Qwen3.8-Max发布、DeepSeek继续降价：AI竞争开始向数据底座和存储扩产转移 (2026)

今日新模型发布

截至 2026 年 8 月 3 日 21:00（北京时间），今天确认有新的公开大模型发布：阿里千问团队发布 Qwen3.8-Max。它基于 Qwen 3.5 的架构基础，规模扩展到 2.4 万亿参数，其中约 950 亿参数激活；官方把升级重点放在编程、办公、科研、长周期任务和多模态智能体，强调模型可以连续执行多日任务并交付结果。QwenCloud API 已开放，模型权重计划于下周发布。1

这里有一个边界：Qwen 官方公布的 10 多天自动编程、约 125 小时科研复现、芯片设计和电商模拟，都是厂商自测或展示案例。它们能说明训练目标从「回答一问」转向「持续执行」，不能直接证明模型在企业权限、工具故障、数据质量和人工接管条件下已经稳定交付。Reuters 的报道也确认，Qwen3.8-Max 当天上线展示，支持文本、图像和视频，最长可处理 100 万 token；模型权重则要到下周才发布。2

最近一个发布周期里，DeepSeek 的 V4-Flash-0731 仍是另一个重要参照。DeepSeek 官方文档显示，deepseek-v4-flash 当前指向 0731 版本，API 保持原调用方式，并已支持 Codex 接入；官方 API 页面列出的模型入口包括 deepseek-v4-flash 和 deepseek-v4-pro。3 Reuters 报道称，V4-Flash 于 7 月 31 日发布，输入价格为每百万 token 0.14 美元、输出价格为 0.28 美元；Artificial Analysis 估算一项智能指数任务的平均成本约为 3 美分，显著低于 Kimi K3、OpenAI GPT-5.6 Sol 和 Anthropic Claude Fable 5 的对应估算。4

结论：今天的模型供给不是单一路线。Qwen3.8-Max 把竞争推向更长的任务链和更大的训练规模，DeepSeek V4-Flash 则把可调用成本继续往下压。前者要验证的是长任务能否稳定完成，后者要验证的是低单价能否在真实任务里保持质量、延迟和毛利。

本期信号总览

主体覆盖窗口为 2026 年 8 月 3 日 00:00—21:00（北京时间）。今天最值得记录的变化，是模型层出现了「大而能持续做」与「便宜到适合大规模调用」两种路线，而企业和基础设施层同时在补数据、遗留系统和存储芯片。模型名字变得更快，真正需要验收的账本却变厚了。

信号	已确认事实	不能直接推出的结论
模型能力	Qwen3.8-Max 为 2.4 万亿参数、约 950 亿激活参数，QwenCloud API 已可用，权重下周发布。1	参数规模和厂商自测不能替代企业生产验收。
模型成本	DeepSeek V4-Flash 的 token 价格为输入 0.14 美元、输出 0.28 美元；Artificial Analysis 估算单项测试成本约 3 美分。4	单价低不等于一次成功任务的总成本低。
企业系统	ArcelorMittal 扩大与 Microsoft 的合作，把 Azure 作为主要云平台，并计划接入 Fabric、Purview 和 Foundry，改造 IT、数据与 AI 基础。5 6	合作公告证明改造方向，不证明 AI 收入或效率提升已经确认。
AI 基础设施	CXMT 正考虑在北京建设第二座存储芯片厂，并与地方技术制造园区进行早期融资谈判；拟议工厂的容量和总投资尚未披露。7	规划、融资谈判和地方支持不是已开工、已到账或新增产能。

模型竞争分成两本账：能力账与调用账

Qwen3.8-Max 的发布，改变的是模型公司展示能力的方式。官方不再只列出一次问答的分数，而是展示模型在 10 多天自动编程、约 125 小时科研复现、芯片设计和 365 天电商模拟中的连续轨迹。它公布的一个案例是：模型从空白项目开始运行约 16 天，代码仓库累计 265 次提交、127 个合并请求和 151 个议题。1

这类测试比单轮 benchmark 更接近智能体产品的方向，因为任务里加入了状态管理、反馈、重试和工具调用。但它还没有回答企业采购最关心的几个问题：任务失败后谁接管，权限如何收回，工具结果出错时如何回滚，长上下文和多轮调用会把延迟与费用推到什么水平。Qwen 官方写的是「能完成」某些案例，采购方需要的却是特定流程里「连续 30 天可复现」。两者之间还隔着数据、权限和运维。

DeepSeek V4-Flash 代表另一种压力：把模型推理变成更容易被大批量调用的基础服务。Reuters 引用 Artificial Analysis 的比较显示，V4-Flash 的单项智能指数任务平均成本约为 0.03 美元，Kimi K3 为 0.86 美元，GPT-5.6 Sol 为 1.86 美元，Claude Fable 5 为 3.15 美元。该指标考虑了模型完成任务所处理和生成的数据量，比只看 token 标价更接近任务成本。4

但 0.03 美元仍然不是企业账单。一次真实任务还会叠加路由、工具调用、失败重试、等待时间、人工复核和数据存取。低价模型如果需要更多轮次才能得到可用结果，优势会被吞掉；如果它能在一次调用里完成，才会真正改变应用的毛利结构。模型竞争的比较单位，已经从「每百万 token」向「一次成功交付」移动。

企业先补数据和遗留系统，模型才有地方工作

ArcelorMittal 8 月 3 日扩大与 Microsoft 的合作，选择 Azure 作为主要云平台，并计划把 Microsoft Fabric、Purview 和 Foundry 等工具接入 IT 系统。公告给出的目标包括把数据集中到可信基础、部署分析与 AI、提高网络安全和系统韧性、减少对遗留技术的依赖；财务条款没有披露。5 6

这条消息的价值不在于钢铁公司又宣布了一个 AI 项目，而在于它把模型落地的前置工作写得很直白：先处理核心 IT、数据目录、权限和安全，再把 AI 嵌入业务流程。企业如果没有可信数据和可追溯的系统边界，换用更强模型往往只会扩大错误传播范围。

对采购方来说，Qwen3.8-Max 的 API 可用与权重开放是两种不同的选择。API 适合快速试验，权重下载后还要承担推理硬件、模型服务、升级和安全补丁。Azure 这样的云底座也不等于业务已经完成现代化，公告只证明合作和工具栈，不证明生产系统已经获得了多少效率或收入。

AI 推理越便宜，内存和机房的账越容易被看见

CXMT 的北京扩产计划把模型价格与硬件供给连到了一起。Reuters 8 月 3 日报道，CXMT 正考虑在亦庄建设一座新的 12 英寸 DRAM 工厂，并与北京经开区及相关国有技术企业就融资进行早期谈判；知情人士称项目寻求至少 6000 万元人民币的支持，但资金来源、结构、拟议产能和总投资都没有确定。7

CXMT 北京生产设施外景 — 2026 年 7 月 29 日，Reuters 拍摄的 CXMT 北京生产设施。8 月 3 日报道称，第二座工厂仍处于规划和融资谈判阶段，容量与总投资尚未披露。7

报道称，CXMT 在合肥和北京已有三座 12 英寸 DRAM 工厂，每座月产能约 10 万片；此前上海和合肥的项目全部投运后，产能可能增至每月 60 万片以上。这个数字是既有项目完全投运后的推算，不是今天已经在线的产能。Reuters 还指出，先进 DRAM 工厂通常需要超过 100 亿美元建设投资，因此「至少 6000 万元支持」不能被读成项目总投资，更不能读成融资已经完成。7

这条消息说明，模型推理价格下降不会让基础设施账单消失，反而会把需求从训练峰值推向长期推理。大量调用需要稳定的内存带宽、数据中心电力和可预测的服务吞吐；对存储芯片公司的投资则要继续追踪订单、良率、实际出货和客户认证，不能只看「AI 基础设施需求强劲」这一宏观叙述。

物理 AI：本期没有足够的新节点可加入主线

截至本期窗口，没有找到能够同时满足来源、时间和事件状态要求的新增物理 AI 上市、融资或产品交付节点。机器人融资传闻、月度汇总和「计划产能」没有被写成已到账资金、已交付设备或持续商业运营。上一期已经讨论过自动驾驶合作网络与监管许可，本期不重复那条材料。

这不是说物理 AI 的竞争放缓，而是今天的新增证据集中在模型、工业云和存储扩产。对物理 AI 的下一次判断，仍应优先看客户现场运行时长、安全记录、监管批准和已交付设备，而不是合作方数量或未来产能目标。

从业者今天应把哪几项写进验收表

产品与采购：把 token 单价、一次成功任务成本、失败重试、延迟和人工复核放进同一张表；先用真实业务任务测完，再比较模型价格。
企业 IT：在接入长程智能体之前，确认数据目录、身份权限、工具调用日志、版本留痕和回滚路径。Qwen3.8-Max 的权重下周开放，不等于本地部署当天就能稳定服务。
投资与基础设施：把规划产能、融资谈判、政府支持、工厂开工、客户认证和实际出货拆成六个状态。CXMT 的案例说明，AI 需求可以是真的，具体项目仍然可能处在早期。
物理 AI：把演示、封闭测试、安全员试点、道路许可、客户交付和持续运营分开记录；缺一项，都不能把「能做」写成「已规模化」。

今天的模型发布把竞争推向两个方向：Qwen3.8-Max 试图证明模型可以承担更长、更复杂的工作，DeepSeek V4-Flash 试图证明这类调用可以足够便宜。企业真正要付的钱，则会继续流向数据治理、系统改造、内存、网络和人工兜底。下一轮竞争的分水岭，不是参数最多或单价最低，而是谁能把一次成功任务的完整成本算清楚。