3D 宇宙网站实测：Qwen 3.8-Max 与 GPT-5.6 谁更强？

8月3日，阿里正式发布 Qwen 3.8-Max。2.4万亿总参数、约950亿激活参数、100万Token上下文，覆盖文本、代码和视觉任务，并开放Max权重和27B小模型。榜单、规模、价格、开源，延续了Qwen的惯常打法。但这一代真正不同的，是官方把大量篇幅留给了“长程Agent”：16天自主开发、125小时科研复现、数百轮芯片优化，核心都在讲模型能否在真实环境中调用工具、接收反馈、检查结果并继续修改，把复杂任务推向完成。

Agent 能力从哪里来

官方技术报告显示，Qwen 3.8-Max 基于 Qwen 3.5 架构构建，Agent能力的提升主要来自真实环境强化学习（RL）。模型不是做更多题，而是进入接近实际工作的环境：读取项目、调用工具、执行代码、观察页面、接收测试结果，再根据反馈继续修改。训练目标是一条完整闭环——规划、行动、检查、发现、再决策。官方数据显示，RL训练环境从0增加到约4000个时，综合分数从0.474提升到0.725。

为支撑这套训练，Qwen 公开了三项工程机制：环境解耦（任务、工作空间和 Agent Harness 独立扩展）、统一奖励系统（代码、文本、视觉、Agent 行为纳入同一评价机制）、在线数据均衡（动态配平不同任务和环境的训练数据）。

测试一：从零生成 3D 大模型演进宇宙

为了验证长程能力，作者通过 Qwen Code 把模型接入真实本地开发环境，要求用 React、Vite 和 Three.js 从零构建可交互的 3D 宇宙网站：公司是星系，历代大模型是轨道上的星球，支持旋转缩放、点击查看档案、时间轴筛选和搜索，并明确禁止用静态图片或 CSS 伪 3D 冒充。

最终项目搭出了真正的 WebGL 场景。OpenAI、Anthropic、Google、Alibaba Qwen、DeepSeek、Moonshot AI/Kimi 六个星系，28 个模型分布在轨道上；切换 2022—2026 时间轴时，模型数量和档案面板会同步变化，说明模型理解了状态依赖，而非简单拼接组件。

但视觉效果仍有短板：球体在部分角度低模感明显，偶尔有白色小方块悬浮，UI 标签密集遮挡，镜头控制粗糙；构建后的 JavaScript 接近 1MB，自动验收脚本也存在硬编码。

测试二：同一项目迭代，GPT-5.6 vs Qwen 3.8-Max

第二轮，作者分别在 Qwen Code 和 ChatGPT 桌面版 Codex 中调用 Qwen 3.8-Max 与 GPT-5.6，让它们基于同一份代码继续开发：优化 3D 视觉与氛围、补全 2026 年最新模型数据、增加“返回全景”、搜索飞行高亮、深度档案等产品级功能。

GPT-5.6：37分钟完成任务

Codex 运行约 37 分钟，额度消耗约 6%。它快速识别项目结构，完成了材质、交互、时间轴和比较功能，也写了本地验证脚本，项目可以正常构建。但打开页面后发现，它更像一个结构完整的 3D 数据面板，缺乏深空、科幻与浪漫氛围；2026 年最新数据没有完整补上，占位内容也未清理。它以最快速度交付了“能跑”的 MVP，但对视觉和数据完整性的验收标准比较宽松。

Qwen 3.8-Max：3小时29分钟，更高完成度

Qwen Code 累计运行 3 小时 29 分钟，发起 195 次模型请求，处理约 1664 万输入 Token 和 21.6 万输出 Token，缓存率 88.6%。页面完成度明显更高：球体体积、纹理和空间层次加强，公司与普通节点的区分更清楚，搜索与聚焦也更像“宇宙导航”入口；它还尝试联网补充 2026 年信息，清理了示例内容。但任务最终因 Token Plan 滚动额度耗尽而中断，后台返回 429 insufficient_quota。中断时上下文窗口只用了 21.86 万 Token（21.9%），限制来自持续工具调用、多轮验证和反复修改，而不是上下文容量。