Qwen 3.8 Max Preview多模态大模型上线：支持图文音混合输入，推理速度提升2.1倍
Qwen 3.8 Max Preview 已上线。发布 24 小时内冲上 Hacker News 热榜第一。实测支持 PNG/JPEG/WebP 图像、WAV/MP3/FLAC 音频与文本混合输入，单次请求最高处理 16MB 多模态载荷；A10（2×）环境下端到端推理延迟中位数 87ms，比 Qwen 3.5 Max 快 2.1 倍；API 平均响应 P95 < 120ms；KV Cache 内存占用减少 38%；动态分块解码让 32K tokens 上下文吞吐量提升 4.3 倍。
多模态能力：结构重设计，不是参数堆叠
没用多头跨模态注意力。视觉编码器输出直接映射到语言模型的 token 空间，复用原生 attention kernel，跳过冗余投影层。DocVQA 准确率 92.4%，比 3.5 Max 高 3.1 个百分点，参数量只增 0.7B。音频模块独立量化部署，采样率自适应（8kHz–48kHz），中文语音指令集（如“截取发票金额并填入表格”）WER 5.2%，比前代低 41%。
工程优化：专治 Agent 落地卡点
KV Cache 压缩不是简单 INT8 量化。采用分层稀疏保留：attention score top-15% 的 token 保持 FP16，其余置零后重构 buffer。32K 上下文下显存从 2.1GB 降到 1.3GB。动态分块解码按 token 语义密度自动切分窗口（最小 16 token，最大 128 token），避免固定 chunk 引发的冗余计算。某金融 Agent 客户实测：同等硬件下 RAG 查询并发从 17 QPS 升至 73 QPS，冷启动延迟归零。
定价与部署：多模态不用再烧钱
API 定价：文本 $0.0012 / 1K tokens，图像 $0.0045 / 1MB，音频 $0.0038 / 10s。不到 Kimi K3 同档能力报价的 33%。免费试用额度：每月 100 万 tokens + 5GB 多模态载荷，无需信用卡。Docker 镜像支持 x86 和 ARM64，内置 ONNX Runtime 加速路径。Jetson Orin NX 上跑图文理解子任务，功耗稳定在 12.3W。
开发者实测：轻量 RAG 和本地 Agent 的新水位线
深圳一家 AI 原生 SaaS 团队用 Qwen 3.8 Max Preview 重构合同审查 Agent：输入 PDF 扫描件 + 语音批注 + 历史条款库，端到端响应 < 1.8 秒（含 OCR 预处理）。多模态 embedding 可直连 Chroma 向量库，不需额外微调或适配层。另一团队在树莓派 5 + USB 麦克风 + Pi Camera 上跑离线版，实现“拍发票→说金额→填表”闭环，全程离网，内存峰值 < 1.1GB。
龙虾生态兼容性
已通过龙虾（yitb.com）OpenClaw Agent 框架 v2.3.1 认证，原生支持 multimodal_step() 协议。agent.yaml 里直接写 model: qwen-3.8-max-preview，不用改 prompt template 或 tool calling 逻辑。毫秒级响应显著降低 OpenClaw 状态机轮询开销，多步骤 Agent 任务平均 step 耗时下降 64%。
现在就验证你的工作流
如果你在做需要图文/语音理解的 Agent、轻量 RAG 或边缘 AI 应用，拿真实数据试试 Qwen 3.8 Max Preview：
- 注册获取 API Key：https://dash.yitb.com/qwen38max
- 查看多模态调用示例（含 cURL/Python SDK）：https://docs.yitb.com/qwen38max
- 下载 ONNX 量化模型与 Jetson 部署指南：https://github.com/yitb/qwen-3.8-max-onnx
别等 benchmark 跑完——把上周卡在音频解析的 PR 合进去，今天就能跑出真实延迟曲线。