Qwen3.8 Max (0902)

1. Coding：这次提升最明显

0902 的最大改动，就是代码。

阿里针对 Coding 做了额外后训练，重点不是单次补全，而是复杂工程、多步骤开发和长周期任务。

CodeArena 前端编程榜上，Qwen3.8-Max (0902) 相比原版提升 22 分，达到 1691 分，登上榜首。

一些公开测试里，提升更明显：

• TerminalBench 3.0：11.3 → 29.0
• DeepSWE 1.1：56.6 → 69.3
• NL2Repo-Bench：55.9 → 64.9
• ProgramBench：10.5 → 28.0
• SWE-Marathon：39.1 → 44.8
• QwenSWE-Bench V2：55.1 → 70.0

其中 TerminalBench 和 ProgramBench 的涨幅尤其大，说明它在终端操作、黑箱复现和工程执行这类任务上进步比较明显。

它现在更像一个能接工程任务的 Coding Agent，而不只是写几段代码。

2. Cowork：更适合复杂办公和协作任务

第二个重点是 Cowork。

这里的“协作”不是和人聊天，而是让模型在多个工具、文档和步骤之间持续推进工作。

公开数据里：

• CoWorkBench：74.8 → 76.1
• JobBench：53.4 → 64.0
• WorkArena Elo：1348 → 1468

JobBench 的提升比较明显，说明 0902 在职业任务、办公流程和多步骤执行上有实质进步。

这类任务通常不会一次完成。模型可能先查资料，再调工具，再处理文档，最后整理输出。

0902 的升级价值就在这里：不只是第一步做对，而是整条链路更稳。

3. 视觉理解也跟着补了一轮

0902 不是只改代码。

官方还提到，它在图表推理、文档解析和多模态感知上继续加强。

公开测试中：

• MMMU-Pro：82.3 → 82.7
• ERQA：77.8 → 78.3
• ClawEval-MM：77.2 → 80.2
• BabyVision + CI：91.3 → 93.8

这些提升没有 Coding 那么夸张，但方向比较实用。

如果模型要真正参与办公和 Agent 工作，光会看图片还不够，还得能读图表、解析文档、理解界面，再把这些信息接进后续操作。

0902 在这块更像是补短板。

4. 相比原版 Qwen3.8-Max，进化重点是“执行”

Qwen3.8-Max (0902) 没有改变 100 万 Token 上下文，也没有换一套新架构。

它的升级点主要集中在后训练。

原版已经具备长上下文、Thinking、多模态和工具调用。0902 把这些能力继续往工程和 Agent 场景里推。

最明显的变化不是“回答更聪明了多少”，而是：

• 更能处理大型代码仓库
• 更能在终端里连续操作
• 更能完成端到端开发
• 更能处理长周期任务
• 多工具协同时更稳

这也是为什么 Coding 和 Cowork 会成为 0902 的两个关键词。

优势

• Coding 提升明显：多项 Agent 编程和工程测试涨幅很大。
• 长周期任务更强：更适合复杂开发、终端操作和持续执行。
• Cowork 能力更成熟：多工具、多步骤办公任务表现更好。
• 100 万 Token 上下文保留：适合大型代码库、长文档和复杂项目。
• API 定价没有因为 0902 升级而上涨：官方 Model Studio 中与原版保持同档。

限制

• 不是完整换代：0902 本质上还是 Qwen3.8-Max 的后训练升级版。
• 并非所有能力都大幅提升：视觉类 benchmark 的增幅明显小于 Coding。
• 长任务依然可能很耗 Token：尤其是 Thinking + 100 万 Token 上下文场景。
• 独立测试还需要更多时间：0902 发布不久，现阶段不少数据仍来自官方或基于官方测试整理。

推荐人群

• 做大型代码项目和 Agent 编程的开发者
• 需要 AI 操作工具、终端和多步骤工作流的团队
• 经常处理大型代码库、长文档的企业用户
• 想用国产模型做复杂 Agent 和办公自动化的人

不推荐人群

• 主要拿 AI 聊天、写短文案的轻度用户
• 任务很简单，不需要 100 万 Token 上下文的人
• 极度看重低延迟和最低调用成本的场景
• 只看参数规模、不做复杂任务的用户