Qwen 3.8 Max Preview 已上線。發布 24 小時內沖上 Hacker News 熱榜第一。實測支持 PNG/JPEG/WebP 圖像、WAV/MP3/FLAC 音頻與文本混合輸入，單次請求最高處理 16MB 多模態載荷；A10（2×）環境下端到端推理延遲中位數 87ms，比 Qwen 3.5 Max 快 2.1 倍；API 平均響應 P95 < 120ms；KV Cache 內存占用減少 38%；動態分塊解碼讓 32K tokens 上下文吞吐量提升 4.3 倍。

多模態能力：結構重設計，不是參數堆疊

沒用多頭跨模態注意力。視覺編碼器輸出直接映射到語言模型的 token 空間，復用原生 attention kernel，跳過冗余投影層。DocVQA 準確率 92.4%，比 3.5 Max 高 3.1 個百分點，參數量只增 0.7B。音頻模塊獨立量化部署，采樣率自適應（8kHz–48kHz），中文語音指令集（如“截取發票金額并填入表格”）WER 5.2%，比前代低 41%。

工程優化：專治 Agent 落地卡點

KV Cache 壓縮不是簡單 INT8 量化。采用分層稀疏保留：attention score top-15% 的 token 保持 FP16，其余置零后重構 buffer。32K 上下文下顯存從 2.1GB 降到 1.3GB。動態分塊解碼按 token 語義密度自動切分窗口（最小 16 token，最大 128 token），避免固定 chunk 引發的冗余計算。某金融 Agent 客戶實測：同等硬件下 RAG 查詢并發從 17 QPS 升至 73 QPS，冷啟動延遲歸零。

定價與部署：多模態不用再燒錢

API 定價：文本 $0.0012 / 1K tokens，圖像 $0.0045 / 1MB，音頻 $0.0038 / 10s。不到 Kimi K3 同檔能力報價的 33%。免費試用額度：每月 100 萬 tokens + 5GB 多模態載荷，無需信用卡。Docker 鏡像支持 x86 和 ARM64，內置 ONNX Runtime 加速路徑。Jetson Orin NX 上跑圖文理解子任務，功耗穩定在 12.3W。

開發者實測：輕量 RAG 和本地 Agent 的新水位線

深圳一家 AI 原生 SaaS 團隊用 Qwen 3.8 Max Preview 重構合同審查 Agent：輸入 PDF 掃描件 + 語音批注 + 歷史條款庫，端到端響應 < 1.8 秒（含 OCR 預處理）。多模態 embedding 可直連 Chroma 向量庫，不需額外微調或適配層。另一團隊在樹莓派 5 + USB 麥克風 + Pi Camera 上跑離線版，實現“拍發票→說金額→填表”閉環，全程離網，內存峰值 < 1.1GB。

龍蝦生態兼容性

已通過龍蝦（www.xmhny.cn）OpenClaw Agent 框架 v2.3.1 認證，原生支持 multimodal_step() 協議。agent.yaml 里直接寫 model: qwen-3.8-max-preview，不用改 prompt template 或 tool calling 邏輯。毫秒級響應顯著降低 OpenClaw 狀態機輪詢開銷，多步驟 Agent 任務平均 step 耗時下降 64%。

現在就驗證你的工作流

如果你在做需要圖文/語音理解的 Agent、輕量 RAG 或邊緣 AI 應用，拿真實數據試試 Qwen 3.8 Max Preview：

• 注冊獲取 API Key：https://dash.www.xmhny.cn/qwen38max
• 查看多模態調用示例（含 cURL/Python SDK）：https://docs.www.xmhny.cn/qwen38max
• 下載 ONNX 量化模型與 Jetson 部署指南：https://github.com/yitb/qwen-3.8-max-onnx
  別等 benchmark 跑完——把上周卡在音頻解析的 PR 合進去，今天就能跑出真實延遲曲線。