我們用 Qwen 3.8-Max 做了一個 AI 大模型宇宙：效果竟然勝過 GPT5.6？
近日，一場關於頂尖大型語言模型能力的實測在編輯群內部悄然展開，而結果卻出乎許多人意料。參與測試的雙方分別是備受矚目的最新模型 Qwen 3.8-Max，以及被視為業界標竿的 GPT-5.6。測試內容並非傳統的問答或程式碼生成，而是要求模型從零開始，獨立打造一個具備 3D 視覺化效果與互動介面的「大模型演進宇宙」網站。根據曝光的運行成果截圖顯示，Qwen 3.8-Max 在這次艱鉅的任務中，無論是完成度的完整性或是最終呈現的視覺效果，竟然在部分關鍵表現上優於 GPT-5.6，立刻在技術社群中引發熱烈討論。這項測試的意義遠不止於比較誰能寫出更華麗的程式碼。
其背後真正的核心，在於對模型「長程 Agent 能力」的極限驗證。所謂的長程能力，指的是模型在執行一個包含數十個、甚至上百個連貫步驟的複雜任務時，能否從頭到尾維持高度的理解力、精準的規劃能力以及穩定的執行一致性。這是一個極度考驗模型「耐力」的指標，因為許多模型往往在任務執行到一半時，會逐漸偏離最初的目標，甚至完全遺忘任務的初衷，導致成果支離破碎。而「從零搭建一個網站」恰好是檢驗這項能力的完美試煉場。
這個任務並非只是單純的程式碼拼接，它要求模型必須先理解「大模型演進」這個抽象主題的歷史脈絡與技術節點，接著要規劃出網站的資訊架構與使用者體驗流程，同時還必須具備 3D 圖學的渲染知識，以及前端互動邏輯的設計能力。這是一個橫跨多重專業領域、且需要將所有環節有機整合的系統性工程，任何一個環節的理解偏差或邏輯斷裂，都會導致最終產品出現明顯的缺陷。從流出的測試過程來看，Qwen 3.8-Max 在這次考驗中展現了令人驚豔的任務續航力。它似乎能夠在數百步的生成過程中，牢牢記住最初設定的整體視覺風格與功能需求。
即便面對網頁開發過程中常見的語法錯誤或邏輯衝突，它也能夠自主進行偵錯與修正，而非單純地重新生成一段無關的程式碼。這種在長時間任務中表現出的「目標一致性」，正是長程 Agent 能力最關鍵的體現，也是它能夠在最終效果上勝出的重要因素。與之相比，GPT-5.6 雖然在單點的程式碼生成品質上依然維持著頂尖水準，但在整體任務的宏觀調控上，似乎略遜一籌。在部分迭代回合中，GPT-5.6 會出現細節處理遺漏，或是對於稍早設定的功能需求記憶模糊的情況，導致整體網站的完成度雖然很高，但在敘事的完整性與視覺的統一性上，不如 Qwen 3.8-Max 來得渾然一體。這也使得 Qwen 3.
8-Max 在「整體呈現效果」這項主觀評比中，獲得了編輯群更高的評價。然而，這份驚艷的成果背後，也引出了一個無法迴避的關鍵疑問：Qwen 3.8-Max 所展現出的強大長程能力，究竟是經過開發團隊精心雕琢、在模型架構與演算法上取得突破的「典範級設計」，還是單純憑藉著背後龐大的算力進行「暴力美學」式的堆疊，才硬生生換來的結果？這個問題至關重要，因為它關乎到 AI 技術的實際落地應用。如果 Qwen 3.
8-Max 的卓越表現，是建立在一個極度失控的算力消耗之上，那麼即便它在測試中的效果勝出，對於絕大多數企業用戶而言，高昂的營運成本與緩慢的響應速度，將使得這項技術的「性價比」與「可落地性」被打上一個巨大的問號。一套無法在現實商業環境中穩定且經濟地運行的強大模型，終究只能停留在實驗室的展示櫃中。這次實測的意義，在於它不僅僅展示了模型能力的上限，更深層地將「效果與成本之間如何取捨」這個殘酷的命題，重新拋回到了大模型競賽的檯面上。長期以來，各家廠商都在追逐更高的參數量、更強的基準測試分數，但在實際的複雜任務應用中，模型的「智慧」是否必須與「資源消耗」畫上等號？這成為了橫亙在整個產業面前的一道難題。
從更宏觀的角度來看，Qwen 3.8-Max 的表現或許預示著一個新趨勢：未來的模型競爭，將不再只是單純的「靜態知識」較量，而是轉向「動態任務執行」的深刻博弈。誰能讓模型在更複雜、更漫長的真實世界任務中，保持更穩定、更高效的表現，誰才能真正佔據應用的制高點。這次 Qwen 3.8-Max 的勝出，是否代表中國大模型在 Agent 領域已經找到了彎道超車的捷徑，抑或只是特定任務下的偶然？答案仍需更多面向的測試來揭曉。不過，可以肯定的是，這次實測已經為沉悶的大模型軍備競賽注入了一股新的思考方向。當大家還在為基準測試分數的微小差距爭論不休時，Qwen 3.
8-Max 用一個具體的案例向外界證明，模型在「馬拉松式」任務中的耐力與穩定性，或許才是通往通用人工智慧道路上，比曇花一現的靈光更為關鍵的素質。未來，如何在追求頂尖效果的同時，兼顧成本效益，將是所有 AI 從業者必須共同面對的長期課題。
Related
相關文章
Google 開源 Harness²：遞迴代理程式框架，無需新模型也能提升效能
Google Cloud AI Research 開源了 Harness²，這是一個遞迴代理程式框架，透過改良凍結模型周圍的程式碼與檔案來增強效能。對開發者而言，重點很簡單：你的代理程式無需更強大的模型也能進步。重點摘要：規模為框架而非模型，訓練參數為0，包含8個可編輯的框架元件，版本0.1.0。執行環境為Linux、Python 3.12或3.13搭配uv，模型呼叫則透過Vertex AI。GPU需求未公開。效能方面：一次改良步驟即可在3個基準測試中，提升所有4個模型與框架組合的表現。最佳成果：GLM-5搭配OpenCode在WorkBuddy-Bench上從64.2提升至75.7（+11.5點）；最差表現：GLM-5搭配Codex在JobBench上僅提升1.2點（23.6至24.8）。什麼是Harness²？它是Google研究推出的即插即用框架。
如何利用NVIDIA結構化資料模型進行零訓練表格預測
In this tutorial, we implement Structured Data Models, NVIDIA’s new library that puts several pretrained foundation models for tables behind one PyTorch interface, and use it to make predictions without training.
認識 Kyutai REKI：2.4B VLA 模型為機器人操控帶來高效記憶
Kyutai 與 Inria 及 École des Ponts 合作，推出了 REKI——一個用於機器人操控的 2.4B 參數視覺-語言-動作模型（VLA）。該模型僅使用公開數據進行預訓練，並配備了輕量級的近期記憶功能。在三個分佈外基準測試中，僅有規模約為其兩倍的模型能超越它。所有模型權重已於今日在 Hugging Face 上公開。核心資訊：規模：2.4B 參數（2.2B Qwen3.5-2B VLM + 0.2B 流匹配動作專家）。記憶涵蓋最近 3 幀，間隔 1 秒。運行環境：在 1 張 NVIDIA H100 上進行基準測試。從兩個 256×256 攝像頭輸入，編譯後每個動作區塊耗時 21.8 毫秒。權重以 BF16 格式提供，暫無量化版本。性能：在 LIBERO-Plus 和 RoboTwin Clean2Rand 基準測試中，為公開數據預訓練的 VLA 模型中最優；在 LIBERO-Plus 上達到 90.4% 的最高分。
DeepSeek 發布 V4.1-Flash-1017，DeepSWE 得分 77.0，並開放搜尋 API
DeepSeek 剛發布 DeepSeek-V4.1-Flash-1017，這是其 V4.1-Flash 模型的新檢查點，現已在 DeepSeek 網站、應用程式及 API 上線。DeepSeek 宣稱該版本在性能、任務完成速度與輸出簡潔度上均優於 9 月發布的 V4.1-Flash，並稱之為性能與成本的帕累託改進。同時，DeepSeek 也向所有開發者開放了搜尋與擷取 API。對代理建構者而言，這意味著更便宜的編碼模型加上單一 API 金鑰即可使用的第一方網路層。重點摘要：骨架參數 552B，另加 196B 的 Engram 參數；預填充階段每 token 啟用 8B 參數，解碼階段啟用 16B 參數；上下文長度達 1M tokens，最大輸出 384K tokens。運行於 DeepSeek API 的 deepseek-flash 模型。9 月版的 V4.1-Flash 權重（763B 參數，FP8）採 MIT 授權。
2026年20款Jev替代方案：挑戰TypeSafe的決策模型
TypeSafe於2026年9月15日推出Jev，這是一款決策模型而非聊天機器人。使用者可定義允許的答案，Jev將回傳標籤、分數或是否的機率。約4週內，至少20款Jev替代方案相繼問世，來自Cloudflare、OpenAI、Perplexity、Liquid AI、AWS的Strands Labs及獨立開發者。本指南比較各方案在規模、授權、硬體、價格、Jev API相容性及已發布基準測試的表現。重點摘要：規模範圍從287M（GLiNER2.5-multi-Decide）到35B-A3B（Mapika Decider），Jev規模未公開。執行環境：Von和Laya等編碼器可在CPU上運行，4B適配器適用24 GB GPU或32 GB Mac。效能：多數開源模型在困難推理上落後Jev，但在狹窄分類任務上數款與之匹敵或超越。最佳表現：Cloudflare Clef在BANKING7取得94.20分。
長鑫科技市值兩月內跌去1萬億；阿里加碼AI硬件品牌，天貓、速賣通聯動；國行版蘋果AI有望12月上線，百度、阿里參與合作丨雷峰早報
要聞提示1.長鑫科技市值兩月內跌去1萬億2.年內已至少18次故障！DeepSeek發放宕機補償，有人拿到3000元3.阿里加碼AI硬件品牌，天貓、速賣通聯動4.國行版蘋果AI有望12月上線，百度、阿里參與合作5.可靈AI新一代模型Kling 4.