Thanawat Wongchai

Posted on Aug 3 • Originally published at apidog.com

Qwen 3.8-Max คืออะไร

อาลีบาบาเปิดตัว Qwen 3.8-Max อย่างเป็นทางการเมื่อต้นเดือนสิงหาคม 2026 โมเดลนี้เป็น Mixture-of-Experts (MoE) ขนาด 2.4 ล้านล้านพารามิเตอร์ แต่เปิดใช้งานเพียง 95 พันล้านพารามิเตอร์ต่อโทเค็น รองรับบริบทสูงสุด 1 ล้านโทเค็น และคิดราคาแบบคงที่ $2/$6 ต่อล้านโทเค็นสำหรับอินพุต/เอาต์พุต Alibaba ยังระบุว่าจะเผยแพร่น้ำหนักโมเดลบน Hugging Face และ ModelScope ภายในหนึ่งสัปดาห์ ซึ่งจะเป็นครั้งแรกสำหรับโมเดล Qwen ระดับ Max

ลองใช้ Apidog วันนี้

จากประกาศอย่างเป็นทางการ Qwen 3.8-Max คือโมเดล Qwen ที่มีความสามารถสูงสุดในปัจจุบัน หากคุณต้องการนำไปใช้ผ่าน API โมเดลรองรับทั้งปลายทางที่เข้ากันได้กับ OpenAI และ Anthropic จึงสามารถใช้ไคลเอ็นต์อย่าง Apidog ทดสอบคำขอทั้งสองรูปแบบด้วยคีย์เดียวกันได้

Qwen 3.8-Max โดยสรุป

คุณสมบัติ	Qwen 3.8-Max
ผู้พัฒนา	Alibaba (ทีม Qwen)
วันที่เผยแพร่	ต้นเดือนสิงหาคม 2026; วางจำหน่ายทั่วไปบน Model Studio วันที่ 3 สิงหาคม
สถาปัตยกรรม	MoE บนพื้นฐานสถาปัตยกรรม Qwen 3.5
พารามิเตอร์ทั้งหมด	2.4 ล้านล้าน
พารามิเตอร์ที่ใช้งาน	95 พันล้าน หรือประมาณ 4%
ขนาดบริบท	1,000,000 โทเค็น
ผลลัพธ์สูงสุด	65,536 โทเค็น
รูปแบบข้อมูล	ข้อความและรูปภาพเป็นอินพุต, ข้อความเป็นเอาต์พุต
การควบคุมการให้เหตุผล	`reasoning_effort`: `xhigh` (ค่าเริ่มต้น), `medium`, `low`
รหัสโมเดล API	`qwen3.8-max`
ราคา	อินพุต $2 / เอาต์พุต $6 ต่อ 1 ล้านโทเค็น
น้ำหนักโมเดลแบบเปิด	สัญญาว่าจะเผยแพร่ประมาณ 10 สิงหาคม 2026; ยังดาวน์โหลดไม่ได้เมื่อต้นเดือนสิงหาคม
โปรโตคอล API	เข้ากันได้กับ OpenAI และ Anthropic

ข้อมูลในตารางอ้างอิงจากเอกสารของ Alibaba และหน้าการกำหนดราคา Model Studio

Qwen 3.8-Max คืออะไร

Qwen 3.8-Max คือโมเดลเรือธงใหม่ของตระกูล Qwen ที่สร้างบนสถาปัตยกรรม Qwen 3.5 และมาแทนที่ Qwen3.7-Max ในระดับสูงสุดของสายผลิตภัณฑ์

ตามตารางของผู้ขาย รุ่นนี้เพิ่มผลลัพธ์จากรุ่นก่อนหน้าอย่างชัดเจน เช่น:

Terminal Bench 2.1: จาก 74.5 เป็น 86.6
PaperBench: จาก 64.8 เป็น 93.0

หากกำลังประเมินการย้ายจากรุ่นเดิม ดูรายละเอียดเพิ่มเติมได้ในการเปรียบเทียบ Qwen 3.8 กับ Qwen 3.7 Max

จุดสำคัญคือโครงสร้าง MoE: แม้โมเดลจะมีพารามิเตอร์ทั้งหมด 2.4 ล้านล้าน แต่เปิดใช้งานจริงเพียง 95 พันล้านต่อการประมวลผลหนึ่งครั้ง อัตราการเปิดใช้งานราว 4% นี้ช่วยให้ Alibaba ให้บริการโมเดลขนาดใหญ่ด้วยราคา $2/$6 ต่อล้านโทเค็นได้

สำหรับการเปรียบเทียบ Kimi K3 มีพารามิเตอร์ทั้งหมด 2.8 ล้านล้าน และเปิดใช้งาน 104 พันล้านพารามิเตอร์ จึงมีขนาดใหญ่กว่า Qwen 3.8-Max ทั้งในจำนวนพารามิเตอร์รวมและพารามิเตอร์ที่ใช้งาน

โมเดลรองรับข้อความและรูปภาพผ่าน API แม้บล็อกของ Alibaba จะแสดงเดโมการเข้าใจ PDF กว่า 200 หน้าและวิดีโอ 100 ชั่วโมงผ่านกราฟหน่วยความจำ แต่รูปแบบอินพุต API ที่เผยแพร่ยังระบุชัดว่าเป็นข้อความและรูปภาพ

ควบคุมระดับการให้เหตุผล

ใช้พารามิเตอร์ reasoning_effort เพื่อเลือกสมดุลระหว่างคุณภาพ ความเร็ว และต้นทุน:

{
  "model": "qwen3.8-max",
  "reasoning_effort": "medium"
}

ค่าที่รองรับ:

xhigh — ค่าเริ่มต้น เหมาะกับงานให้เหตุผลซับซ้อน
medium — ลดต้นทุนและเวลาแฝงสำหรับงานทั่วไป
low — ใช้เมื่อให้ความสำคัญกับความเร็ว

ยังมี enable_thinking และ preserve_thinking โดยค่าเริ่มต้นจะรักษาข้อมูลการคิดไว้ โปรดคำนึงว่าโทเค็นสำหรับการคิดถูกคิดราคาเป็นโทเค็นเอาต์พุต ดังนั้นการใช้ xhigh อาจมีต้นทุนจริงสูงกว่าการคำนวณจากราคาเอาต์พุตทั่วไป

Qwen คลาส Max ตัวแรกที่เปิดเผยน้ำหนักโมเดล

นี่เป็นประเด็นเชิงกลยุทธ์สำคัญของการเปิดตัว Alibaba เปิดเผยซอร์สโค้ดของโมเดล Qwen หลายรุ่นมาก่อน แต่ไม่เคยเปิดน้ำหนักโมเดลของรุ่น Max

Alibaba ระบุว่าจะเผยแพร่น้ำหนัก Qwen 3.8-Max บน Hugging Face และ ModelScope “ในสัปดาห์หน้า” หรือประมาณวันที่ 10 สิงหาคม 2026

ข้อควรพิจารณา:

น้ำหนักโมเดลยังดาวน์โหลดไม่ได้ ณ ต้นเดือนสิงหาคม 2026 นี่ยังคงเป็นคำมั่นสัญญา
การโฮสต์เองต้องใช้หลายโหนด โมเดลขนาด 2.4 ล้านล้านพารามิเตอร์ไม่เหมาะกับเวิร์กสเตชันทั่วไป แม้ใช้ quantization อย่างเข้มข้น
สำหรับทีมส่วนใหญ่ คำว่า “น้ำหนักโมเดลแบบเปิด” อาจหมายถึงการเข้าถึงผ่านผู้ให้บริการโฮสต์ภายนอก มากกว่าการรันในเครื่อง

หากเป้าหมายคือทดลองใช้โดยไม่จ่ายราคาเต็ม ปัจจุบันสามารถใช้ Qwen Chat หรือโควตาฟรีของ Model Studio ได้ ดูขั้นตอนในคู่มือวิธีใช้ Qwen 3.8 ฟรี

ผลการวัดประสิทธิภาพ: จุดเด่นและข้อจำกัด

Alibaba เผยแพร่ตารางเปรียบเทียบ Qwen 3.8-Max กับ Claude Opus 4.8, Fable 5, GPT-5.6 Sol และ Qwen3.7-Max

ก่อนนำตัวเลขไปตัดสินใจใช้งานจริง ควรคำนึงถึงสองเรื่อง:

ผลลัพธ์เป็นการทดสอบโดยผู้ขาย
การทดสอบเขียนโค้ดหลายรายการใช้ Claude Code harness สำหรับทุกโมเดล
Benchmark หลายชุด เช่น QwenSWEBench, QwenQoderBench, CoWorkBench และ RecreationBench เป็นชุดทดสอบภายในของ Alibaba
ณ เวลาที่เขียน ยังไม่มีผลอิสระจากแหล่งอย่าง Artificial Analysis

จุดเด่นตามตารางของ Alibaba

PaperBench: 93.0 — สูงกว่า GPT-5.6 Sol ที่ 90.5, Fable 5 ที่ 88.8 และ Opus 4.8 ที่ 80.3
IFBench: 82.8 — สูงสุดในแถว เปรียบเทียบกับ Sol ที่ 72.7
Terminal Bench 2.1: 86.6 — สูงกว่า Opus 4.8 และ Fable 5 ที่ 84.6 แต่ยังต่ำกว่า Sol ที่ 88.8
Multimodal — เป็นจุดแข็งหลัก เช่น MathVision 95.2, LogicVista 91.9, OSWorld-Verified 86.1 และหลายรายการด้าน OCR

จุดที่ตามหลัง

SWE-bench Pro: 67.7 — ตามหลัง Fable 5 ที่ 80.0 และ Opus 4.8 ที่ 69.2 แต่สูงกว่า Sol ที่ 64.6
HLE: 43.6 — ต่ำกว่า Fable 5 ที่ 53.3, Sol ที่ 47.2 และ Opus 4.8 ที่ 45.7

สรุปจากตัวเลขของ Alibaba เอง: Qwen 3.8-Max แข็งแกร่งในงาน Agent, multimodal และ document intelligence แต่ยังไม่ชนะ Fable 5 ในงานเขียนโค้ดหลักหลายประเภท

สำหรับการดูตารางทั้งหมดและรายละเอียดของ harness อ่านต่อได้ที่การวิเคราะห์ผลการวัดประสิทธิภาพของ Qwen 3.8

Alibaba ยังแสดงเดโมหลายรายการ เช่น การเขียนโค้ดอัตโนมัติ 16 วันบน public repo จำนวน 265 คอมมิตและ 127 pull request การจำลองงานวิจัยที่ได้ผลลัพธ์ AIME24 และการแข่งขัน Tianchi ซึ่งรายงานว่าเหนือกว่า 458 จาก 526 ทีมมนุษย์ภายใน 24 ชั่วโมง ควรอ่านเดโมเหล่านี้ในฐานะข้อมูลจากผู้ขาย ไม่ใช่การประเมินที่ควบคุมโดยอิสระ

ดูรายละเอียดการตั้งค่าสำหรับงานเขียนโค้ดได้ที่Qwen 3.8 สำหรับการเขียนโค้ด

เปรียบเทียบกับ Kimi K3, Fable 5 และ GPT-5.6 Sol

เทียบกับ Kimi K3

ทั้งสองเป็นโมเดล MoE ขนาดใหญ่จากห้องแล็บจีน และเปิดตัวห่างกันเพียงไม่กี่สัปดาห์

คุณสมบัติ	Qwen 3.8-Max	Kimi K3
พารามิเตอร์ทั้งหมด	2.4 ล้านล้าน	2.8 ล้านล้าน
พารามิเตอร์ที่ใช้งาน	95 พันล้าน	104 พันล้าน
อินพุต	ข้อความ + รูปภาพ	ข้อความ
ราคาอินพุต/เอาต์พุต	$2 / $6	$3 / $15
น้ำหนักโมเดล	สัญญาว่าจะเผยแพร่	เผยแพร่แล้ว

ยังไม่มี benchmark แบบตัวต่อตัวจากแหล่งอิสระ ดูการเปรียบเทียบเชิงลึกที่Qwen 3.8 เทียบกับ Kimi K3 หรือเริ่มจากบทความKimi K3 คืออะไร

เทียบกับ Fable 5

Fable 5 ยังเป็นมาตรฐานที่ Qwen 3.8-Max ต้องไล่ตามในงานเขียนโค้ดหลัก:

SWE-bench Pro: Qwen 67.7 เทียบกับ Fable 80.0
HLE: Qwen 43.6 เทียบกับ Fable 53.3

ข้อเสนอหลักของ Qwen คือราคา บริบท 1 ล้านโทเค็น ความสามารถ multimodal และน้ำหนักโมเดลแบบเปิดที่กำลังจะมา

เทียบกับ GPT-5.6 Sol

GPT-5.6 Sol ทำคะแนนเหนือกว่า Qwen ใน:

Terminal Bench: 88.8 เทียบกับ 86.6
GPQA: 94.1 เทียบกับ 92.6
HLE: 47.2 เทียบกับ 43.6

Qwen เหนือกว่าใน:

PaperBench: 93.0 เทียบกับ 90.5
IFBench: 82.8 เทียบกับ 72.7

ด้านราคา Qwen ที่ $2/$6 มีต้นทุนเอาต์พุตต่ำกว่า GPT-5.6 Terra ที่ $2/$12 และการเข้าถึงระดับ Sol มีราคาสูงกว่า

ราคา: $2/$6 คงที่ตลอดบริบท 1 ล้านโทเค็น

Qwen 3.8-Max คิดราคา:

$2 ต่อ 1 ล้านโทเค็นอินพุต
$6 ต่อ 1 ล้านโทเค็นเอาต์พุต
ใช้อัตราเดิมตลอดบริบทสูงสุด 1 ล้านโทเค็น
โหมดคิดและไม่คิดคิดราคาในอัตราเดียวกัน

จุดที่แตกต่างคืออัตราคงที่ โมเดลบริบทยาวหลายรุ่นจะเพิ่มราคาตามความยาวของพรอมต์ แต่ Qwen 3.8-Max ไม่ทำเช่นนั้น

สำหรับ context caching:

Cache hit คิดราคา 10% ของราคาอินพุต
การสร้าง cache โดยตรงคิดราคา 125%
มีโควตาฟรี 1 ล้านโทเค็นในภูมิภาคสิงคโปร์ และมีอายุ 90 วัน

ดูตัวอย่างการคำนวณต้นทุนและรายละเอียดการคิดราคา reasoning ได้ที่คู่มือการกำหนดราคา Qwen 3.8

วิธีเข้าถึง Qwen 3.8-Max

มีห้าช่องทางหลัก

1. Qwen Chat

เหมาะสำหรับทดลองใช้งานเร็วที่สุดโดยไม่ต้องมี API key

2. Alibaba Cloud Model Studio API

รับคีย์จาก home.qwencloud.com แล้วกำหนดตัวแปรสภาพแวดล้อม:

export DASHSCOPE_API_KEY="your_api_key"

ใช้ model ID:

qwen3.8-max

Base URL ที่รองรับ:

# ปักกิ่ง
https://dashscope.aliyuncs.com/compatible-mode/v1

# สิงคโปร์
https://dashscope-intl.aliyuncs.com/compatible-mode/v1

# สหรัฐอเมริกา-เวอร์จิเนีย
https://dashscope-us.aliyuncs.com/compatible-mode/v1

หน้าโมเดลของ Model Studio ระบุโมเดลนี้ไว้ในรายการแนะนำ

ตัวอย่างเรียก API แบบ OpenAI-compatible:

curl https://dashscope-intl.aliyuncs.com/compatible-mode/v1/chat/completions \
  -H "Authorization: Bearer $DASHSCOPE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen3.8-max",
    "messages": [
      {
        "role": "user",
        "content": "อธิบายวิธีออกแบบ REST API สำหรับระบบจัดการงาน"
      }
    ],
    "reasoning_effort": "medium"
  }'

3. ปลายทาง Anthropic-compatible

DashScope มีปลายทาง Anthropic Messages:

https://dashscope-intl.aliyuncs.com/apps/anthropic

จึงสามารถชี้เครื่องมือที่สร้างสำหรับ Claude ไปยัง Qwen ได้ด้วยการตั้งค่าตัวแปรสภาพแวดล้อม

export ANTHROPIC_BASE_URL="https://dashscope-intl.aliyuncs.com/apps/anthropic"
export ANTHROPIC_MODEL="qwen3.8-max"

4. Harness สำหรับการเขียนโค้ด

Alibaba เผยแพร่การกำหนดค่าสำหรับ Agent หลายตัว:

Claude Code
Codex
Qoder
Qwen Code
OpenClaw

ตัวอย่างสำหรับ Claude Code:

export ANTHROPIC_BASE_URL="https://dashscope-intl.aliyuncs.com/apps/anthropic"
export ANTHROPIC_MODEL="qwen3.8-max"

เนื่องจาก Alibaba ใช้ Claude Code harness ใน benchmark การเขียนโค้ดจำนวนมาก การตั้งค่านี้จึงเป็นแนวทางที่ตรงกับสภาพแวดล้อมการทดสอบที่ผู้ขายเผยแพร่

5. น้ำหนักโมเดลแบบเปิด

Alibaba ระบุว่าจะเผยแพร่บน Hugging Face และ ModelScope ในสัปดาห์ถัดไป แต่ยังไม่สามารถดาวน์โหลดได้เมื่อต้นเดือนสิงหาคม 2026

ดูตัวอย่าง Python, cURL และการตั้งค่า Agent แบบเต็มได้ที่คู่มือ API ของ Qwen 3.8

การทดสอบ API สองโปรโตคอล

เมื่อโมเดลเดียวรองรับทั้ง OpenAI-compatible และ Anthropic-compatible API ควรตรวจสอบพฤติกรรมจริงของคำขอในทั้งสองเส้นทาง

ขั้นตอนที่แนะนำ:

สร้าง environment สำหรับ base URL ของปักกิ่ง สิงคโปร์ และเวอร์จิเนีย
ส่ง prompt เดียวกันผ่าน OpenAI-compatible endpoint
ส่ง prompt เดิมผ่าน Anthropic Messages endpoint
เปรียบเทียบคำตอบ เวลาแฝง การใช้โทเค็น และข้อมูล reasoning_content
ทดสอบ A/B กับ qwen3.7-max หรือ kimi-k3 ด้วย prompt และพารามิเตอร์เดียวกัน

ใน Apidog คุณสามารถบันทึก environment และสลับภูมิภาคได้โดยไม่ต้องแก้ไขคำขอทุกครั้ง รวมถึงตรวจสอบ SSE stream เพื่อดูการเปลี่ยนแปลงของ reasoning_content ก่อนคำตอบสุดท้าย ซึ่งมีประโยชน์ต่อการประเมินต้นทุนจากโทเค็น reasoning

ดาวน์โหลด Apidog เพื่อสร้างชุดทดสอบ API และเปรียบเทียบโมเดลด้วย prompt จริงของระบบคุณ

ตำแหน่งของ Qwen 3.8-Max ในตระกูลโมเดล

Qwen 3.8-Max อยู่เหนือ Qwen3.7-Max และโมเดลระดับ Plus

แนวทางเลือกโมเดลแบบรวดเร็ว:

เลือก Qwen 3.8-Max เมื่อต้องการความสามารถด้าน multimodal และ agentic สูงสุด
เลือก Qwen 3.7-Max เมื่อต้องการโมเดลเรือธงที่ประหยัดกว่าในช่วงโปรโมชันลด 50%
เลือก รุ่น Plus สำหรับงานทั่วไปที่ต้องควบคุมต้นทุน

ดูรายละเอียดการเลือกโมเดลตามประเภทงานในคู่มือโมเดล Qwen ที่ดีที่สุด

คำถามที่พบบ่อย

Qwen 3.8 เป็นโอเพนซอร์สหรือไม่?

ยังไม่ใช่ ณ ต้นเดือนสิงหาคม 2026 Alibaba ระบุว่าจะเผยแพร่น้ำหนักโมเดลบน Hugging Face และ ModelScope ในสัปดาห์ถัดไป จนกว่าจะถึงตอนนั้น สามารถเข้าถึงโมเดลผ่าน API หรือ Qwen Chat ได้

ดูช่องทางใช้งานแบบไม่มีค่าใช้จ่ายได้ที่วิธีใช้ Qwen 3.8 ฟรี

Qwen 3.8-Max มีค่าใช้จ่ายเท่าไร?

คิดราคา $2 ต่อล้านโทเค็นอินพุต และ $6 ต่อล้านโทเค็นเอาต์พุต ในอัตราคงที่ตลอดบริบท 1 ล้านโทเค็น

Cache hit คิดราคา 10% ของอินพุต และโทเค็น reasoning จะคิดเป็นเอาต์พุต เนื่องจากค่าเริ่มต้นคือ xhigh จึงควรเผื่องบประมาณสำหรับงานที่ใช้เหตุผลมาก

Qwen 3.8-Max ดีกว่า Kimi K3 หรือไม่?

ยังไม่มีการประเมินแบบตัวต่อตัวจากแหล่งอิสระ Qwen 3.8-Max มีขนาดเล็กกว่า รองรับรูปภาพ และมีราคาเอาต์พุตต่ำกว่า ($6 เทียบกับ $15) ขณะที่ Kimi K3 มีข้อได้เปรียบตรงที่เปิดเผยน้ำหนักโมเดลต่อสาธารณะแล้ว

ใช้ Qwen 3.8-Max ใน Claude Code ได้หรือไม่?

ได้ ตั้งค่า ANTHROPIC_BASE_URL ไปยัง Anthropic-compatible endpoint ของ DashScope และกำหนด:

export ANTHROPIC_MODEL="qwen3.8-max"

Alibaba ยังมีการตั้งค่าสำหรับ Codex, Qoder, Qwen Code และ OpenClaw

สิ่งที่ต้องทำต่อไป

Qwen 3.8-Max เป็นโมเดลเรือธงที่พร้อมใช้งานผ่าน API ในสามภูมิภาค มีราคาที่เผยแพร่ชัดเจน รองรับทั้ง OpenAI และ Anthropic protocol และมีผล benchmark จากผู้ขายให้ใช้เป็นจุดเริ่มต้น

แนวทางที่ใช้งานได้จริงคืออย่าตัดสินใจจากตาราง benchmark เพียงอย่างเดียว:

ใช้โควตาฟรีเพื่อสร้าง baseline
ทดสอบ prompt และข้อมูลจริงของระบบคุณ
เปรียบเทียบ OpenAI-compatible กับ Anthropic-compatible endpoint
วัดคุณภาพ เวลาแฝง และต้นทุน reasoning
เปรียบเทียบกับ Qwen3.7-Max หรือ Kimi K3 ใน workload เดียวกัน
ตรวจสอบอีกครั้งราววันที่ 10 สิงหาคมว่าน้ำหนักโมเดลถูกเผยแพร่ตามกำหนดหรือไม่

เริ่มต้นด้วยคู่มือการตั้งค่า API Qwen 3.8

DEV Community

Qwen 3.8-Max คืออะไร

Qwen 3.8-Max โดยสรุป

Qwen 3.8-Max คืออะไร

ควบคุมระดับการให้เหตุผล

Qwen คลาส Max ตัวแรกที่เปิดเผยน้ำหนักโมเดล

ผลการวัดประสิทธิภาพ: จุดเด่นและข้อจำกัด

จุดเด่นตามตารางของ Alibaba

จุดที่ตามหลัง

เปรียบเทียบกับ Kimi K3, Fable 5 และ GPT-5.6 Sol

เทียบกับ Kimi K3

เทียบกับ Fable 5

เทียบกับ GPT-5.6 Sol

ราคา: $2/$6 คงที่ตลอดบริบท 1 ล้านโทเค็น

วิธีเข้าถึง Qwen 3.8-Max

1. Qwen Chat

2. Alibaba Cloud Model Studio API

3. ปลายทาง Anthropic-compatible

4. Harness สำหรับการเขียนโค้ด

5. น้ำหนักโมเดลแบบเปิด

การทดสอบ API สองโปรโตคอล

ตำแหน่งของ Qwen 3.8-Max ในตระกูลโมเดล

คำถามที่พบบ่อย

Qwen 3.8 เป็นโอเพนซอร์สหรือไม่?

Qwen 3.8-Max มีค่าใช้จ่ายเท่าไร?

Qwen 3.8-Max ดีกว่า Kimi K3 หรือไม่?

ใช้ Qwen 3.8-Max ใน Claude Code ได้หรือไม่?

สิ่งที่ต้องทำต่อไป

Top comments (0)