新模型登顶，先别急着切流量
一个新模型刚登顶榜单，团队最危险的动作不是“不跟”，而是当天就把生产流量切过去。Qwen3.8-Max-0902 的新结果，正好适合演示一套更稳的模型迁移门禁。

【来源事实】阿里云 9 月 2 日更新的官方文档把它定义为 Qwen3.8-Max 的升级快照，保留 100 万上下文；最大输入 991,808、最大输出 131,072，支持文本、图像、视频输入，输出文本，并支持函数调用、结构化输出和上下文缓存。

Code Arena 的 WebDev 榜单快照显示，它以 1691 分排在首位，但页面同时写着 Preliminary：只有 1,389 票，误差范围 ±19，名次区间是 1–4。也就是说，“第一”仍是会随投票和统计区间变化的初步位置，不是生产优势的定论。

部署边界更值得看。官方文档中，0902 快照不支持微调，列出的各区域也不支持批量推理；Web Search 在北京、新加坡支持，在法兰克福、弗吉尼亚、东京和香港等区域标为不支持。北京标价为每百万 token 输入 1.65 美元、输出 4.951 美元，新加坡则是 2 美元和 6 美元；基础 TPM 上限也不同。

【专家判断】模型登顶后，建议按这 5 关再决定是否切流量：
1. 版本关：锁定 0902 快照，不把滚动别名混入对比；
2. 任务关：用自家真实仓库、工具链和失败样本做盲测；
3. 统计关：同时看置信区间、票数和失败分布，不只看名次；
4. 成本关：按输入、输出、缓存、工具调用与重试分别计费；
5. 上线关：先影子流量，再小比例灰度，并保留一键回滚。

限制也要写进决策表：WebDev 只覆盖一种开发偏好，官方长时自主编码描述仍是供应商声明；100 万上下文不等于满窗口质量不降，文档也说明实际长度受参数组合影响。真正该收藏的不是冠军名单，而是一张能反复使用的迁移门禁表。

一手 大模型评测 AI编程 模型选型