通义千问与 Qwen 生态

学习目标: 了解 Qwen 3.8 模型家族、阿里云百炼平台和 ModelScope 社区
预计时间: 30 分钟
难度: ⭐⭐⭐☆☆
最后更新: 2026 年 10 月

先说结论：Qwen 过去是国产开源模型的"瑞士军刀"，2026 年它多了一个身份——旗舰也能打。

2026 年 8 月，阿里把 2.4 万亿参数的 Qwen3.8-Max 摆上台面，同时把同级别的 2.4T 权重开源。这是 Qwen-Max 系列第一次对外开放权重。以前你用 Qwen 是因为"最全、最好部署"，现在还得加一条：最上面那档也不再只存在于 API 里。

Qwen 是谁？

通义千问是阿里巴巴旗下的大模型品牌，技术团队来自通义实验室（早期是达摩院）。2023 年 4 月开放邀测，2023 年 8 月开源第一批模型。

三年下来，Qwen 的策略可以概括成三句话：

开源覆盖 — 从 0.5B 到 2.4T，从 Dense 到 MoE，权重几乎都能下载
原生多模态 — 3.8 这一代开始，图像、视频输入是标配，不再是"另开一个 VL 模型"
企业级集成 — 阿里云百炼、钉钉、淘宝、高德，模型往下沉到具体产品里

Qwen 模型家族（2026 年 10 月）

Qwen3.8 家族（2026.08）

这一代的核心变化不是"参数量又大了"，而是分层方式变了：不再按"文本/视觉/代码"切模型，而是按"旗舰/高吞吐/全模态/开源尺寸"切，多模态能力内置。

时间线：8 月 2 日 qwen3.8-max 上线，8 月 12 日开源 2.4T 权重，8 月 14 日放出 27B。

模型	参数	上下文	输入 → 输出	形态
qwen3.8-max	2.4 万亿 MoE	1M	文本 / 图像 / 视频 → 文本	仅 API
qwen3.8-flash	官方未公开	1M	文本 / 图像 / 视频 → 文本	仅 API
qwen3.8-omni-flash	官方未公开	1M	文本 / 图像 / 音频 / 视频 → 文本	仅 API
Qwen3.8-2.4T-A95B	2.4T 总参 / 95B 激活	1M	文本 → 文本	开源权重
Qwen3.8-27B	27B Dense	1M（原生 256K，可扩展）	文本 / 图像 / 视频 → 文本	开源，Apache 2.0

几个值得记住的点：

Max 和开源版不是同一个东西。qwen3.8-2.4t-a95b 是 Max 的 2.4T 核心开源版，但只吃文本，许可也不是 Apache 2.0（是自定义的 Qwen3.8-Max License）。要开箱即用的多模态，还是得调 API。
1M 上下文成了标配。3.8 的文本和多模态主线都标 1M，最大输出 128K，最大思维链 256K。
快照版本要认准。2026-09-02 发布了 qwen3.8-max-0902（别名 qwen3.8-max-2026-09-02），编码和 Agent 能力有增强。生产环境锁快照，别用浮动别名。

Qwen3.8-2.4T-A95B 的官方基准（模型卡口径，未经第三方复现）：

基准	分数
GPQA Diamond	92.6
PaperBench	93.0
OSWorld	86.1
BabyVision	82.0

CodeArena 上排第 4。这些是厂商自评，看趋势可以，当结论要谨慎。

不是模型越大越好，是你为哪一档能力付钱。绝大多数业务用 qwen3.8-flash 就够，只有当你明确遇到 Flash 解不了的长程 Agent 任务，才值得上 Max。

上一代还在服役

Qwen 的版本节奏现在是几个月一代，但上一代不会立刻退役：

模型	状态	适合
`qwen3.7-plus`	官方文档仍作为"平衡档"推荐	日常多模态、成本敏感的生产流量
`qwen3.7-max-2026-06-08`	在售	需要 3.7 行为一致性的存量业务
`qwen3.6-plus` / `qwen3.6-flash`	在售	老项目、已验证的提示词
`qwen3.5-ocr`	在售	文档、表格、试卷、手写体提取

Qwen3.7-Max 首发于 2026 年 5 月，6 月 8 日快照加上视觉理解。它和 3.8 的差距主要在编程深度和长程任务，不在"能不能用"。

专用模型还剩哪些

3.8 把视觉、编程并进主线之后，专用模型的边界清楚了很多：

编程

3.8 这一代把编程能力并进了主线，官方推荐模型里已经没有独立的 Coder 型号。价目表上还在的只剩 qwen3-coder-flash，按输入长度分档，最长支持到 1M 上下文。

老教程里的 qwen3-coder-plus、qwen3-coder-next 建议先在模型广场确认可用性再写进代码——文档入口已经并到"历史版本"了。

视觉

qwen3-vl-plus 仍在售，支持 1 小时视频、思考/非思考融合，但官方已把它归入"旧版及其他模型"。新项目直接用 qwen3.8-flash 或 qwen3.8-max。

全模态与语音

模型 ID	能力
`qwen3.8-omni-flash`	图文音视频输入，文本输出；支持思考模式、Function Calling
`qwen3.8-omni-flash-realtime`	实时音视频交互，WebSocket / WebRTC 接入
`qwen-audio-3.1-realtime-plus`	实时双工语音，262K 上下文，支持声音复刻
`qwen-audio-3.1-asr-flash-streaming`	实时 ASR，七大方言、30 语种
`qwen-audio-3.0-tts-plus`	方言、情绪、语速可控的语音合成

生成与向量

qwen-image-3.0、qwen-image-2.1-pro 负责图像生成与编辑；qwen3.7-text-embedding 是当前的文本向量模型（256~2560 维可调）。

以前那些独立的 Qwen-Audio、Qwen-Math 小模型，有的并入主线，有的停留在旧版列表。别照 2025 年的教程找模型 ID，先去百炼模型广场确认还在不在。

阿里云百炼平台

百炼（Model Studio）是 Qwen 的商业落地层，也是调用 Qwen 最省事的方式。

能力矩阵

百炼平台
├── 模型推理
│   ├── 通义千问全系（Max / Flash / Plus / Coder / VL / Omni）
│   ├── 第三方模型（DeepSeek、Kimi、GLM、MiniMax 等）
│   └── 三种接口：DashScope 原生、OpenAI 兼容、Anthropic 兼容
├── 模型调优
│   ├── CPT 继续预训练 / SFT 监督微调 / DPO 偏好训练
│   └── 全参训练、LoRA 高效训练
├── 应用层
│   ├── RAG 知识库、文档解析
│   ├── Agent 工作流、Function Calling、内置工具
│   └── 批量推理、上下文缓存
└── 企业级
    ├── 多地域部署（华北2 / 新加坡 / 法兰克福 / 东京 / 香港）
    └── 动态限流、用量管控

模型 ID 与计费

华北2（北京）的原价，美元口径（官方文档）：

模型 ID	上下文	输入（$/M）	输出（$/M）
`qwen3.8-max`	1M	1.650	4.951
`qwen3.8-flash`	1M	0.113	0.382
`qwen3.8-27b`	1M	0.424	1.696
`qwen3.8-2.4t-a95b`	1M	1.650	4.951

换算成人民币，qwen3.8-max 华北2 是输入 12 元 / 输出 36 元每百万 tokens，缓存命中输入 1.5 元，Batch File 半价（6 / 18 元）。新加坡地域更贵，约 15 / 45 元。

TIP

免费额度只在新加坡地域给：部分模型开通后送 100 万 tokens，90 天有效。华北2 按量计费，没有免费额度。别照着旧文章去领"¥200 体验金"。

几个容易被账单咬到的细节：

思考模式的思维链算输出 token。开 enable_thinking 之前先算一遍成本。
缓存只对输入打折，且创建缓存本身收费。system prompt 固定、知识库前缀固定才划算。
Batch 和缓存不能叠加，二选一。

API 调用

百炼兼容 OpenAI 格式，改 base_url 和模型名就能跑：

python

from openai import OpenAI

client = OpenAI(
    api_key="sk-xxxxxxxx",  # 百炼控制台创建
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
)

resp = client.chat.completions.create(
    model="qwen3.8-flash",
    messages=[
        {"role": "system", "content": "你是严谨的技术助手，回答简洁。"},
        {"role": "user", "content": "用 Go 写一个带优雅关闭的 HTTP 服务器"},
    ],
    extra_body={"enable_thinking": False},  # 简单任务关掉思考，省钱
    temperature=0.7,
    max_tokens=2048,
)

print(resp.choices[0].message.content)

多模态输入也是 OpenAI 的 image_url 结构：

python

resp = client.chat.completions.create(
    model="qwen3.8-flash",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "把这个界面截图还原成 HTML + Tailwind。"},
            {"type": "image_url", "image_url": {"url": "https://example.com/ui.png"}},
        ],
    }],
    max_tokens=4096,
)

北京地域：https://dashscope.aliyuncs.com/compatible-mode/v1
新加坡地域：https://dashscope-intl.aliyuncs.com/compatible-mode/v1
想接 Claude Code、Codex 这类工具，用 Anthropic 兼容接口，qwen3.8-flash 官方明确支持

模型微调

先说清楚：Qwen3.8-Max 和 Qwen3.8-Flash 不支持调优，官方模型页写得很直接。要微调只能用开源尺寸：

可调优模型	华北2 支持	训练单价
`qwen3.8-27b`	SFT 全参 / 高效（LoRA）	$0.007067 / 千 token
`qwen3.6-27b`	SFT 全参 / 高效	$0.006876 / 千 token
`qwen3.5-27b` / `qwen3.5-9b` / `qwen3.5-4b`	SFT 全参 / 高效	$0.00212 ~ $0.006876
`qwen3.7-plus-2026-05-26`	SFT 全参	$0.048132 / 千 token
`qwen3.6-plus-2026-04-02`	CPT / SFT 全参	$0.041256 / 千 token

链路本身不复杂：

数据准备成 JSONL（SFT 用问答对，CPT 用无标签领域文本，DPO 用同指令的"好/差"回答对）
控制台选基座、选训练方式（全参 or LoRA）
提交训练，按 (训练 token + 混合数据 token) × 循环次数 × 单价 计费
训练完部署成独享推理服务，按部署时长计费
用同一套评测集对比微调前后，别只看 loss

需要微调？先想想是真的需要微调，还是提示词没写好。90% 的场景，好的 Few-shot 比微调省事省钱几个数量级。

ModelScope 社区

ModelScope（魔搭）是阿里 2022 年上线的模型社区。到 2026 年 3 月，官方口径是 17 万+ 模型、2.5 亿用户。

和 Hugging Face 的分工现状

这两家现在不是"谁替代谁"，而是两套生态：

维度	ModelScope	Hugging Face
定位	国内首发、中文生态、国产芯片适配	全球默认、模型库 300 万+
访问	国内直连，下载快	中国大陆自 2023 年起无法直接访问
所有权	阿里	2026-09-03 宣布被 NVIDIA 以约 129 亿美元收购（交易进行中）
内容	Qwen、GLM、DeepSeek 等国内模型首发	全球开源模型、数据集、Spaces

一个现实的分工：国内团队在 ModelScope 下载和微调，发论文、做国际兼容时还是往 Hugging Face 放一份。Qwen 自己就是两边同步发权重——Qwen3.8-2.4T-A95B 和 27B 都是 Hugging Face 与 ModelScope 同时上线。

快速上手

bash

pip install modelscope

python

from modelscope import snapshot_download

# 27B 是这一代许可最宽松的开源成员，BF16 约 55.6 GB
model_dir = snapshot_download("Qwen/Qwen3.8-27B")
print(model_dir)

2.4T 那个就别想着单机跑了：BF16 权重约 4.9 TB，FP8 约 2.4 TB。它的归宿是机架，不是工作站。

与阿里生态的集成

这是 Qwen 最难被复制的地方——不是模型能力，是入口。

千问 App：2025 年 11 月上线，2026 年 1 月起陆续接入淘宝、支付宝、飞猪、高德，可以在对话里直接调起这些服务
千问 Go!：2026 年 10 月上线"我的应用"，说一句话生成可分享的专属应用，授权后可调用淘宝、大麦、夸克网盘的数据（目前邀测）
千问办公（QwenWork）：基于 Qwen3.8，深度集成钉钉，覆盖网页端、钉钉端和桌面客户端
夸克：浏览器 + 网盘，是 Qwen 面向消费端的另一个高频入口
高德：扫街榜等场景已和千问 App 打通

这些集成的意义不在技术，在数据和使用频率。模型再好，用户一天打开三次和一天打开三十次，是两种生意。

本节小结

✅ Qwen3.8（2026.08）：Max 2.4T MoE、Flash 高吞吐、Omni 全模态，全系 1M 上下文 ✅ 首次开源 Max 级权重：Qwen3.8-2.4T-A95B（2.4T/95B，自定义许可），外加 Apache 2.0 的 Qwen3.8-27B ✅ 百炼华北2：qwen3.8-max 输入 12 元、输出 36 元每百万 tokens；Flash 便宜一个数量级 ✅ 微调只支持开源尺寸，Max/Flash 不支持；qwen3.8-27b 支持 SFT 全参与 LoRA ✅ ModelScope 17 万模型，国内下载首选；Hugging Face 仍是全球默认（2026-09-03 宣布被 NVIDIA 收购）

← 上一节：DeepSeek 深度解析 | 继续学习：豆包与字节 AI 矩阵 →

通义千问与 Qwen 生态 ​

Qwen 是谁？ ​

Qwen 模型家族（2026 年 10 月） ​

Qwen3.8 家族（2026.08） ​

上一代还在服役 ​

专用模型还剩哪些 ​

阿里云百炼平台 ​

能力矩阵 ​

模型 ID 与计费 ​

API 调用 ​

模型微调 ​

ModelScope 社区 ​

和 Hugging Face 的分工现状 ​

快速上手 ​

与阿里生态的集成 ​

本节小结 ​

通义千问与 Qwen 生态

Qwen 是谁？

Qwen 模型家族（2026 年 10 月）

Qwen3.8 家族（2026.08）

上一代还在服役

专用模型还剩哪些

阿里云百炼平台

能力矩阵

模型 ID 与计费

API 调用

模型微调

ModelScope 社区

和 Hugging Face 的分工现状

快速上手

与阿里生态的集成

本节小结