5. 科研与数据工作：拆解研究问题、生成实验方案、运行代码并整理中间结果。

不太适合的场景则包括：

• 只需要极低延迟的简单分类、改写和短文本抽取；
• 对输出格式有极端严格要求、但没有额外校验层的生产流程；
• 需要模型直接操作高风险生产环境，却没有权限隔离和人工审批的自动化任务；
• 仅凭一次生成结果就要求交付的关键业务场景。

旗舰模型可以减少工程师的重复劳动，但不能替代测试、代码审查和生产发布流程。特别是在 Agent 编程中，模型的“自主性”越强，越需要沙箱、文件权限、网络权限、命令白名单和回滚机制。

我们怎么看：前端冠军只是表象，真正的竞争是任务完成率

Qwen3.8-Max-0902 登顶前端编程榜，当然是一个值得关注的信号，但它更重要的价值在于：大模型竞争的单位，正在从“回答一个问题”转向“完成一项工作”。

前端开发是最容易被看见的 Agent 场景。用户可以打开浏览器，直观看到页面是否生成、按钮是否能点、布局是否正常。但同样的能力正在向更复杂的方向扩展：读取企业知识库、生成业务报告、执行数据分析、维护代码仓库、持续运行自动化流程。

如果一个模型只能在第一次生成时表现出色，却无法处理第 10 次报错，那么它仍然只是高级代码补全工具；如果它能理解目标、观察环境、修复错误并持续推进，才真正具备 Agent 的工程价值。Qwen3.8-Max-0902 这次升级，显然是在后一个方向上发力。

价格也是它不能被忽视的优势。对于需要大量工具调用的 Agent，模型性能与调用成本必须同时考虑。以官方披露的 CodeArena 综合平均价格看，Qwen3.8-Max-0902 在性能榜前列模型中给出了更激进的成本结构，这会降低开发者尝试复杂 Agent 工作流的门槛。

但最终结论仍然要留给真实项目。榜单分数能够说明模型在特定评测集合上的位置，却不能直接保证它在每个代码仓库、每种技术栈和每家企业流程中都表现稳定。开发者在接入前，仍应使用自己的任务集进行验证，重点观察四个指标：一次成功率、平均修复轮数、最终交付耗时和人工返工比例。

截至今天，Qwen3.8-Max-0902 已经是 Qwen 系列在前端编程和 Agent 编程方向最明确的一次进攻。它未必意味着“程序员不再需要写代码”，但意味着越来越多开发工作的核心，正在从手动实现细节转向定义目标、设计约束、验证结果和管理智能体。

结语

Qwen3.8-Max-0902 的发布可以概括为三组数字：1691 分的 CodeArena 前端编程成绩、22 分的版本提升，以及每百万 Tokens 约 5 美元的综合平均价格。前两个数字说明能力仍在快速进化，第三个数字则决定这种能力能否被更多开发者和企业持续使用。

接下来真正值得观察的，不是它还能在榜单上上升多少，而是开发者能否用它稳定完成更长、更复杂、更接近生产环境的任务。对于正在构建 Coding Agent、企业办公 Agent 或多工具自动化系统的团队，Qwen3.8-Max-0902 已经值得加入对比测试名单；对于普通代码补全需求，则没有必要为了参数规模和榜单排名盲目升级。

参考来源

• IT之家：阿里千问 Qwen3.8-Max-0902 版本模型发布，拿下前端编程总榜冠军 —— 提供本次 0902 版本发布、CodeArena 排名、分数变化和性价比榜单数据。
• Qwen 官方 GitHub 组织 —— 可查看 Qwen 系列模型相关开源项目、代码与社区资料。