新手教学、科普与入门 · AI与编程基础 · 2026-08-28

Qwen3.8-Flash 来了,100万上下文、Agent、Coding 都加强了

Qwen3.8-Flash来了!100万上下文+强化Coding/Agent,IT从业者看大模型完成工作新趋势。 核心内容:

  1. 模型参数与上下文能力升级(125B参数,扩展至100万Token,生产版默认支持)
  2. Coding、Agent等核心能力增强
  3. 大模型转向“完成工作”,聚焦软件研发场景应用价值

8 月 26 日,Qwen 团队发布了 Qwen3.8-Flash-Next。

这次更新有几个信息很抓眼球:

125B 主模型参数,每个 Token 只激活约 6B;原生支持 26 万 Token 上下文,可扩展到 100 万;Coding、Agent、工具调用能力继续增强。

同时,Qwen Cloud 上的生产版本命名为 Qwen3.8-Flash,默认就是 100 万 Token 上下文。

如果只是日常聊天,这些数字可能没那么有感觉。

但如果你是开发、测试、运维或者其他 IT 从业者,这次更新其实很值得看。

因为从 Qwen3.8-Flash 身上能看到一个越来越明显的趋势:

大模型正在从“回答问题”,继续往“完成工作”走。

而软件研发,恰好是这一轮变化最明显的场景之一。

Qwen3.8-Flash模型体验地址👇


01 先说最直观的:上下文来到 100 万 Token

Qwen3.8-Flash-Next 原生上下文长度达到 262,144 Token,并且可以扩展到 1,000,000 Token;Qwen Cloud 提供的 Qwen3.8-Flash 则默认支持 1M 上下文。

100 万上下文到底意味着什么?

以前使用 AI Coding,很多人的操作是:

复制一段代码 → 丢给模型 → 问它哪里有问题。

或者测试同学:

复制一段需求 → 让模型生成测试用例。

这当然能用,但跟真实的软件工程还有很大距离。

因为真正做一个项目,模型要理解的东西远不止一段代码。

比如一个支付需求改动,测试人员可能同时要看:

过去最大的一个问题就是:

这些东西根本塞不进去。

上下文越来越长之后,AI 才有机会从“看懂一个文件”,逐渐走向“理解一个项目”。

当然,100 万 Token 不代表把整个公司代码库一股脑塞进去就完事了。

真正落地依然涉及代码检索、知识库、上下文管理、权限控制等工程问题。

但模型能够处理的上下文上限提高,确实给复杂研发任务提供了更大的空间。


02 Coding 能力,已经不是“帮你补几行代码”了

这次 Qwen 官方给出的测试成绩里,Coding 是一个明显重点。

例如:

SWE-bench Pro:62.5

SWE-bench Multilingual:81.0

DeepSWE 1.1:58.7

这些 Benchmark 和以前单纯考“写一道算法题”不太一样,更偏向真实软件工程:理解代码仓库、定位问题、修改代码、解决 Issue。([Qwen][1])

这也是最近 AI Coding 最明显的一次变化。

前两年大家谈 AI 编程,更多想到的是:

“帮我生成一个 Java 方法。”

现在已经越来越像:

“你自己去代码仓库里找问题,然后把它解决掉。”

这两件事不是一个量级。

现在 Codex、Claude Code、Qwen Code 这类 Coding Agent 的工作模式,越来越接近:

读取代码 → 搜索项目 → 分析依赖 → 修改文件 → 执行命令 → 跑测试 → 根据结果继续调整。

甚至这次 Qwen 官方已经专门给出了接入 Claude Code 和 Codex 的方式,Qwen API 同时兼容 Anthropic 协议和 OpenAI Responses 协议。

所以,如果现在对 AI Coding 的理解还停留在:

“代码补全工具”

其实已经有些滞后了。


03 Agent 能力,也在明显加强

另外一个值得关注的关键词就是:

Agent。

这次 Qwen3.8-Fl…

— 以上为试看内容(约 40%),开通会员后阅读全文 —

原文出处:https://www.53ai.com/news/OpenSourceLLM/2026082850172.html