阿里发布Qwen3.8 Max：开源重量级模型与本地化前景

阿里巴巴正式发布了Qwen3.8 Max模型，此前该模型曾进行过为期两周的预览测试。此次发布的核心亮点在于Qwen3.8 Max将作为开源权重模型发布，其权重文件计划于下周公开。该模型拥有2.4万亿参数，采用混合专家（MoE）架构，其中激活参数为950亿。尽管绝大多数用户无法在本地运行如此庞大的模型，但阿里同时宣布将开源其前身模型Qwen3.6 27B（即Qwen3.8 27B的前代）。该小尺寸模型因其极高的智能水平和广泛的硬件兼容性，被评价为目前最适合本地部署的开源模型之一，这对本地AI爱好者而言是极具吸引力的消息。

"Qwen3.8 27B... is still probably best regarded as like the overall finest local model because its intelligence is fantastic and its size allows it to actually be realistically run on a wide variety of different hardware."

对于Qwen3.8 Max，这是Qwen系列首次以开源权重形式发布Max级别模型，具有里程碑意义。虽然无法本地运行，但其云端API的开放将极大降低高端模型的使用门槛。视频作者指出，对于大多数普通用户而言，Qwen3.6 27B 才是当前最值得关注的本地化解决方案，而Qwen3.8 Max则代表了云端推理能力的最新巅峰。

基准测试数据与性能对比分析

在性能表现上，Qwen3.8 Max与多个顶级闭源及开源模型进行了对比。根据官方发布的基准测试JPEG图片，Qwen3.8 Max的整体性能水平大致与Opus 4.8相当，这一表现令人印象深刻。然而，在更受开发者重视的DeepSWE基准测试中，具体数据揭示了模型间的细微差距。Qwen3.8 Max在DeepSWE 1.1上得分56.6，这一分数虽不及Fable 5和GPT-56，但相较于其前代Qwen3.7 Max有了显著提升。

以下是各模型在关键基准测试中的具体得分对比：

模型名称 DeepSWE 1.1 得分 备注
Qwen3.8 Max 56.6 较前代Qwen3.7 Max有显著提升
Qwen3.7 Max 信息不足 前代模型，整体 footprint 较小
Opus 4.8 信息不足 整体性能水平与Qwen3.8 Max相当
Fable 5 信息不足 得分高于Qwen3.8 Max
Gemini 31 Pro 信息不足 参与对比的竞品之一
GPT-56 信息不足 得分高于Qwen3.8 Max

值得注意的是，官方在X平台的帖子底部提供了更详尽的基准测试数据，其中DeepSWE得分是衡量代码能力的重要指标。虽然Qwen3.8 Max未能在该单项上超越Fable 5和GPT-56，但其在其他通用基准中的表现表明，它已跻身顶级模型梯队，特别是在自主编码和长期任务执行方面展现出强大潜力。

核心功能特性：自主编码与多模态支持

Qwen3.8 Max不仅关注基准分数，更强调自主执行复杂任务的能力。官方宣传中特别提到了两个关键案例：一是连续16天的自主编码，二是闭环反馈驱动的自主芯片设计。在芯片设计案例中，模型成功设计了包含门、寄存器等微观结构的电路，展示了其在专业领域的深度理解能力。尽管作者表示缺乏硬件专业知识无法完全验证其设计的可行性，但这种从代码到硬件设计的跨越仍被视为重大突破。

在技术规格方面，Qwen3.8 Max具备以下核心特性： - 多模态输入：支持图像、文本和视频输入，但输出仅为文本。 - 超长上下文：上下文窗口达到100万（1M）tokens。 - 长输出能力：最大输出长度为128K tokens。 - API定价：输入token价格为$2/百万，输出token价格为$6/百万。 - 推理控制：提供可调节的推理参数，以适应不同场景的需求。

"Autonomous chip design and closed loop feedback driven optimization... designed this... gates, registers, things that are related to like microchips."

这种多模态能力，特别是视频输入支持，使得模型在多模态编码和复杂视觉任务中具有独特优势。结合百万级上下文窗口，Qwen3.8 Max能够处理极其庞大的代码库或长文档，为自动化软件开发和系统架构设计提供了新的可能性。

初步代码能力测试：Browser OS v2.5

为了验证Qwen3.8 Max的实际代码生成能力，作者使用Browser OS Test v2.5进行了初步测试。测试环境配置为Linux系统，并通过OpenAI's Codecs命令行界面运行，以确保缓存干净，避免先前运行结果的影响。测试结果显示，Qwen3.8 Max在XHigh模式下快速完成了任务，生成的代码量不足千行，效率较高。

生成的Browser OS具备以下功能： 1. 实时时钟与日期显示：右下角准确显示当前时间。 2. 音频反馈：开启声音后，界面操作会发出"boop"音效。 3. 特殊交互模式：包含"Poltergeist"模式，通过右键点击触发，伴随频繁的音效反馈，作者评价其"令人抓狂"。 4. 启动菜单：包含"Neon Heist"等应用入口。

"Our browser OS is completed. It's not even a thousand lines. Okay, that's pretty cool. Which is pretty short."

尽管生成的代码简洁，但功能完整。作者注意到，模型在编码过程中表现出与预览版相似的"vibes"，特别是在处理特殊交互功能时。虽然"Poltergeist"模式的音效反馈设计略显繁琐，但整体实现展示了模型在前端开发和交互逻辑构建方面的扎实能力。此次测试仅为初步验证，后续还将进行更深入的代码能力评估。

游戏演示：从平庸到惊艳的视觉突破

在初步测试中，部分应用的表现并未达到预期，例如某地图应用虽然基础功能尚可，但受限于速度设置，体验平平。然而，随后的《Astro Strike》游戏演示带来了显著的惊喜。该游戏不仅包含背景音乐，更在小行星爆炸特效上展现了出色的物理反馈，碎片飞溅的“打击感”令人印象深刻。评测者指出，尽管这类街机游戏通常难以吸引其注意，但本作凭借高质量的音效与视觉效果，成功打破了这一惯例，成为本次演示中少数令人愉悦的应用之一。

“This is actually kind of cool... All right, this is so much better.”

此外，系统内置的实用工具如终端（Terminal）、Neofetch、笔记和计算器等，均保持了与操作系统一致的主题风格。尽管计算器在点击数字时缺乏预期的音效反馈，但整体UI的连贯性得到了认可。评测者特别注意到，更改背景色会同步调整应用内的强调色，这种细节处理体现了系统设计的统一性。然而，绘图工具存在准星与绘制起点偏移的问题，显示出早期版本中常见的交互瑕疵。

个性化设置与窗口物理引擎的创新尝试

在个性化设置环节，系统提供了多种壁纸选项，如“Ridgeline”、“Cascade”和“June Sea”。评测者对“Ridgeline”的太平洋西北地区美学风格表示喜爱，并验证了强调色随壁纸变化的联动功能。更具创新性的是，系统引入了具有质量的窗口物理引擎。窗口不再是僵硬的矩形，而是可以像实体物体一样被拖拽、碰撞和堆叠。

“The windows have mass to them... I will say this is actually like a better implementation of it.”

这种设计虽然略显怪异，甚至让人联想到在开放式办公室中因操作过于随意而被解雇的场景，但其实现效果优于早期的类似尝试。窗口之间的物理交互流畅自然，为桌面环境增添了独特的动态感。尽管每个应用只能打开一次，限制了全面测试的可能性，但这一特性无疑为沉浸式桌面体验提供了新的可能性，展现了开发团队在UI交互创新上的大胆探索。

C++滑板游戏生成：细节惊人但物理存疑

为了测试AI代码生成能力，评测者进行了一项自包含C++滑板游戏测试。与传统90年代加州海滨风格不同，本次测试要求生成2000年代初纽约街区背景的游戏。尽管初始请求因图像过大可能遭遇端点限制，但AI最终生成了令人惊叹的视觉效果。游戏场景中包含了详细的纽约街景、行人以及黄色出租车，整体氛围高度还原，且未使用Raylib库，完全由标准提示词生成。

“The amount of detail here and things of that sort is really, really fantastic.”

然而，游戏物理表现存在严重缺陷。角色在空中时的动作显得僵硬且不自然，仿佛“奇怪的舞蹈动作”，且存在明显的Z-fighting（深度冲突）问题，导致建筑物表面出现闪烁。尽管场景美术质量极高，但核心玩法的物理反馈失真影响了整体体验。评测者认为，虽然当前版本“问题重重”，但其潜力巨大，值得进一步修复。

迭代修复：从物理缺陷到细节完善

针对初始生成的滑板游戏，评测者启动了一个新的CodeEx会话，专门针对物理缺陷进行迭代修复。经过约27分钟的生成与调试，AI成功解决了多项关键问题。修复后的版本中，起跳（Ollie）机制恢复正常，建筑物表面的Z-fighting问题也被消除。更令人惊喜的是，系统实现了智能摄像机跟随逻辑：当角色靠近墙壁时，摄像机会自动垂直上移，确保玩家始终能看到角色自身。

“When we get too close to the side of the wall, the camera moves up vertically... That is just an attention to detail bit that really says a lot about this.”

这一细节表明，AI不仅修复了基础物理错误，还理解了游戏视角的必要性。尽管整体物理模拟仍显笨拙，但修复后的版本在视觉连贯性与交互逻辑上有了质的飞跃。评测者认为，这一过程证明了迭代式AI代码生成在复杂游戏开发中的可行性，尽管目前仍需人工介入以解决深层物理问题，但结果已远超预期。

滑板游戏代码生成：意外的高质量成果

在评估 Qwen3.8 Max 的能力时，首先进行的测试是生成一个滑板游戏。尽管测试环境提示词此前未曾运行过，但结果令人惊讶地出色。滑板游戏的生成质量极高，展现了模型在特定创意编程任务上的强大潜力。为了量化这一成果，作者特意检查了生成的代码规模，发现其代码量超过 2,000 行。这一数据不仅证明了模型能够处理复杂逻辑，也暗示了其生成的内容具有相当的深度和完整性。

"This is a very, very, very well done result."（这是一个非常、非常、非常好的结果。）

作者对这一结果表示惊叹，认为在没有特定先验经验的情况下，模型依然能交付如此高质量的代码，这在一定程度上缓解了对其代码生成能力的疑虑。然而，这仅仅是测试的开端，随后进行的更复杂的 3D 建模测试则揭示了模型在空间理解上的局限性。

RB26 引擎 3D 建模：视觉精美但功能失效

接下来的测试极具挑战性：要求模型创建一个详细的、可 3D 打印的 RB26 引擎模型。该引擎是 90 年代日产 Skyline 中流行的直列六缸发动机，且必须容纳一个小型 N20 RC 直流电机。测试的核心标准包括细节程度、可打印性（尽量减少支撑结构）以及关键部件的空间兼容性。经过 51 至 52 分钟的生成时间，模型交付了结果。初步在 OpenCAD 中查看时，视觉细节令人印象深刻，甚至正确标注了 "twin cam 24 valve" 等文字信息。

然而，深入分析部件后，问题接踵而至。首先，涡轮增压器的空间朝向错误，与现实物理结构不符。其次，也是更致命的问题，模型完全忽略了“容纳 N20 电机”这一核心需求。虽然内部似乎有雕刻出的空间，但该空间为圆形且不可访问，而 N20 电机并非圆形，导致根本无法安装电机。此外，引擎块部分的设计违背了“少支撑打印”的要求，增加了打印难度。

测试项目 Qwen3.8 Max 表现 关键缺陷/问题
生成耗时 51-52 分钟 耗时较长
视觉细节 高（含文字标注） 涡轮增压器朝向错误
可打印性 部分部件可行（进气歧管等） 引擎块需大量支撑
核心功能 失败 无合适空间容纳 N20 电机

作者对此表示失望，认为尽管外观尚可，但作为功能性 3D 模型，它是一次彻底的失败。相比之下，之前测试的 V8 引擎模型在实际打印和电机安装方面表现更好，进一步凸显了 Qwen3.8 Max 在复杂空间约束任务上的不足。

Street Yeet 游戏生成：从混乱到改进的迭代过程

最后一项测试是生成一款名为 "Street Yeet" 的游戏，要求包含电影化的开场动画、对话以及游戏机制。开场动画需描述一名男子因插队被抢走最后一块披萨而情绪失控的情节。模型获得了 OpenAI API 密钥以生成对话。经过 54 分钟的生成，首个版本完成。开场动画虽然幽默且对话生成成功，但游戏本体存在严重问题：场景空旷、物理引擎（Ragdoll）表现怪异、光照过亮且存在不可见的实体碰撞bug。

作者并未就此放弃，而是提供了反馈并要求改进。在第二次迭代中，场景布局得到显著改善，不再显得空旷，且人物行走动画得以实现。然而，物理引擎的怪异表现依然存在，且城市环境中缺乏车辆等细节元素。尽管整体体验有所提升，但仍未达到作者的高标准，特别是碰撞检测的不确定性依然影响游戏体验。

"The cutscene was unexpectedly hilarious."（开场动画出乎意料地滑稽。）

这一系列测试表明，Qwen3.8 Max 在代码生成和创意叙事上表现优异，但在需要严格物理约束和空间逻辑的 3D 建模任务上仍有明显短板，且在复杂游戏逻辑的迭代优化中仍需人工干预才能达到可用水平。

3D手表网站生成的几何与细节缺陷测试

本次测试首先评估模型在创建3D手表模型并构建美观前端方面的能力，要求包含电影级镜头推移效果。生成的网站展示了Slapus手表公司的产品，整体视觉效果接近预期，但在3D空间几何结构上存在明显瑕疵。最显著的问题在于表带方向错误，这一基础几何失误令人沮丧，尽管其他部分的渲染质量相当高。镜头围绕手表的移动流畅度表现优异，被认为是此类结果中较好的镜头运动之一，但背景桌面纹理被评价为类似“斑驳的车库地板”，缺乏质感。

手表本身的细节处理值得肯定，表冠制作精美，表盘在旋转后也呈现良好效果，尽管因玻璃反光导致画面略显模糊，且存在时间倒走的荒谬错误。综合来看，虽然存在几何问题，但整体完成度尚可。此外，模型还生成了两款不同颜色的手表渲染图（Solstice和Meridian），价格分别为2450和5900，但用户指出分钟和小时指针未动，且无法进行交互式旋转查看。尽管存在这些缺陷，模型在前端视觉呈现上的能力仍获认可，被评价为“相当不错”。

高端婚礼网站生成的叙事与UI设计能力

第二个测试要求模型基于照片创建一个传统高端婚礼网站，包含礼品注册、宾客留言簿、相遇故事等元素，并强调“全力以赴”的设计风格。模型成功提取了照片背景的配色方案应用于网站，背景图案与Opus 5模型生成的风格相似，显示出对参考图像的视觉引用能力。照片以宝丽来风格嵌入，黑白美学处理得当，整体前端设计被评为“相当不错”，尤其在婚礼网站这一复杂场景下表现超出预期。

网站内容填充极具创意，生成了详细的时间线叙事。例如，“我们如何相遇”部分描述了两人在二手书店因争夺最后一本《纯真年代》而争吵，最终因咖啡和争论结缘的故事，细节包括“折角页”、“下雨天”和“两小时的咖啡”。这种文学性叙事不仅有趣，还巧妙地融入了后续情节，如第一次约会时失败的烤牛肉和随后的派的传统，以及收养独眼猫“海军上将纳尔逊”的趣事。模型在文本生成与视觉设计的结合上展现了高度的连贯性和趣味性，故事逻辑自洽且情感丰富。

婚礼网站的功能完整性与细节逻辑

在功能层面，网站包含了完整的婚礼信息架构，如婚礼日期（10月17日）、地点（纽约里贝克，Ashgrove Manor）、着装要求（黑色礼服可选，鼓励翡翠金烛光）以及无摄影仪式（Unplugged ceremony）的特别说明。模型还生成了伴郎伴娘名单，包括新娘的姐姐Katherine Whitmore Price（伴娘）和新郎的兄弟Michael Callahan（伴郎），以及书店老板担任主婚人，体现了对角色关系的合理推断。

网站还包含了住宿建议、FAQ（如是否允许儿童、拍照规定、回复截止日期等）以及礼品注册部分。有趣的是，尽管FAQ中回答“你的存在就是礼物”，但随后又展示了意大利旅行基金的注册链接，目前62%已筹款，揭示了模型在商业逻辑上的细微矛盾。此外，网站还提到了告别早午餐（上午10点至下午1点）和婚礼周末的详细安排。尽管存在如“2025年12月”与“2026年9月”回复截止日期的时间跳跃等小瑕疵，但整体前端设计被评价为非常得体，展现了模型在生成复杂多页面结构和长文本叙事方面的强大能力。

创意写作与礼物注册功能的深度测试

视频首先对 Qwen3.8 Max 的创意写作能力和实用工具集成进行了评估。在创意写作环节，模型生成了一段关于祖母、孙女以及两位兄弟（Daniel 和 Margaret 的弟弟）之间的情感故事。这段文字不仅包含了细腻的情感描写，还融入了幽默元素，例如提到 "obviously to the proposal"（显然是在求婚）以及 "obviously to my dress suggestion"（显然是在建议礼服）之间的对比，展现了模型对语境和人物关系的理解能力。评测者认为这是一个很好的创意写作测试，尽管其中存在细微的逻辑瑕疵，但整体叙事流畅，情感真挚，特别是结尾处 "I love you both beyond reason"（我爱你们胜过理智）的台词，体现了模型在情感表达上的成熟度。

在实用功能方面，评测者测试了模型处理礼物注册链接的能力。当输入 "Kraton Barrel" 时，模型成功关联了相应的礼物注册网站，表现优异。然而，当尝试处理 "William Sonoma" 时，虽然未能完全复刻前者的精准度，但依然生成了包含注册编号的访客簿格式内容。这一对比测试表明，Qwen3.8 Max 在处理特定品牌礼物注册信息时具备较高的准确性，但在不同品牌间的泛化能力上存在细微差异。评测者对此表示惊叹，认为其表现远超预期，甚至称其为 "good god"（天哪）级别的体验。

"The grandma. I have waited 29 years to see my granddaughter look at anyone the way she looks at a first edition. Daniel, you have finally met your rival. I could not be happier."

Web 界面 Bug 与 Code Interpreter 修复能力

随后，评测者转向了代码生成与调试能力的测试。在 Web 聊天界面中，评测者尝试生成一个地铁场景的第一人称射击（FPS）游戏脚本，但发现结果存在大量 Bug，从生成伊始就难以运行。为了验证模型在代码修复方面的能力，评测者将报错信息输入到 Code Interpreter（代码解释器）中，并指示其修复地铁脚本。结果显示，Code Interpreter 能够成功识别并修复代码中的错误，背景加载正常，且能正确提示 "explore the station"（探索车站）。

然而，评测者指出，尽管代码修复成功，但生成的游戏内容本身并不出色。地铁车厢的绘制质量一般，敌人设计也缺乏特色。评测者认为，Qwen3.8 Max 在此项测试中的表现甚至不如之前的 Plen 3.7 Max，尽管考虑到输出结果的变异性，这仍是一次性的测试机会。评测者强调，虽然模型具备基本的代码修复能力，但在生成高质量、复杂的游戏逻辑和视觉效果方面，其表现仅属 "competent"（胜任），并无特别出彩之处。这一测试揭示了模型在纯代码执行层面的可靠性与其在创意生成层面的局限性之间的差距。

幽默生成与 C++ 复杂场景构建挑战

在代码测试之外，评测者还测试了模型的幽默生成能力。通过要求模型生成一个适合全年龄段的脱口秀笑话，模型生成了关于 "kale and unseasoned chicken breast"（羽衣甘蓝和无调味鸡胸肉）的段子，并以此调侃 "immortality through boredom"（通过无聊实现永生）。评测者认为这一笑话 "actually all right"（还不错），且保持了幽默主题的一致性，未出现偏离或不当内容。

接着，评测者进行了更具挑战性的 "Chrono City" 测试，要求模型使用 C++（而非 Ray 或 3JS）生成一个跨越不同年代的城市场景。然而，这一测试遭遇了严重失败。评测者花费了数小时等待，最终生成的图像质量极差，被形容为 "Garbage"（垃圾）。1985 年、2005 年等不同年代的渲染效果均令人失望，评测者对此表示愤怒，认为模型未能遵循编程计划，甚至怀疑其是否在调用 API 而非执行代码。这一失败凸显了模型在处理复杂、多步骤、非标准库（如 C++ 自定义场景）任务时的局限性，其表现远未达到评测者的预期，甚至引发了对模型稳定性和执行逻辑的质疑。

3D 建模复原与最终结论

作为最后的测试，评测者要求模型生成一台 Acer Aspire Predator G7700 电脑的 3JS 模拟图，以便进行 3D 打印。此前，Soul 和 Fable 5 模型在尝试复制该电脑前端外壳时表现糟糕。然而，Qwen3.8 Max 在此项测试中取得了意外的高质量结果。尽管颜色存在偏差，且风扇旋转、LED 发光等细节未能完全还原，但整体模型结构准确，视觉效果令人印象深刻。评测者对此表示满意，认为这一表现极大地缓解了之前 "Chrono City" 测试带来的负面情绪，并认为该测试值得保留作为后续评估标准。

综合所有测试，评测者得出最终结论：Qwen3.8 Max 的绝对赢家是 C++ 编写的纽约市滑板游戏。该游戏未使用 Ray 库，却实现了极高的沉浸感，包括被出租车撞到的物理反馈、当玩家靠近建筑物时相机自动抬升以避免遮挡等细节设计。这些精心设计的交互逻辑展现了模型在复杂场景构建和用户体验优化方面的卓越能力，其表现远超预期，被认为是目前所见最出色的开放模型成果之一。尽管在代码修复和复杂 C++ 场景生成上存在不足，但其在创意写作、实用工具集成及特定 3D 建模任务上的优异表现，使其成为一款极具竞争力的模型。

"That's actually kind of sick. This makes me so much less angry than I was a few seconds ago because of that city chrono timeline disaster."

测试项目 模型表现 关键细节/数据 评价
创意写作 优秀 情感细腻，逻辑基本通顺，含幽默元素 "Good creative writing test"
礼物注册 良好 Kraton Barrel 完美关联；William Sonoma 生成注册编号但精度稍逊 "Not quite the same, but wow"
FPS 代码修复 胜任 Code Interpreter 修复 Bug，背景加载正常；游戏内容平淡 "Competent, just nothing special"
幽默生成 良好 生成全年龄段脱口秀笑话，主题一致 "Actually all right"
Chrono City (C++) 失败 耗时数小时，生成图像质量极差，年代渲染错误 "Garbage", "Something went quite wrong"
3D 电脑建模 优秀 Acer Aspire Predator G7700 结构准确，颜色有偏差，细节（风扇/LED）未完全还原 "Kind of sick", "Not at all [perfect] but cool"
NYC 滑板游戏 (C++) 卓越 高沉浸感，物理反馈真实，相机逻辑智能，未使用 Ray "Absolute winner", "Levels of immersion not seen before"

创意写作与复杂场景生成的表现评估

在创意写作领域，Qwen3.8 Max 展现了令人印象深刻的叙事构建能力。特别是在生成婚礼网站内容的任务中，模型不仅完成了基础的信息罗列，还成功构建了完整的角色起源故事，体现了较强的文学创作功底。评测者指出，模型在处理“求婚方式”与“初次相遇”之间的逻辑关联时，展现了巧妙的叙事技巧，使得情节前后呼应，整体完成度较高。此外，在浏览器操作系统（Browser OS）的模拟任务中，模型的表现被评价为“可以接受且相当有趣”，证明了其在特定交互场景下的可用性。然而，在 GTA 游戏模拟这一高难度测试中，表现则令人失望，主要问题在于车辆速度被限制在约 40 km/h，导致体验极差，未能达到预期效果。

核心亮点与整体性能反思

尽管部分任务表现平平，但本次测试中最引人注目的成果是“纽约市滑板模拟器（C++版本）”的生成。评测者用“绝对出色（absolutely stellar）”来形容这一结果，认为这是目前为止最令人印象深刻的输出。相比之下，其他任务虽然“胜任且优秀”，但并未带来惊喜。考虑到 Qwen3.8 Max 拥有2.4万亿参数的庞大体量，评测者对整体表现感到“并未达到‘伟大’的预期”。评测者坦言，除了滑板模拟器外，其余结果仅停留在“好”的层面，而非“卓越”。同时，评测者提到即将发布的 Qwen 3.8 27B 版本，并期待其能在同等规模下带来更惊艳的表现，暗示当前 Max 版本在性价比或效率上仍有提升空间。

测试成本核算与 API 使用教训

在成本方面，评测者揭示了本次测试的实际花费。由于使用了与账户直接关联的 API 密钥而非特定的编程计划密钥，导致费用直接计入主账户。评测者抱怨 Dashboard 界面“难以理解且使用痛苦”，但最终核算显示，整个测试过程的总成本仅为 32 美元。这一数据为读者提供了直观的参考：尽管模型参数巨大，但单次复杂测试的实际经济门槛并不高。评测者特别警告，如果用户拥有特定的编程计划，必须使用对应的 API 密钥，否则同样会产生额外费用。这一细节提醒开发者在测试大型模型时，需仔细管理密钥权限以避免意外扣费。

后续展望与社区互动

视频最后，评测者总结了 Qwen3.8 Max 的开放权重（Open Weights）特性，认为这是值得肯定的开放举措。同时，评测者展望了未来的竞争格局，提到 GLM-5 和 DeepSeek V4 Pro 通用版即将登场，并预期后者可能在性能上超越当前模型，表示期待后续的对比验证。在视频结尾，评测者以幽默的方式请求观众在评论区留下问题，并开玩笑地提到“礼品注册表”，最终感谢观众的观看与支持，结束了这次对 Qwen3.8 Max 的首次深度评测。

"The most impressive result by far was that New York City Skate Simulator in C++."

"The entirety of this test cost $32."

"I almost feel like when you factor in the size of this model, I'm expecting to be more impressed."