Qwen3.8-Max-0902 強化長週期程式代理，但榜首差距仍在統計誤差內

阿里雲 9 月 2 日推出 `qwen3.8-max-0902`，另提供日期化別名 `qwen3.8-max-2026-09-02`。這不是新一代架構或開放權重發布，而是既有 Qwen3.8-Max 的託管快照；[官方更新紀錄](https://docs.qwencloud.com/changelog/models)稱後訓練重點放在大型程式專案、長週期自主開發、協作代理的多工具編排，以及圖表推理、文件解析與多模態感知。

介面層維持文字、圖片與影片輸入、文字輸出，支援思考模式、函式呼叫、結構化輸出、批次處理、前綴續寫及上下文快取。模型總上下文為 100 萬 token，但[產品頁](https://www.qwencloud.com/models/qwen3.8-max-0902)列出的實際上限更細：一般輸入 991K、思考模式輸入 983K、輸出 131K，推理 token 上限為 262K。API 可透過相容 OpenAI SDK 的 DashScope 端點呼叫；程式解譯器、網頁搜尋及擷取等內建工具則標示為 Responses API 能力。公開價格為每百萬輸入、輸出 token 分別 2、6 美元，明確快取讀取為 0.17 美元。

最醒目的證據來自 [Code Arena WebDev 榜單](https://arena.ai/leaderboard/code)：0902 快照目前為 1691 分，較舊版的 1669 分高約 22 分。不過新模型只有約 1,390 票，分數仍標為 preliminary，信賴區間為正負 19；第二名 Claude Opus 5 Max 為 1687 正負 8，兩者區間大幅重疊，榜單給出的可能名次也同為第一至第四。這代表更新在前端生成的人類偏好評測中呈現正向訊號，卻不能直接推論到後端正確性、測試通過率、代理可靠度或成本調整後的整體生產力。

採用者應固定日期化模型 ID，避免浮動別名在無預警更新後改變輸出；再以自家程式庫測量長任務成功率、工具呼叫錯誤、上下文快取命中率及總 token 成本。阿里雲尚未公開此次後訓練資料、架構變更、標準代理基準或安全評測，且模型仍是專有 API，因此可重現性與供應商鎖定仍是主要限制。