編按：本文綜合整理自 Artificial Analysis 官方 Agentic Index 排名、阿里巴巴 Qwen 官方部落格與 X 推文，並加入 Siami 編輯部觀點與分析。
人工智慧評測機構 Artificial Analysis 上週更新了 Agentic Index 排名，阿里巴巴最新旗艦模型 Qwen3.8 Max 從 25 個評測對手中脫穎而出，登上代理能力（agentic capability）榜首。這是首次有「Max 等級」的 Qwen 模型擠下 Anthropic、OpenAI、Google 等閉源對手，登上專門測試真實世界代理任務的分項榜首。
但若看更廣的 Intelligence Index（綜合智力指數），Qwen3.8 Max 排在第五名，分數 56，距離同為開源權重的 Moonshot Kimi K3（57 分）還差一個名次。真正拉開差距的是「代理能力」這個子項目——它衡量模型在真實工作場景中、拿著工具自主完成多步驟任務的本事。
評測結果：代理能力第一、綜合第五
Artificial Analysis 的 Intelligence Index v4.1.1 由四個子項組成：代理能力（34%）、程式設計（24%）、科學推理（24%）、通用能力（18%）。Qwen3.8 Max 在代理能力單項排第一，主要歸功於以下幾個關鍵指標：
- GDPval-AA Elo：1739 — 比 Moonshot Kimi K3（1685）高 54 分，與 Anthropic Claude Fable 5（1743）、OpenAI GPT-5.6 Sol max（1730）幾乎並列，僅次於 Claude Opus 5 max（1852）
- 代理任務回合數：64 回合 — 相較於 Qwen3.7 Max 的 14 回合，這也是 Qwen3.8 Max 在 Agentic Index 上躍升 468 Elo 的一部分原因
- τ³-Banking 工具使用測試：表現穩健，特別在多步驟工具呼叫的準確度上
但回到綜合 Intelligence Index，Qwen3.8 Max 拿到 56 分，與 25 個對手相比排第五。Kimi K3 以 57 分維持開源權重領頭羊地位，閉源模型 Anthropic、OpenAI、Google 則佔據前四名。
Siami 觀察：「代理能力第一、綜合第五」這組排名反映了 2026 年 AI 競賽的核心轉向——模型不再只是回答問題，而是要能在電腦裡自主完成工作。
為什麼這件事重要
這是 Qwen 系列第一次把 Max 等級的模型權重準備開源。在 Qwen3.8 之前，阿里巴巴只開源中小尺寸版本，Max 系列始終以 API 方式獨家提供。
Qwen 官方在部落格寫道：「今天我們正式釋出 Qwen 3.8-Max，這是 Qwen 系列迄今為止最強大的模型。同時也標誌著我們將首次開源一個 Qwen Max 等級的模型——權重將於下週釋出。」不過截至 2026 年 8 月 8 日，權重仍未出現在 Hugging Face 上。
這件事有三層意義：
- 開發者可以自架前沿代理模型：以往要跑 Max 等級模型只能透過 API，會受限於 rate limit、按 token 計價、資料出境合規等問題。開源權重讓中小團隊、研究單位可以在自家硬體上跑出接近前沿的代理能力
- 中國 AI 實驗室首次在代理榜單上正面擊敗美國閉源對手：這不只是技術指標意義，也代表中國模型在「真實工作場景」這個最實用的賽道上站穩腳跟
- 代理任務成本曲線可能會再被壓低：Qwen3.8 Max 在 Intelligence Index 每個任務成本 1.14 美元，比 Qwen3.7 Max 的 0.53 美元貴一倍，但比 Claude Opus 5 max（估計約 3.50 美元/任務）便宜三分之一。開源權重版本若普及，這條成本線會被繼續往下壓
數據解讀：進步是真功夫還是測試紅利？
值得關注的是，Qwen3.8 Max 的 Agentic Index 進步 468 Elo，一部分來自「每個任務跑了 64 個回合」。相較之下，Qwen3.7 Max 平均只跑 14 個回合。
回合數變多會膨脹代理任務的表現分數嗎？會的。Artificial Analysis 自己也在 X 上點出：「這個 468 Elo 的進步，一部分來自新模型每個任務跑更多回合（64 vs. 14）。」這意味著，分數提升有一部分是「更願意窮舉」而非「更聰明」。
另一個值得注意的點是阿里巴巴這次沒有發布任何官方 benchmark 表。沒有 model card、沒有技術報告，只有 2.4 兆參數的數字跟「僅次於 Fable 5」的口號。
第三方獨立評測方面：
- eesel.ai 實測：在四個相同的 prompt 測試集上，Qwen3.8 Max 拿到 80/100，Kimi K3 是 83/100
- yottalabs.ai 分析：歸類為「前緣等級、但與 Kimi K3 互有領先」
- Artificial Analysis 評語：「邊緣性前緣（frontier-class），但還沒明確擊敗 Kimi K3」
換句話說，「僅次於 Fable 5」是阿里巴巴自己說的，目前沒有公開方法論支撐。唯一可信的硬數字是 Agentic Index #1 跟 GDPval-AA 1739 Elo。
HN 社群反應：期待、質疑、實測吐槽
Hacker News 討論串裡開發者分成三派：
期待派（最熱烈）：開源權重的承諾讓社群沸騰。「等了 Qwen-Max 開源好久，27B 什麼時候出？」是 top reply 之一。也有開發者準備在 Strix Halo（AMD 高階消費級 APU）上自架 Qwen3.8 Max 27B 參數版本。
質疑派：權重透明 ≠ 原始碼透明。「open weights is not open source. there is no ‘trust’」是常被引用的質疑——沒有訓練資料、沒有訓練流程、沒有 model card，這跟真正的開源精神差很遠。
實測吐槽派：「我用它在幾個專案上測試，發現它其實滿粗心的。會留 bug 在那、不會主動寫測試、也常常理解錯需求。是聰明沒錯，但不夠可靠。」這段評論被點讚 38 次，反映出真實代理場景裡的落差——benchmark 第一名跟生產環境可用，中間還有一大段距離。
進入路徑：Token Plan、Qoder、QoderWork 三條渠道
目前 Qwen3.8 Max 預覽版（qwen3.8-max-preview）透過以下三個阿里巴巴自有渠道提供：
- Alibaba Cloud Token Plan：模型即服務，按 token 計價
- Qoder：阿里巴巴的程式設計平台
- QoderWork：辦公代理終端
定價部分，預覽期間享有日間 1 折、夜間 0.2 折的限時優惠。標準 API 定價為輸入 $2.00/百萬 tokens、輸出 $6.00/百萬 tokens，cached input 僅 $0.25。
至於正式開源版本，Qwen 官方只說「下週」，沒有給出確切日期、license、可用尺寸清單。社群猜測會跟過往 Qwen 系列一樣，提供 Apache 2.0 跟多尺寸（27B、72B、Max），但截至本文撰寫時（2026 年 8 月 8 日 UTC）尚未釋出。
Siami 觀點：代理能力競賽才剛開始
Qwen3.8 Max 在 Agentic Index 登頂，意義不只是「中國模型又贏一次」。它標誌著 AI 競賽的評分標準從「誰答得最準」轉向「誰能在最少監督下完成最多工作」。
接下來值得追蹤的發展：
- 8 月中下旬 Qwen 開源權重釋出：會用什麼 license？會開出哪些尺寸？會不會被蒸餾出更小的代理能力怪獸？
- Kimi K3 vs Qwen3.8 Max 開源版本正面對決：兩個中國旗艦在開源權重世界廝殺，會把代理任務的成本曲線往下壓到哪裡？
- Anthropic、OpenAI、Google 的反應：閉源模型會繼續靠「更多回合、更長 context、更貴推理」拉開差距，還是會被迫調整定價？
代理榜單的排名只是快照，背後是各家實驗室在「真實世界可用性」這條最難的賽道上持續對決。Qwen3.8 Max 暫時領先，但這場比賽沒有終點線。
網友熱門留言 (5)