# Qwen3.8-Max 以 2.4T 參數拿下多項視覺評測第一，將於下週開源模型權重

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 原作者：Qwen (@Alibaba_Qwen) · 策展與摘要：EasyVibeCoding · 平台：X (Twitter) · 熱度：🔥🔥🔥🔥🔥 · 日期：2026-08-03

> 原始來源：https://x.com/Alibaba_Qwen/status/2084100707423289643

## 證據與延伸閱讀

- [Qwen3.8-Max 將開放權重](https://x.com/Alibaba_Qwen/status/2084100707423289643) — 官方文件
- [2026年8月2日發布專文](https://qwen.ai/blog?id=qwen3.8) — 官方文件
- [oh-my-cli 專案技術細節](https://github.com/qwen-code-dev-bot/oh-my-cli)
- [Text Arena 取得 1496 分](https://x.com/Alibaba_Qwen/status/2084103753045872789) — 官方文件

## 中文摘要

Qwen3.8-Max 以 2.4T 參數拿下多項視覺評測第一，將於下週開源模型權重。

**發表重點** Qwen 在 2026 年 8 月 3 日宣布 Qwen3.8-Max，稱其為目前能力最強的模型，並預告下週釋出 open weights；Qwen3.8-27B 也將同步開放權重。貼文將 Qwen3.8-Max 定位為 coding 與 cowork 的新門檻，模型規模為 2.4T parameters，主打從空白資料夾一路完成 production 專案、在多輪工作中自主規劃，以及把視覺理解納入持續的執行與自我修正迴圈。

Qwen 團隊另在 2026 年 8 月 2 日發布文章「Qwen3.8-Max: A New Bar for Coding and Cowork」，宣稱這是 Qwen 家族首次開放 Qwen-Max-class weights。文章指出，模型建立在 Qwen3.5 的 architectural foundation 上，強化 advanced coding、complex multi-step workflows 與 interactive human-AI collaboration；不過目前公開內容主要是能力主張與展示，實際權重、評測方法、硬體需求與開放授權細節仍應等待正式發布。

**自主開發能力** Qwen 將 Qwen3.8-Max 的核心能力描述為能在沒有人工逐步指示的情況下，持續超過 10 天的 self-evolving development。貼文同時以「16 days autonomous coding」作為展示主題，聲稱模型可從空白資料夾開始，經歷規劃、程式撰寫、測試、修正與交付，最後產出 production-quality 結果，並在 GitHub 保留完整專案軌跡。相關專案是 `oh-my-cli`，完整程式庫位於 [qwen-code-dev-bot/oh-my-cli](https://github.com/qwen-code-dev-bot/oh-my-cli)。 

<video src="https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1785735188228-wc46fgyh.mp4" poster="https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/99b9534e911236b9.jpg" controls playsinline preload="metadata" style="max-width:100%;height:auto;display:block;margin:1rem 0"></video>
> Qwen3.8-Max 以 16 天 Autonomous Coding 打造 oh-my-cli harness 的全記錄與過程展示

這項展示的重點不只是模型一次產生多少程式碼，而是讓 Agent 在長時間 loop 中維持 workspace 狀態、保存 session、處理失敗、重試 provider request、檢查變更，並在需要時恢復工作。`oh-my-cli` 是以 Node.js 22、TypeScript 與 ESM 建置的小型 code-agent CLI，提供 `read`、`list`、`glob`、`grep`、`write`、`edit` 與 `shell` 等工具，採 Apache License 2.0。

安裝與基本檢查流程如下：

```bash
npm install
npm run build
oh-my-cli --doctor
```

開發與整合測試流程則為：

```bash
npm run build
npm run typecheck
npm test
npm run test:integration
npm run smoke
```

其中 `npm run test:integration` 使用 fake provider、無 network；`npm run smoke` 針對 built binary 執行測試，也會驗證 [docs/FIRST-RUN.md](https://github.com/qwen-code-dev-bot/oh-my-cli/blob/main/docs/FIRST-RUN.md) 中記載的 first-run commands。Release 前則必須遵循 [docs/RELEASE.md](https://github.com/qwen-code-dev-bot/oh-my-cli/blob/main/docs/RELEASE.md)，其中包含 supported platforms、artifact verification 與 rollback evidence。

**長時間規劃與工作成果** Qwen 宣稱 Qwen3.8-Max 能進行 system-level autonomous planning，搭配 closed-loop adaptive learning，處理需要大量來回修正的工作。貼文給出的具體展示包括：

- 500+ turns 的 chip design optimization。
- 365 天的 e-commerce strategy。
- 跨數百種職業產出 production-quality deliverables。
- 從 dynamic workflows 到 quant strategies 的展示。 

<video src="https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1785735300746-wy7qljme.mp4" poster="https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/0cc54b3377b62161.jpg" controls playsinline preload="metadata" style="max-width:100%;height:auto;display:block;margin:1rem 0"></video>
> Qwen3.8-Max 在量化策略（Quant Strategies）中執行的動態工作流與多維度因子挖掘效能評比

- 針對任何職務進行「build beyond」的 cowork。
- 以 visual agentic intelligence 將影像從單純輸入轉為持續回饋來源。

這些數字呈現的是 Qwen 團隊對長視野 Agent 的定位：模型不只回答問題，而是要維持目標、觀察中間結果、調整計畫，再繼續執行。然而，500+ turns、365 天策略與 10 至 16 天自主開發目前屬於官方展示或宣稱，不能直接等同於所有使用者環境中都能穩定重現的 production 保證；成本、工具可靠性、外部服務可用性與人工審核仍會影響結果。

**視覺與互動能力** Qwen 將 native multimodal intelligence 描述為「Vision isn't just input」：視覺資訊不只是讓模型看懂圖片，而是參與 planning、execution 與 self-correction 的連續 feedback loop。這代表模型可能在讀取螢幕、檢視圖表、分析設計結果或觀察執行狀態後，重新修訂下一步行動。 

<video src="https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1785735375248-8m5egh1s.mp4" poster="https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/61e414d6f4d38e7c.jpg" controls playsinline preload="metadata" style="max-width:100%;height:auto;display:block;margin:1rem 0"></video>
> Qwen3.8-Max 展示涵蓋長篇文件解析、圖像轉 3D、遊戲開發 agent 與 100 小時影片記憶等多模態能力的概覽與操作演示

目前 `oh-my-cli` 的 CLI 介面支援以 `--image <paths...>` 傳入 PNG、JPEG、GIF 與 WebP，也可在互動介面透過 `/attach` 附加圖片。來源擷取內容沒有提供完整的視覺模型 benchmark 數字，因此不宜把「VL Performance」展示主題解讀為已獲得獨立評測驗證。

**價格與使用入口** Qwen 公布 Qwen3.8-Max 的價格為：

- Input：每 M tokens 2.0 美元。
- Output：每 M tokens 6.0 美元。
- Implicit Caching：每 M tokens 0.25 美元。

使用者可透過 [Qwen Studio](https://chat.qwen.ai/?models=qwen3.8-max)、[Qwen Cloud API](https://www.qwencloud.com/models/qwen3.8-max) 與 [官方 Blog](https://qwen.ai/blog?id=qwen3.8) 了解模型與服務。貼文也提供 [Arena.ai Text Arena leaderboard](https://arena.ai/leaderboard/text?rankBy=labs) 作為文字能力比較入口，但來源沒有提供 Qwen3.8-Max 在該排行榜上的具體名次或分數。 

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/c5baa317e44d6459.jpg)
> Alibaba 的 qwen3.8-max 在 Text Arena 取得 Model Score 1496 分，位居 Lab Rank 第 2 名與 Model Rank 第 5 名。

**設定與 credential 邊界** `oh-my-cli` 可透過 environment variables 或使用者擁有的 `~/.oh-my-cli/settings.json` 設定 provider；也可用 `--settings <path>` 指定設定檔。environment variables 永遠優先，credential 不會寫入檔案，只保存 credential 所使用的 environment-variable 名稱。預設必填 `OPENAI_API_KEY` 與 `OPENAI_MODEL`；若由 settings file 提供，則不必在 environment 中設定，`OPENAI_BASE_URL` 預設為 `https://api.openai.com/v1`。

Qwen 相容 endpoint 的設定範例如下：

```json
{
  "model": {
    "baseUrl": "https://dashscope.aliyuncs.com/compatible-mode/v1",
    "name": "qwen-latest-series-invite-beta-v77",
    "apiKeyEnv": "DASHSCOPE_API_KEY"
  },
  "mcpServers": {},
  "extensions": {}
}
```

欄位優先序為：

- Base URL：`OPENAI_BASE_URL` > `model.baseUrl` > built-in default。
- Model：`OPENAI_MODEL` > `model.name`。
- Credential：`OPENAI_API_KEY` > `model.apiKeyEnv` 指向的變數。

Project 內 settings file 不會自動發現，以避免 untrusted repository 重新導向 endpoint 或 credential；`model.apiKey` 這類 raw credential 會被拒絕。`oh-my-cli --preflight` 只顯示 redacted model、endpoint host、settings source 與 credential variable name，絕不顯示 credential value。

Profiles 可放在 user-owned settings file，用來切換 hosted Qwen 與 local `llama3`：

```json
{
  "defaultProfile": "qwen",
  "profiles": {
    "qwen": {
      "baseUrl": "https://dashscope.aliyuncs.com/compatible-mode/v1",
      "name": "qwen-latest-series-invite-beta-v77",
      "apiKeyEnv": "DASHSCOPE_API_KEY",
      "description": "Hosted Qwen"
    },
    "local": { "name": "llama3", "baseUrl": "http://127.0.0.1:11434/v1" }
  }
}
```

Profiles 的選擇優先序為 `--profile <name>` > `settings.defaultProfile` > legacy `model`；`OPENAI_*` 仍可覆寫。可用下列指令檢視與選擇 profile：

```bash
oh-my-cli --list-profiles
oh-my-cli --list-profiles --output json
oh-my-cli --profile qwen -p "Summarize README"
oh-my-cli --preflight --profile local
```

**Session 與可恢復執行** 基本使用方式如下：

```bash
oh-my-cli -p "List the files in this directory"
oh-my-cli
oh-my-cli --delivery-web
# open http://127.0.0.1:4317
```

Web server 僅監聽 loopback，可用 `--web-port <port>` 更換連接埠；`/remote-control` 與 `/dynamic-workflow` 可直接開啟對應頁面。Remote Control 展示 connected phone 與 secure session handshake；Dynamic Workflow 展示 branching、parallel execution graph 與 approval gate，但不包含 Computer Use demo，也不暴露 credentials、settings、workspace paths 或 general file server。 

<video src="https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1785735252712-jzrv9imz.mp4" poster="https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/82f03c8a3f924d06.jpg" controls playsinline preload="metadata" style="max-width:100%;height:auto;display:block;margin:1rem 0"></video>
> Qwen3.8-Max 展示在各種產業角色與複雜專業應用場景下的多功能運算與資料視覺化介面

Session 可用 `--resume <session-id>` 恢復，或用 `oh-my-cli --browse-sessions` 搜尋。資料儲存在 `~/.oh-my-cli/sessions/` 的 JSONL；non-interactive run 以 atomic checkpoint 保存，避免半寫入檔案。遇到 missing、corrupt 或不存在的 workspace 時會 fail closed，不會誤恢復其他 session。

長 session 可以 compact 成 bounded、versioned summary，完整 JSONL 不會被修改：

```bash
oh-my-cli --compact <session-id>
oh-my-cli --resume <session-id>
oh-my-cli -p "Long task" --compact-threshold 100000
OMC_COMPACT_THRESHOLD=100000 oh-my-cli -p "Long task"
```

達到 100000 tokens 的 provider prompt threshold 時，系統會在下一次 call 前 compact in-memory transcript；disk transcript 仍維持不變。`--output json` 會產生 `compaction` record，完成的 tool actions 會以 bounded、redacted receipts 保留，並告知 resumed model 不得重複執行。

Session 匯出與單一 turn 的 undo／redo 指令如下：

```bash
oh-my-cli --export-session <session-id> --out ./exports
oh-my-cli --export-session <session-id> --out ./exports --output json
oh-my-cli --undo-turn <session-id> --dry-run
oh-my-cli --undo-turn <session-id>
oh-my-cli --redo-turn <session-id>
oh-my-cli --undo-turn <session-id> --dry-run --output json
```

匯出會產生 `<session-id>.session-export.md` 與 `<session-id>.session-export.manifest.json`，移除 secrets、auth tokens、sensitive environment values 與 host home directory；manifest 含 session id、redacted workspace/model、timestamps、per-tool call/result tallies、attachment name/type/size，以及來源 session file 的 sha256。Undo 只還原單一 completed agent turn，不破壞 user-owned 或 pre-existing changes；若檔案已 diverged、conflicted 或 turn 已 applied，會以 exit 2 fail closed，workspace 與 transcript 都不變。

**唯讀觀測與交付檢查** `/ask` 或 `--side-question` 只針對 bounded、read-only active-session snapshot 提問，不追加 main transcript、goal、workflow 或 retry chain；工具執行與 workspace mutation 均 disabled：

```bash
oh-my-cli --side-question "which test runner does this project use?" --session <session-id>
oh-my-cli --side-question "why is the build failing?" --session <session-id> --output json
```

`/stats` 與 headless stats 也是 read-only view：

```bash
oh-my-cli --session-stats <session-id>
oh-my-cli --session-stats <session-id> --output json
```

Language-server 狀態只針對 active、trusted workspace，且不會安裝 software：

```bash
oh-my-cli --lsp-status
oh-my-cli --lsp-status --output json
```

Task center 用來監控 verification、evidence collection 與 recovery 等可能超過原 turn 的 background work，但不會自行執行工作：

```bash
oh-my-cli --tasks <session-id>
oh-my-cli --tasks <session-id> --output json
```

其 lifecycle 包含 `queued`、`running`、`waiting`、`succeeded`、`failed`、`cancelled`、`orphaned` 與 `recovered` 八種狀態。重新啟動時，process 消失且沒有 durable receipt 的 running task 會標為 `orphaned`，不會只根據 UI 狀態宣稱成功。

**Trust、approval 與高風險操作** Workspace 預設為 `untrusted`；只有使用者明確授權，canonical workspace identity 才會寫入 `~/.oh-my-cli/trust.json`。Project 無法自行修改該檔案，因此 untrusted repository 不能自行選擇 model endpoint、credential source、hooks 或 mutating tools。可用下列指令檢查或授權：

```bash
oh-my-cli --trust-info --enforce-folder-trust --workspace path/to/repo
oh-my-cli -p "…" --enforce-folder-trust --trust
oh-my-cli --trust-workspace --workspace path/to/repo
```

Trust 狀態包括 `trusted`、`sandbox-enforced`、`untrusted` 與 `sandbox-unavailable`。更完整的唯讀 audit 如下：

```bash
oh-my-cli --trust-posture --workspace path/to/repo
oh-my-cli --trust-posture --workspace path/to/repo --output json
oh-my-cli --trust-posture --approval-mode yolo --no-probe
```

`default` approval mode 會對每個 mutating tool 顯示 interactive prompt，無 TTY 時 deny；`auto-edit` 允許 `write` 與 `edit`，但 `shell` 仍需 prompt；`yolo` 允許所有 tools 並標記為 unsafe。不過 folder trust 是更高層的 safety boundary，`--approval-mode yolo` 不能擴大權限。

來源提到的下列 `yolo`、provider invocation、tool invocation、MCP invocation 與 workspace mutation 指令均涉及執行外部程式、呼叫模型、使用 credential 或修改本機資料，屬於**需人工核對的高風險來源指令**，不可視為可安心直接執行：

```bash
oh-my-cli --invoke-provider --approval-mode yolo
oh-my-cli --invoke-provider --provider alt --provider-prompt "hello" --output json
oh-my-cli --invoke-provider --approval-mode yolo --invoke-timeout 5000
oh-my-cli --invoke-tool --approval-mode yolo --workspace ./project
oh-my-cli --invoke-tool --tool ripgrep --approval-mode yolo --output json
oh-my-cli --invoke-tool --approval-mode yolo --invoke-timeout 5000
oh-my-cli --invoke-mcp --approval-mode yolo --workspace ./project
oh-my-cli --invoke-mcp --server filesystem --mcp-tool read_file \
  --mcp-arg path=README.md --approval-mode yolo --output json
oh-my-cli --invoke-mcp --approval-mode yolo --invoke-timeout 5000
```

其中 provider request 可能傳送 prompt 與資料至外部 endpoint；tool 與 MCP command 可能讀取或修改 workspace。執行前必須人工檢查 endpoint、credential environment variable、prompt、workspace、command policy、approval mode 與預期輸出，並確認不會外傳本機敏感資料。

**Shell 防護與 command policy** `shell` tool 會執行 `/bin/bash -c <command>`；系統會在 approval 前以 bounded、quote/substitution-aware tokenizer 分類 network、writes、credential access、destructive Git 與 path escape。拒絕的類型包括：

- `destructive_git`：force push、`--delete`、`--mirror`、`reset --hard`、`clean -f/-d`、`branch -D` 等。
- `credential_access`：`~/.ssh`、`id_rsa`、`.env`、`*.pem`、`*.key`、`~/.aws/credentials`、`/etc/shadow` 或 secret environment variables。
- `path_escape`：寫入 workspace 外部，或使用 `>`／`>>`。
- `destructive_removal`：將 `rm -r/-R` 指向 `/`、`~`、`$HOME`、`.` 或 `..`。
- `device_overwrite`：`dd of=/dev/...`、`mkfs`、`fdisk`、`parted` 或 redirect 到 device。

可離線評估指令，但仍應人工確認判定範圍：

```bash
oh-my-cli --command-policy "git push --force"
oh-my-cli --command-policy "cat ~/.ssh/id_rsa" --output json
```

來源特別說明 tokenizer 不是完整 shell parser，雖會深入 `$(...)`、backticks 與 subshells，也會看穿 `sudo`、`env`、`VAR=val` wrappers，但可能忽略引號內的危險文字，例如 `echo "rm -rf /"` 可通過。這反映出 command policy 是降低風險的離線分類器，不是完整的安全保證。

**Headless、預算與重試** Headless automation 使用 `-p` 與 `--output json`，stdout 會輸出 newline-delimited、每行可獨立解析的 `oh-my-cli.headless` protocol `v:1` records：

```bash
oh-my-cli -p "Summarize README.md" --output json
```

Privacy-safe summary 不含 prompt、tool 或 file content：

```bash
oh-my-cli -p "Run the build" --summary
oh-my-cli -p "Run the build" --output json --summary | tee run.ndjson | grep '"type":"summary"'
```

Token 與 cost 是 bundled price table 的 estimate，不是 authoritative billing。可設定 USD 上限；達到上限後會在下一次 provider call 前停止，不再產生 billable call：

```bash
oh-my-cli -p "Refactor the parser" --budget 0.005 --output json --summary
```

Provider 的 retryable failure 包括 HTTP `429`、`500`、`502`、`503`、`504`、`ECONNRESET` 與 `ETIMEDOUT`，最多 **3 attempts**，每次 backoff 最多 **2 seconds**，並遵守但 clamp `Retry-After`。auth、invalid request 與 unsupported model 不會 retry；若該 attempt 已產生部分 output，也不會重播 partial assistant text。

可比較 baseline 與 candidate：

```bash
oh-my-cli -p "Run the build" --output json --summary | tee baseline.ndjson
oh-my-cli -p "Run the build" --output json --summary | tee candidate.ndjson
oh-my-cli --baseline baseline.ndjson --candidate candidate.ndjson
```

預設 `--max-elapsed-ratio` 為 `0.25`，代表 elapsed time 超過 **+25%** 會觸發失敗門檻；`--max-failure-delta` 預設為 `0`。這種 scorecard 只比較 outcome、elapsed、retry／failure counts 與 completed work delta，不捏造 universal quality score。

**Recovery、worktree 與 evidence** Recovery 只會跳過已有 evidence digest 證明完成的 steps：

```bash
oh-my-cli --recover --checkpoint checkpoint.json \
  --task-identity deploy-task --evidence evidence.json \
  --workspace path/to/repo
```

若 repository head 已移動、task identity 不同或 evidence 被竄改，會拒絕並且不 mutation。多個 mutating agents 可使用 leased git worktree：

```bash
oh-my-cli --create-worktree --workspace path/to/repo \
  --task-identity deploy-task --agent-identity worker-1
oh-my-cli --clean-worktree --workspace path/to/repo \
  --task-identity deploy-task --agent-identity worker-1
```

建立與清理都採 fail-closed，不會自動 merge、force remove 或碰 parent worktree；有 uncommitted changes 或 unmerged commits 時，cleanup 會拒絕。`--clean-worktree` 是刪除 worktree 的操作，屬於需人工核對的高風險來源指令，應先確認 lease identity、未提交變更與 branch 狀態。

Evidence archive 可匯出與離線驗證：

```bash
oh-my-cli --export-evidence evidence-bundle.json \
  --summary-file summary.json --checkpoint checkpoint.json \
  --outcomes-file outcomes.json --task-identity deploy-task
oh-my-cli --verify-evidence evidence-bundle.json
oh-my-cli --verify-evidence evidence-bundle.json --output json
```

Archive 僅包含 metadata 與 digests，不包含 prompts、raw tool payloads、credentials 或 absolute host paths；相同 normalized evidence 會產生 byte-identical bytes。來源範例的 repository head 為 `3a61045b781f27e95b496ede6dfd23d0b63a6b4b`，包含 `entries: 3`，但其中的 signed manifest 是 integrity signature，不等同於完整的 key management 系統。

**Repository 理解與交付流程** `oh-my-cli` 提供由 repository 狀態驅動的規劃與交付檢查，而不是只讓 Agent 直接修改檔案。常用指令如下：

```bash
oh-my-cli --readiness
oh-my-cli --readiness --workspace path/to/repo --expected-branch main --remote origin
oh-my-cli --repo-context
oh-my-cli --repo-context --workspace path/to/repo
oh-my-cli --repo-map
oh-my-cli --repo-map --workspace path/to/repo --map-tokens 512
oh-my-cli --instruction-context
oh-my-cli --instruction-context --workspace path/to/repo
oh-my-cli --plan "add a feature"
oh-my-cli --plan "fix a bug" --workspace path/to/repo
oh-my-cli --verify-task
oh-my-cli --verify-task --workspace path/to/repo
oh-my-cli --review-change
oh-my-cli --review-change --base origin/main --workspace path/to/repo
oh-my-cli --ci-handoff
oh-my-cli --ci-handoff --base origin/main --workspace path/to/repo
oh-my-cli --delivery-brief --ci-result pass
oh-my-cli --delivery-brief --ci-result pass --base origin/main --workspace path/to/repo
```

`--readiness` 只檢查 worktree、branch、`package.json` 的 `test` script、`PATH` 上的 required tools 與 remote，不會 install、create、edit、fetch 或 mutate。`--repo-context` 只報告 package manager、lockfile、canonical build／test／typecheck／lint commands、語言與 VCS 狀態。`--repo-map` 依 symbol density、entry-point/source-dir bonus、depth 與 test penalty 排序，預設 `--map-tokens 1024`，也可指定 `512`。

`--instruction-context` 會發現 workspace root 與 bounded ancestor walk 的 `QWEN.md`、`AGENTS.md`，但內容只當 data，不能啟動 tools、改設定或覆寫 safety policy。`--plan` 產生 `understand → implement → verify → review` 的 dependency-ordered plan，`verify` 只列出實際偵測到的 canonical commands，不會執行。

`--verify-task` 會執行 repository 自行宣告、與 developer 手動執行相同的 build、test、typecheck、lint commands，不接受任意 command string：

```bash
oh-my-cli --verify-task
oh-my-cli --verify-task --workspace path/to/repo
```

`--review-change` 會比較 base ref 與 current head／worktree，不執行 commands，也不呼叫 provider；新增 secret-like string、修改 governance／security／license protected path、source 改動卻沒有對應 test、oversized change 或新增 runtime dependency 時，verdict 為 `needs-attention`。`--ci-handoff` 將 verify 與 review 合併，`--delivery-brief --ci-result pass|fail|pending` 再把 verify、review、handoff 與 CI 結果整合成 `ship`、`hold` 或 `no-ship`。

**Provider、MCP、tool 與 workflow 擴充** Extension 系統採 versioned、redacted contracts。Provider contract、MCP contract、tool contract 與 workflow 都由 user-owned `~/.oh-my-cli/settings.json` 或 `--settings <path>` 宣告；project-local settings 不能定義或執行 workflow。可用下列指令做唯讀檢查：

```bash
oh-my-cli --provider-contract
oh-my-cli --provider-contract --provider alt --output json
oh-my-cli --mcp-contract
oh-my-cli --mcp-contract --server filesystem --output json
oh-my-cli --mcp-contract --no-probe
oh-my-cli --tool-contract
oh-my-cli --tool-contract --tool ripgrep --output json
oh-my-cli --tool-contract --no-probe
oh-my-cli --discover-extensions
oh-my-cli --discover-extensions --output json
oh-my-cli --discover-extensions --no-probe
oh-my-cli --extension-compat
oh-my-cli --extension-compat --output json
oh-my-cli --extension-compat --settings path/to/settings.json --output json
```

MCP 僅允許安全的 local／stdio，remote `http/sse` 會 fail closed；`command` 只在 `PATH` resolve，永不在 contract inspection 階段執行。`--invoke-provider`、`--invoke-tool` 與 `--invoke-mcp` 則是後續 governed step，會受到 readiness、trust、approval、timeout、output cap 與 command policy 約束。

Reusable workflow 範例如下：

```json
{
  "workflows": {
    "contractVersion": 1,
    "definitions": {
      "ci-readonly": {
        "description": "Two read-only checks",
        "steps": [
          { "prompt": "List the files in this directory" },
          { "prompt": "Summarize README.md" }
        ]
      }
    }
  }
}
```

```bash
oh-my-cli --list-workflows
oh-my-cli --run-workflow ci-readonly
oh-my-cli --run-workflow ci-readonly --output json
```

每個 step 都以既有 headless `-p` path 在獨立 process 執行，順序固定；首個 failing step 會停止後續步驟。任何 raw credential、unknown key、malformed step 或 unsupported `contractVersion` 都會在 side effect 前 fail closed。

**技術意義與限制** Qwen 的公告反映出大型模型競爭焦點正在從單輪 benchmark，轉向長時間、可驗證、可恢復的 Agent 工作流程。`oh-my-cli` 展示的重點包括 30-round hard cap、spend-budget gate、provider transient-error retry、JSONL session persistence、bounded compaction、content-based undo／redo、folder trust、approval、command policy、leased worktree、evidence archive，以及 verify → review → CI handoff → delivery 的交付鏈。

另一方面，這種架構也揭示自主工作的實際瓶頸：模型能力之外，還需要可靠的 state persistence、權限邊界、workspace isolation、credential redaction、失敗恢復與人工 approval。來源明確保留多項 fail-closed 規則，並承認 command tokenizer 不是完整 shell parser；因此，即使模型宣稱能自主工作 10 天、16 天或完成 500+ turns，仍不能省略人工核對、沙盒配置、成本限制與 production deployment review。Qwen3.8-Max 的真正影響，將取決於 open weights 在下週發布後的實際權重、授權、硬體需求、獨立評測，以及這些長視野能力能否在不同 workspace 與工具環境中穩定重現。 

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/a731dcbcd4072480.jpg)
> Qwen3.8-Max 在多項多模態與視覺 Agent benchmark 評測中展現強大性能表現。

 

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/672b383c75b0397a.jpg)
> Qwen3.8-Max 在 Coding Agent、General Agent 與 General Capabilities 多項基準測試中全面超越前代 Qwen3.7-Max，並在 PaperBench、IFBench 及 HealthBench 等項目取得領先成績。

 

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/d1a5c9a609e59381.jpg)
> Qwen 3.8 Max 在 PaperBench (93.0)、ERQA (77.8)、PerceptionBench (63.5)、LVBench (81.8) 與 OSWorld-Verified (86.1) 等多項 LM 與 VL benchmark 中展現優異表現，全面超越前代 Qwen 3.7 Max 並在多項任務領先競品。

## 媒體內容

**Qwen 3.8 Max 在 PaperBench (93.0)、ERQA (77.8)、PerceptionBench (63.5)、LVBench (81.8) 與 OSWorld-Verified (86.1) 等多項 LM 與 VL benchmark 中展現優異表現，全面超越前代 Qwen 3.7 Max 並在多項任務領先競品。**

**數據表（1）SWE-Pro**

| Qwen 3.8 Max | 67.7 |
| --- | --- |
| Qwen 3.7 Max | 60.6 |
| Opus4.8 | 69.2 |
| Fable5 | 80.0 |
| GPT5.6 Sol (max) | 64.6 |

**數據表（2）TerminalBench-2.1**

| Qwen 3.8 Max | 86.6 |
| --- | --- |
| Qwen 3.7 Max | 74.5 |
| Opus4.8 | 84.6 |
| Fable5 | 84.6 |
| GPT5.6 Sol (max) | 88.8 |

**數據表（3）PaperBench**

| Qwen 3.8 Max | 93.0 |
| --- | --- |
| Qwen 3.7 Max | 64.8 |
| Opus4.8 | 80.3 |
| Fable5 | 88.8 |
| GPT5.6 Sol (max) | 90.5 |

**數據表（4）FrontierSWE**

| Qwen 3.8 Max | 73.5 |
| --- | --- |
| Qwen 3.7 Max | 40.7 |
| Opus4.8 | 70.0 |
| Fable5 | 88.8 |

**數據表（5）QwenReactBench**

| Qwen 3.8 Max | 1724 |
| --- | --- |
| Qwen 3.7 Max | 1538 |
| Opus4.8 | 1694 |
| Fable5 | 1770 |
| GPT5.6 Sol (max) | 1564 |

**數據表（6）CoWorkBench**

| Qwen 3.8 Max | 74.8 |
| --- | --- |
| Qwen 3.7 Max | 64.6 |
| Opus4.8 | 72.3 |
| Fable5 | 75.9 |
| GPT5.6 Sol (max) | 71.5 |

**數據表（7）JobBench**

| Qwen 3.8 Max | 53.4 |
| --- | --- |
| Qwen 3.7 Max | 31.3 |
| Opus4.8 | 48.4 |
| Fable5 | 57.4 |
| GPT5.6 Sol (max) | 45.4 |

**數據表（8）Agents' Last Exam (Score)**

| Qwen 3.8 Max | 52.4 |
| --- | --- |
| Qwen 3.7 Max | 31.1 |
| Opus4.8 | 45.1 |
| GPT5.6 Sol (max) | 53.6 |

**數據表（9）BabyVision (w/o & w/ python)**

|   | w/ python | w/o python |
| --- | --- | --- |
| Qwen 3.8 Max | 91.3 | 82.0 |
| Qwen 3.7 Max | 70.4 | 64.7 |
| Opus4.8 | 81.2 | 28.4 |
| Fable5 | 90.5 | 42.5 |
| Gemini3.1-Pro | 68.3 | 55.9 |
| GPT5.6 Sol (max) | 88.9 | 65.5 |

**數據表（10）CharXiv (RQ) (w/o & w/ python)**

|   | w/ python | w/o python |
| --- | --- | --- |
| Qwen 3.8 Max | 93.5 | 88.4 |
| Qwen 3.7 Max | 85.9 | 85.8 |
| Opus4.8 | 89.9 | 78.5 |
| Fable5 | 93.5 | 87.9 |
| Gemini3.1-Pro | 89.9 | 84.4 |
| GPT5.6 Sol (max) | 89.1 | 85.1 |

**數據表（11）ERQA**

| Qwen 3.8 Max | 77.8 |
| --- | --- |
| Qwen 3.7 Max | 69.8 |
| Opus4.8 | 57.2 |
| Fable5 | 70.0 |
| Gemini3.1-Pro | 68.0 |
| GPT5.6 Sol (max) | 70.0 |

**數據表（12）PerceptionBench**

| Qwen 3.8 Max | 63.5 |
| --- | --- |
| Qwen 3.7 Max | 51.1 |
| Opus4.8 | 47.2 |
| Fable5 | 57.2 |
| Gemini3.1-Pro | 56.2 |
| GPT5.6 Sol (max) | 59.7 |

**數據表（13）LVBench**

| Qwen 3.8 Max | 81.8 |
| --- | --- |
| Qwen 3.7 Max | 76.2 |
| Opus4.8 | 67.3 |
| Gemini3.1-Pro | 75.1 |
| GPT5.6 Sol (max) | 78.8 |

**數據表（14）Vision2Web**

| Qwen 3.8 Max | 69.0 |
| --- | --- |
| Qwen 3.7 Max | 42.1 |
| Opus4.8 | 62.4 |
| Fable5 | 70.5 |
| GPT5.6 Sol (max) | 62.1 |

**數據表（15）MobileWorld**

| Qwen 3.8 Max | 77.8 |
| --- | --- |
| Qwen 3.7 Max | 51.2 |
| Opus4.8 | 67.5 |
| Fable5 | 85.5 |
| Gemini3.1-Pro | 58.1 |
| GPT5.6 Sol (max) | 76.9 |

**數據表（16）OSWorld-Verified**

| Qwen 3.8 Max | 86.1 |
| --- | --- |
| Qwen 3.7 Max | 73.3 |
| Opus4.8 | 83.4 |
| Fable5 | 85.0 |
| Gemini3.1-Pro | 76.2 |
| GPT5.6 Sol (max) | 83.2 |

**Qwen3.8-Max 在 Coding Agent、General Agent 與 General Capabilities 多項基準測試中全面超越前代 Qwen3.7-Max，並在 PaperBench、IFBench 及 HealthBench 等項目取得領先成績。**

**數據表（1）Coding Agent**

|   | Opus4.8 | Fable5 | GPT5.6 Sol (max) | Qwen3.7-Max | Qwen3.8-Max | Opus4.8 | Fable5 | GPT5.6 Sol (max) | Qwen3.7-Max | Qwen3.8-Max | Opus4.8 | Fable5 | GPT5.6 Sol (max) | Qwen3.7-Max | Qwen3.8-Max | Opus4.8 | Fable5 | GPT5.6 Sol (max) | Qwen3.7-Max | Qwen3.8-Max | Opus4.8 | Fable5 | GPT5.6 Sol (max) | Qwen3.7-Max | Qwen3.8-Max | Opus4.8 | Fable5 | GPT5.6 Sol (max) | Qwen3.7-Max | Qwen3.8-Max | Opus4.8 | Fable5 | GPT5.6 Sol (max) | Qwen3.7-Max | Qwen3.8-Max | Opus4.8 | Fable5 | GPT5.6 Sol (max) | Qwen3.7-Max | Qwen3.8-Max | Opus4.8 | Fable5 | GPT5.6 Sol (max) | Qwen3.7-Max | Qwen3.8-Max | Opus4.8 | Fable5 | GPT5.6 Sol (max) | Qwen3.7-Max | Qwen3.8-Max | Opus4.8 | Fable5 | GPT5.6 Sol (max) | Qwen3.7-Max | Qwen3.8-Max | Opus4.8 | Fable5 | GPT5.6 Sol (max) | Qwen3.7-Max | Qwen3.8-Max |
| --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- |
| Terminal Bench 2.1 | 1648 | 1690 | 1758 | 1499 | 1713 | 1648 | 1690 | 1758 | 1499 | 1713 | 1648 | 1690 | 1758 | 1499 | 1713 | 1648 | 1690 | 1758 | 1499 | 1713 | 1648 | 1690 | 1758 | 1499 | 1713 | 1648 | 1690 | 1758 | 1499 | 1713 | 1648 | 1690 | 1758 | 1499 | 1713 | 1648 | 1690 | 1758 | 1499 | 1713 | 1648 | 1690 | 1758 | 1499 | 1713 | 1648 | 1690 | 1758 | 1499 | 1713 | 1648 | 1690 | 1758 | 1499 | 1713 | 1648 | 1690 | 1758 | 1499 | 1713 |

**數據表（2）General Agent**

|   | Opus4.8 | Fable5 | GPT5.6 Sol (max) | Qwen3.7-Max | Qwen3.8-Max | Opus4.8 | Fable5 | GPT5.6 Sol (max) | Qwen3.7-Max | Qwen3.8-Max | Opus4.8 | Fable5 | GPT5.6 Sol (max) | Qwen3.7-Max | Qwen3.8-Max | Opus4.8 | Fable5 | GPT5.6 Sol (max) | Qwen3.7-Max | Qwen3.8-Max | Opus4.8 | Fable5 | GPT5.6 Sol (max) | Qwen3.7-Max | Qwen3.8-Max | Opus4.8 | Fable5 | GPT5.6 Sol (max) | Qwen3.7-Max | Qwen3.8-Max | Opus4.8 | Fable5 | GPT5.6 Sol (max) | Qwen3.7-Max | Qwen3.8-Max | Opus4.8 | Fable5 | GPT5.6 Sol (max) | Qwen3.7-Max | Qwen3.8-Max | Opus4.8 | Fable5 | GPT5.6 Sol (max) | Qwen3.7-Max | Qwen3.8-Max |
| --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- |
| CoWorkBench | 57.9 | 64.5 | 58.0 | 53.5 | 56.2 | 57.9 | 64.5 | 58.0 | 53.5 | 56.2 | 57.9 | 64.5 | 58.0 | 53.5 | 56.2 | 57.9 | 64.5 | 58.0 | 53.5 | 56.2 | 57.9 | 64.5 | 58.0 | 53.5 | 56.2 | 57.9 | 64.5 | 58.0 | 53.5 | 56.2 | 57.9 | 64.5 | 58.0 | 53.5 | 56.2 | 57.9 | 64.5 | 58.0 | 53.5 | 56.2 | 57.9 | 64.5 | 58.0 | 53.5 | 56.2 |

**數據表（3）General Capabilities**

|   | Opus4.8 | Fable5 | GPT5.6 Sol (max) | Qwen3.7-Max | Qwen3.8-Max | Opus4.8 | Fable5 | GPT5.6 Sol (max) | Qwen3.7-Max | Qwen3.8-Max | Opus4.8 | Fable5 | GPT5.6 Sol (max) | Qwen3.7-Max | Qwen3.8-Max | Opus4.8 | Fable5 | GPT5.6 Sol (max) | Qwen3.7-Max | Qwen3.8-Max | Opus4.8 | Fable5 | GPT5.6 Sol (max) | Qwen3.7-Max | Qwen3.8-Max | Opus4.8 | Fable5 | GPT5.6 Sol (max) | Qwen3.7-Max | Qwen3.8-Max | Opus4.8 | Fable5 | GPT5.6 Sol (max) | Qwen3.7-Max | Qwen3.8-Max | Opus4.8 | Fable5 | GPT5.6 Sol (max) | Qwen3.8-Max | Qwen3.7-Max | Opus4.8 | Fable5 | GPT5.6 Sol (max) | Qwen3.7-Max | Qwen3.8-Max | Opus4.8 | Fable5 | GPT5.6 Sol (max) | Qwen3.7-Max | Qwen3.8-Max |
| --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- |
| GPQA Diamond | 69.1 | -- | 67.1 | 65.3 | 66.3 | 69.1 | -- | 67.1 | 65.3 | 66.3 | 69.1 | -- | 67.1 | 65.3 | 66.3 | 69.1 | -- | 67.1 | 65.3 | 66.3 | 69.1 | -- | 67.1 | 65.3 | 66.3 | 69.1 | -- | 67.1 | 65.3 | 66.3 | 69.1 | -- | 67.1 | 65.3 | 66.3 | 69.1 | -- | 67.1 | 66.3 | 65.3 | 69.1 | -- | 67.1 | 65.3 | 66.3 | 69.1 | -- | 67.1 | 65.3 | 66.3 |

**Qwen3.8-Max 在多項多模態與視覺 Agent benchmark 評測中展現強大性能表現。**

**數據表（1）Multimodal Reasoning**

|   | Opus4.8 | Fable5 | Gemini3.1-Pro | GPT5.6-Sol | Qwen3.7-Plus | Qwen3.8-Max |
| --- | --- | --- | --- | --- | --- | --- |
| MMMU-Pro | 75.6 | 81.2 | 80.5 | 83.0 | 79.0 | 82.3 |
| MathVision | 87.1 / 97.1 | 92.7 / 98.6 | 87.4 / 95.7 | 90.8 / 97.8 | 90.3 / -- | 95.2 / 97.7 |
| BabyVision | 28.4 / 81.2 | 42.5 / 90.5 | 55.9 / 68.3 | 65.5 / 88.9 | 64.7 / 70.4 | 82.0 / 91.3 |
| HLE-VL (w/ Tools) | -- | -- | 43.9 | 51.2 | 25.6 | 52.2 |
| ZeroBench (Pass@5) | 17.0 / 34.0 | 20.0 / 46.0 | 17.0 / 23.0 | 22.0 / 35.0 | 19.0 / 19.0 | 24.0 / 49.0 |
| ZeroBench-Sub | 31.1 | 37.1 | 36.5 | 46.7 | 41.0 | 48.5 |
| LogicVista | 76.7 | 85.7 | 82.6 | 89.7 | 84.3 | 91.9 |
| HiPHO | 69.3 | 78.6 | 85.4 | 86.8 | 84.1 | 90.0 |
| PhyX | 54.2 | 71.7 | 79.4 | 79.1 | 80.0 | 83.5 |
| SLAKE | 75.9 | 86.6 | 82.9 | 85.1 | 83.2 | 90.8 |
| MedXpertQA-MM | 71.7 | 80.0 | 80.7 | 81.5 | 71.0 | 80.4 |
| PMC-VQA | 59.2 | 63.2 | 62.5 | 62.3 | 63.4 | 66.2 |

**數據表（2）Visual Agent & Coding**

|   | Opus4.8 | Fable5 | Gemini3.1-Pro | GPT5.6-Sol | Qwen3.7-Plus | Qwen3.8-Max |
| --- | --- | --- | --- | --- | --- | --- |
| OSWorld-Verified | 83.4 | 85.0 | 76.2 | 83.2 | 73.3 | 86.1 |
| OSWorld 2.0 | 20.6 / 54.8 | -- / 66.1 | 7.8 / 30.6 | -- / 62.6 | 2.8 / 21.5 | 19.4 / 46.7 |
| ScreenSpot Pro | 82.3 | 87.3 | 68.1 | 81.3 | 79.0 | 84.5 |
| WebArena-Verified | 67.9 | 71.3 | 64.3 | 69.7 | 55.3 | 66.8 |
| AndroidWorld | 75.0 | 88.8 | 70.7 | 77.6 | 81.0 | 85.3 |
| MobileWorld | 67.5 | 85.5 | 58.1 | 76.9 | 51.2 | 77.8 |
| ClawEval-MM | 73.3 / 73.8 | 81.2 / 77.5 | 50.5 / 55.2 | 81.2 / 78.9 | 57.4 / 60.1 | 77.2 / 74.8 |
| Vision2Web | 62.4 | 70.5 | -- | 62.1 | 42.1 | 69.0 |
| QwenBlenderBench | 62.4 | 69.5 | 23.0 | 68.6 | 41.5 | 69.9 |
| Parametric CAD Bench | 85.1 | 87.5 | 73.5 | 86.2 | 73.8 | 91.5 |
| RecreationBench | 48.0 | 56.1 | 16.2 | 47.6 | 30.2 | 51.7 |
| PresentBench | 80.9 | 79.8 | 55.4 | 82.9 | 65.7 | 79.6 |

**數據表（3）Document & Office Intelligence**

|   | Opus4.8 | Fable5 | Gemini3.1-Pro | GPT5.6-Sol | Qwen3.7-Plus | Qwen3.8-Max |
| --- | --- | --- | --- | --- | --- | --- |
| CharXiv (RQ) | 78.5 / 89.9 | 87.9 / 93.5 | 84.4 / 89.9 | 85.1 / 89.1 | 85.8 / 85.9 | 88.4 / 93.5 |
| OmniDocBench 1.5 | 86.5 | 89.5 | 90.0 | 86.7 | 91.4 | 92.1 |
| OCR-Bench-V2 (EN/ZH) | 53.9 / 55.3 | 65.3 / 58.1 | 64.6 / 58.2 | 69.0 / 57.3 | 70.7 / 67.1 | 74.2 / 68.3 |
| CC-OCR-Bench-V2 | 60.3 | 72.4 | 68.9 | 68.0 | 72.7 | 79.6 |
| MTVQA-Test | 48.1 | 41.6 | 54.3 | 52.7 | 51.2 | 56.6 |
| MADQA | 86.8 | 86.0 | 81.1 | 87.8 | 87.1 | 91.8 |
| QwenVisualOffice | 34.5 | 32.4 | 39.6 | 29.5 | 32.4 | 44.6 |

**數據表（4）Real-World & Spatial Understanding**

|   | Opus4.8 | Fable5 | Gemini3.1-Pro | GPT5.6-Sol | Qwen3.7-Plus | Qwen3.8-Max |
| --- | --- | --- | --- | --- | --- | --- |
| RealWorldQA | 76.6 | 85.9 | 83.5 | 83.7 | 86.9 | 88.0 |
| ERQA | 57.2 | 70.0 | 68.0 | 70.0 | 69.8 | 77.8 |
| LingoQA | 73.8 | 77.4 | 66.8 | 72.6 | 83.4 | 84.8 |
| SURDS | 62.2 | 79.4 | 64.0 | 63.0 | 77.2 | 77.8 |

**數據表（5）Visual Perception & Grounding**

|   | Opus4.8 | Fable5 | Gemini3.1-Pro | GPT5.6-Sol | Qwen3.7-Plus | Qwen3.8-Max |
| --- | --- | --- | --- | --- | --- | --- |
| SimpleVQA | 67.3 | 73.4 | 73.1 | 66.6 | 70.3 | 75.0 |
| WorldVQA | 33.9 | 53.5 | 54.0 | 45.1 | 43.9 | 53.2 |
| MMStar | 76.7 | 80.5 | 84.0 | 82.5 | 83.2 | 85.9 |
| PerceptionBench | 47.2 | 57.2 | 56.2 | 59.7 | 51.1 | 63.5 |
| CountQA | 41.3 | 63.1 | 72.8 | 68.6 | 77.0 | 82.4 |
| RefAdv-S | 61.7 | 68.6 | 71.9 | 69.2 | 73.0 | 80.2 |
| Dense200 | 20.8 | 31.1 | 69.7 | 55.3 | 60.7 | 87.0 |
| COCO | 50.7 | 56.4 | 72.4 | 61.2 | 74.2 | 78.7 |
| VisFactor | 30.1 | 54.5 | 39.8 | 62.8 | 42.8 | 60.8 |
| VLMsAreBiased | 43.8 | 61.2 | 74.1 | 59.8 | 36.6 | 88.3 |

**數據表（6）Video Intelligence & Agents**

|   | Opus4.8 | Fable5 | Gemini3.1-Pro | GPT5.6-Sol | Qwen3.7-Plus | Qwen3.8-Max |
| --- | --- | --- | --- | --- | --- | --- |
| VideoMME (w/ Sub.) | 85.4 | -- | 86.7 | 89.5 | 88.0 | 90.4 |
| VideoMME v2 (w/ Sub.) | 49.0 | 52.2 | 66.9 | 71.1 | 59.7 | 68.3 |
| VideoMMMU | 75.3 | 81.2 | 85.3 | 85.0 | 85.4 | 88.7 |
| MMVU | 67.4 | 72.0 | 77.9 | 81.2 | 76.6 | 82.4 |
| MLVU (M-Avg) | 53.4 | -- | 84.7 | 87.6 | 87.4 | 90.8 |
| TVBench | 61.5 | -- | 73.0 | 83.2 | 78.2 | 81.9 |
| LVBench | 67.3 | -- | 75.1 | 78.8 | 76.2 | 81.8 |
| LVBench (w/ Mem.) | 84.3 | 90.1 | -- | 84.2 | 74.5 | 85.6 |
| EgoLife (w/ Mem.) | 78.3 | 82.3 | -- | 70.8 | 68.8 | 80.3 |
| VideoDR (w/ Search) | 65.6 | 77.1 | -- | 71.3 | 41.0 | 73.2 |

**Qwen3.8-Max 以 16 天 Autonomous Coding 打造 oh-my-cli harness 的全記錄與過程展示**

**影片中的 Prompt 與操作**

Prompt（00:03）：

```
從零開始建立一個 oh-my-cli 專案，使其能夠持續迭代並自行完成。每 30 分鐘在群組中回報進度。
```

原文：Create an oh-my-cli project
from scratch that can continuously
iterate and complete itself. Report progress in the group
every 30 minutes.

操作步驟：

1. （00:03）在輸入框輸入指令並點擊送出按鈕
2. （00:32）在對話框輸入 `@Qwen3.8-Max We need a desktop task center. Let's make it happen.`

**Qwen3.8-Max 展示在各種產業角色與複雜專業應用場景下的多功能運算與資料視覺化介面**

**影片中的 Prompt 與操作**

Prompt（00:12）：

```
I'm a Corporate Compliance Lawyer.
Build a compliance knowledge graph for me,
something I can easily look up in — regulations,
obligations and the gaps linked together, so I can
any concept to see its clause, our status, the
gap and the fix, high-priority gaps first.
```

Prompt（00:22）：

```
I'm a UI Designer.
Build UI prototypes for me.
Build a high-fidelity NOVA digital banking prototype
covering account opening, transfers, bill payments,
and AI customer service functionalities. Implement it
based on a comprehensive design system, fully
```

Prompt（00:43）：

```
I'm a Curriculum Developer.
Build interactive science courseware for me.
Design single-file, offline-capable web courseware
for an interdisciplinary lesson integrating biology,
geography, chemistry, and mathematics. Adopt a
slide-based layout with a top navigation bar,
```

Prompt（01:02）：

```
I'm a Commercial Operations Director.
Build dynamic business roadmaps for me.
Develop a broadcast-grade interactive dashboard
representing the Continental Basketball League's
FY2027 plan. Visualize each workstream alongside
quarterly revenue, with toggable "Base / Upside /
```

Prompt：

```
I'm a Full Stack Engineer.
Build production-ready apps for me.
mess of spreadsheets, and charts scattered across
shared drives for reconciliation—month-end close is
entirely manual copy-paste, making it painfully slow
and error-prone. Please review all existing materials
```

操作步驟：

1. （00:12）進入 Corporate Compliance Lawyer 場景，輸入 prompt 並送出
2. （00:22）進入 UI Designer 場景，輸入 prompt 並送出
3. （00:43）進入 Curriculum Developer 場景，輸入 prompt 並送出
4. （01:02）進入 Commercial Operations Director 場景，輸入 prompt 並送出
5. 進入 Full Stack Engineer 場景，輸入 prompt 並送出

**Qwen3.8-Max 在量化策略（Quant Strategies）中執行的動態工作流與多維度因子挖掘效能評比**

**影片中的 Prompt 與操作**

Prompt（00:06）：

```
`-- 建立 ETF 量化策略`
```

原文：`-- Build ETF Quantitative Strategies`

Prompt（00:15）：

```
ultracode -- 根據 /quant-autoresearch 的疊代過程，建立一個產業 ETF 輪動策略。策略架構應採用三模型框架，且因數探勘應遵循 skills 中概述的方法。使用 HFRC ETF 池並建構一個每週再平衡的策略，每次買入表現最好的前 2 檔 ETF。資料可從 /local_quant/data 取得，程式碼應寫入 /local_quant/src，實驗結果則應記錄在 /local_quant/results 中。首先，你需要規劃你的 workflow 並將計畫儲存至 /local_quant/plan.md。接著，根據上述要求實作 ETF 輪動策略。然後，透過發掘更多可用的因數來持續疊代優化此策略。執行因數轉換與因數擴展，目標是在 <metrics> 上超越 <baseline> 並達成改善。將疊代結果記錄於 /local_quant/ITERATIONS.md。
```

原文：`ultracode -- Build an industry ETF rotation strategy based on the iteration /quant-autoresearch. The strategy architecture should adopt a three-model framework, and factor mining should follow the methods outlined in the skills. Use the HFRC ETF pool and construct a weekly rebalancing strategy that buys the top 2 ETFs each time. Data can be sourced from /local_quant/data, code should be written in /local_quant/src, and experimental results should be recorded in /local_quant/results. First, you need to plan your workflow and save the plan in /local_quant/plan.md. Then, implement the ETF rotation strategy based on the above requirements. Next, continue to iteratively optimize this strategy by discovering more usable factors. Perform factor transformations and factor expansions, with the goal of achieving improvements in <metrics> over the <baseline>. Record the iteration results in /local_quant/ITERATIONS.md.`

操作步驟：

1. （00:06）`- 輸入 ultracode -- Build ETF Quantitative Strategies`
2. （00:15）`- 送出完整的 ETF 產業輪動策略構建與因子最佳化指令`

**Qwen3.8-Max 展示涵蓋長篇文件解析、圖像轉 3D、遊戲開發 agent 與 100 小時影片記憶等多模態能力的概覽與操作演示**

**影片中的 Prompt 與操作**

Prompt（01:01）：

```
實作一個前端或全端網站。你需要將原型中截圖顯示的網站複製出來。資源區塊中的圖片將用作可
```

原文：Implement a front-end or full-stack website. You need to replicate the website shown in the screenshot in the prototype. Images in the resource section will be used as resources that can

操作步驟：

1. （00:19）點擊輸入框並輸入分析檔案與建立 PDF 指令
2. （00:29）點擊選取文字區塊並詢問相關資訊
3. （00:43）點擊輸入框輸入自動生成生物學解說影片指令
4. （00:55）點擊並拖曳選取網頁截圖範圍
5. （01:00）點擊輸入框輸入實作前端網站指令
6. （01:11）點擊輸入框輸入重建 1:1 平面圖並進行室內裝潢指令
7. （01:40）點擊輸入框輸入建構 Three.js 城堡遊戲指令
8. （02:28）點擊選擇影集集數
9. （02:30）點擊輸入框輸入分析電視劇指令
10. （02:48）點擊輸入框輸入生成角色關係圖指令
11. （02:55）點擊輸入框詢問幕後黑手身分
12. （03:12）點擊輸入框查詢人物進食時間
13. （03:20）點擊按鈕建立精華剪輯短片

**Alibaba 的 qwen3.8-max 在 Text Arena 取得 Model Score 1496 分，位居 Lab Rank 第 2 名與 Model Rank 第 5 名。**

**數據表**

|   | Lab | Model Score | Model Rank | Rank Spread |
| --- | --- | --- | --- | --- |
| Lab Rank 1 | Anthropic (claude-fable-5 · Proprietary) | 1509 ±6 | 1 | 1 - 4 |
| Lab Rank 2 | Alibaba (qwen3.8-max · Proprietary) | 1496 ±10 (Preliminary) | 5 | 1 - 17 |
| Lab Rank 3 | Meta (muse-spark-1.1 · Proprietary) | 1490 ±6 (Preliminary) | 9 | 4 - 18 |
| Lab Rank 4 | Google (gemini-3-pro · Proprietary) | 1486 ±4 | 11 | 5 - 19 |
| Lab Rank 5 | Moonshot (kimi-k3-max · Kimi K3 license) | 1485 ±10 (Preliminary) | 13 | 4 - 30 |
| Lab Rank 6 | OpenAI (gpt-5.6-sol-xhigh · Proprietary) | 1483 ±6 | 15 | 5 - 28 |
| Lab Rank 7 | SpaceXAI (grok-4.20-beta1 · Proprietary) | 1474 ±5 | 24 | 13 - 39 |
| Lab Rank 8 | Z.ai (glm-5.2-max · MIT) | 1469 ±5 | 32 | 18 - 46 |

## 標籤

新產品, LLM, 開源專案, Qwen, Alibaba