一个没有发布会的模型，拿下了全球编程第一

9月2日。一个普通的周二。

没有发布会，没有红毯，没有直播。阿里千问团队在 CodeArena 榜单上更新了一个分数。

那个分数停在了 1691。全球第一。

不是 GPT-5.6。不是 Claude Opus 5。是 Qwen3.8-Max-0902。

我自己看到这个数字的时候愣了一下。因为就在 47 天前，7 月 16 日，月之暗面的 Kimi K3 以 1679 分拿下同一个榜单的第一，把 Claude Fable 5 的 1631 分甩在身后。那是国产模型第一次在 CodeArena 前端编程榜上登顶。

现在，另一个国产模型又超过了它。47 天，换一次王座。

不是偶然。

1691 是什么概念

CodeArena 不是你熟悉的那种跑分榜。它不用 LeetCode 算法题，不用 HumanEval。它用 217 个工业级用例，从真实 GitHub PR 到企业级题库，从 Figma 插件开发到 Next.js SSR 诊断。开发者提交真实场景任务，匿名模型同台竞技，人类盲测投票。

说直白点，这不是考你会不会写排序算法。是考你能不能从零开始交付一个能用的东西。

Qwen3.8-Max-0902 在这个榜单上拿了 1691 分。比它自己的上一版提高了 22 分，从 1669 跳到 1691。比第二名 Claude Opus 5 领先 37 分。

37 分在 CodeArena 是什么概念。是"不是一个档次"的差距。在竞技场盲测中，超过 10 分的差距就足以让人类评审明确感知到质量差异。37 分，是碾压级别的断层。

排名	模型	分数	来源
1	Qwen3.8-Max-0902	1691	中国 · 阿里
2	Kimi K3	1679	中国 · 月之暗面
3	Claude Opus 5	1654	美国 · Anthropic

说真的，一个中国模型在编程榜单上领先 Claude 37 分，放在一年前是不可想象的。去年同一时间，CodeArena 的前五名里一个中国模型都没有。

价格才是真正的杀招

1691 分是天花板。但让我更在意的是另一个数字。

$5

每百万 Token，5 美元。这是 Qwen3.8-Max-0902 的 API 均价。

我把它和几个主要对手放在一起看。某美系闭源旗舰报价 18.7 美元每百万 Token。某港产明星模型标价 11.3 美元。Qwen3.8-Max-0902，5 美元。

在 CodeArena 的帕累托前沿图上，Qwen3.8-Max-0902 是性价比最优的那个点。所有价格高于 5 美元的模型，分数都没有它高。所有分数比它高的模型，不存在。同样性能花更少的钱，同样价格拿到更强的模型。帕累托前沿上的最优解，就是开发者最该选的那个。Qwen3.8-Max-0902 把这个点钉死了。

这个价差不是小数目。对于一个月消耗 10 亿 Token 的企业来说，用闭源旗舰每月花 18700 美元，用 Qwen3.8-Max-0902 每月花 5000 美元。一年下来差 16 万美元。够雇一个全职工程师了。当模型能力接近甚至反超的时候，价格就是决策的最后一根稻草。

这个定价策略不是拍脑袋。它背后是一套完整的打法。把价格压到对手的零头，同时分数压过对手，然后用生态绑住开发者。

坦率地讲，中国大模型公司已经把这件事玩明白了。不是靠更便宜抢市场，是靠又便宜又强来重新定义什么叫"值"。

不是模型更大了，是训练方式变了

很多人第一反应是，Qwen3.8-Max-0902 是不是又堆了更多参数。

不是。

2.4 万亿总参数，激活约 950 亿。稀疏 MoE 架构，混合注意力。这些数字和 8 月 3 日首发的 Qwen3.8-Max 基座完全一样。支持 100 万 Token 上下文，也没变。

变的是什么。后训练。

这次 0902 版本的核心更新是专项后训练，聚焦两个方向，Coding 和 Cowork。基座模型没有动，提升全部来自后训练阶段的针对性优化。

后训练的投入产出比远超堆参数。训练一个更大的基座需要数万张 GPU 跑几个月，成本上亿美元。后训练专项优化只需要在已有基座上做针对性数据增强和强化学习，成本降一到两个数量级。用百分之一的成本拿到可感知的能力提升，这笔账谁都会算。

这一点和整个行业趋势吻合。今年 5 月发布的 Qwen3.7-Max 已经在 Agent 方向做过一次后训练专项突破。当时它甚至没接触过真武 M890 芯片，就靠自主编程和超过 1000 次工具调用，在 35 小时内完成了推理内核优化。模型学会了自己优化自己的运行环境，这件事的意义比任何一个跑分都大。8 月 13 日开源的 Qwen3.8-2.4T-A95B 进一步验证了基座能力的上限。0902 版本是在同一个基座上，把编程和协作两个维度单独拉出来强化。

结果就是，在智能体编程能力上出现了明显的涌现。Qwen3.8 可以从一个空文件夹开始，读代码、写代码、跑测试、修 Bug，完成一个真实项目的交付。从分析到实现到部署，全流程自主。

这不是吹牛。CodeArena 的 217 个用例就是 217 个真实交付场景。一个模型能自主读完整个项目代码，梳理业务逻辑，定位漏洞，编写单元测试，甚至自动执行终端命令调试程序。这些不是实验室模拟，是真实开发者每天会碰到的工作。1691 分就是人类开发者在这些真实任务里投出来的最好用。

王座一个月换一次

但我不想把这件事写成一篇捷报。

坦率地讲，CodeArena 只是一个前端编程榜单。它测的是前端，不是全栈，不是后端，不是系统级编程。在前端这个细分领域拿了第一，不等于编程能力全面第一。

而且，这个榜单的竞争节奏快得吓人。

47 天，王座从 Kimi K3 传到 Qwen3.8-Max。下一次换人，可能更快。

中国大模型的发布节奏已经从按季度算压缩到了按周算。这种速度的背后是算力基础设施的成熟、训练工程的经验积累，以及一个被很多人忽视的因素，中国开发者社区的真实反馈在反哺模型迭代。模型上线不是终点，是下一轮训练数据的起点。

我一直觉得，中国大模型公司之间的这种"接力赛"才是最值得关注的信号。不是某一家在某一天拿了第一，是不同的中国公司轮流拿第一。Kimi K3 拿过，Qwen3.8-Max 拿过，GLM-5.3 在别的维度拿过。这种交替领先说明一件事，中国的模型能力不是某一家公司的突破，是整个生态的上升。

去年同一时间，国产模型在 CodeArena 上的最高排名还在十名开外。一年之内，前三名里两个是中国公司。不是追赶，是交替领跑。这种节奏只有一种解释，中国大模型的后训练能力、数据工程能力和工程化部署能力，已经形成了体系化的竞争力，不是靠某一个天才的灵光一闪。

下一个战场不在榜单上

CodeArena 的 1691 分是一个结果。但更重要的是它背后的分发能力。

Qwen3.8-Max-0902 已经接入四个端，千问 AI 平台 API、千问办公、Qoder、千问 App。不是一个入口，是四个入口。从今天开始，任何使用千问生态的开发者，拿到的就是全球编程第一的模型。

同时，中国开源 LLM 的月度 Token 消耗量也在印证这个趋势。TOP3 全是国产，DeepSeek V4 Flash 月消耗 21.5 万亿 Token，小米 MiMo V2.5 消耗 20.5 万亿，Minimax M3 消耗 17.1 万亿。增速分别是 42%、198%、177%。

这些数字说明什么。开发者用脚投票。不是看跑分选模型，是真的在用。

还有一个数据。Hugging Face 的报告显示，千问系列开源模型全球下载量突破 30 亿次，超过 Meta 的 Llama 和 Google 的模型。今年 1 到 7 月下载量 20.45 亿次，全球第一，是美国 Google 模型下载量的 5 倍。千问已经开源超过 460 个模型，催生出 30 万个衍生 AI 产品。这不是一家公司的胜利，是一种生态策略的胜利。模型开源，生态繁荣，开发者习惯养成，然后反馈数据反哺下一代模型训练。飞轮转起来了。

日本的制造企业已经开始在生产环境用千问。日方团队的负责人说了一句话，"Qwen 已经完全够用了。"这家企业本身就是一家日本国产 AI 开发公司的投资方。高层押注国产 AI，一线技术团队却选了千问。决策层和执行层给出了不同的答案，技术实力比战略叙事更有说服力。

当全球开发者在用你的模型，当日本企业在生产环境选你的模型，当你在编程榜单上拿了第一还只收对手零头的价格，竞争的维度已经变了。

不是谁更聪明的比赛了。是谁更便宜、更强、更开放的系统战。

9 月 2 日没有发布会。但 1691 分会说话。中国 AI 不再需要发布会来证明自己了，分数和价格会替它说话。