思考档位与思考模式
官方定名的三档 reasoning_effort（low / medium / xhigh，默认 xhigh）、开放权重必须开启思考而 API 版支持非思考模式，以及 26 万 token 的默认思考预算对账单的影响。
思考档位与思考模式
本章在权重公开后修订过两次（2026 年 9 月 13 日、19 日）。 原稿依据发布期的二手资料：档位名称有两种说法，写着“思考模式不可关闭”，默认思考预算写作 131,072。官方材料给出了定论——档位是 low / medium / xhigh；“不可关闭”只对开放权重成立，API 版支持非思考模式；API 版的默认思考预算是 262,144。下文按新资料改写。
规格表里有三行看似平常、合起来却很有分量：
- 思考档位三档：
low/medium/xhigh，默认xhigh（官方博客、模型卡）； - API 版默认思考预算 262,144 token（百炼文档：
thinking_budget的默认值是模型的最大思维链长度，Qwen3.8-Max 为 262,144）； - 开放权重必须开启思考（官方模型卡）。
“必须思考”只对开放权重成立
模型卡写得很明确：Qwen3.8-2.4T-A95B 在所有交互中都要求思考模式，无法关闭，每个回复都以 <think> 包裹的推理开头。随附的对话模板也是这么实现的：传入“关闭思考”会直接报错。
但同一份模型卡也写明，API 上的 Qwen3.8-Max 支持非思考模式。所以原稿“思考模式不可关闭”的说法要拆开看：
| 版本 | 能否关闭思考 |
|---|---|
开放权重 Qwen3.8-2.4T-A95B（含百炼托管的 qwen3.8-2.4t-a95b） | 不能，最低也是 low 档 |
| API 版 Qwen3.8-Max（含 0902 快照） | 能，支持非思考模式，默认开启思考 |
| 同系列的 27B 与 Flash-Next 开放权重 | 能，默认开启思考 |
开放权重不给“零思考”这个选项，背后是一个明确的产品判断：
这个模型被设计成“用来解决问题”，而不是“用来聊天”。
如果你的场景是快速问答、文案改写、简单分类，自己部署开放权重会让你难受——你为不需要的思考付出算力，还要等更久。这类场景可以走 API 的非思考模式，或者换更轻的模型。但如果你的场景是长时程 agent 任务（正是它主打的方向），思考就不是可选项，而是必需品。
模型卡还提到一个默认开启的开关 preserve_thinking：历史消息里的推理内容会被保留下来，供后续轮次参考。这对多轮 agent 任务有利，代价是上下文消耗得更快。
26 万 token 的默认预算意味着什么
这个数字要和定价放在一起才有实感。
思考内容按输出计费。国际定价 $6 / 百万输出 token，那么用满默认预算的一次调用：
约 1.57 美元——而且这还只是思考部分，没算最终答案。
当然，实际调用很少用满预算——模型想完就停。但这个上限说明了成本的尾部风险：一个难题可能让单次调用的成本比预期高一两个数量级。
第三方的实测也指向同一个方向。Artificial Analysis 在 8 月 6 日的评测里算过：跑完它的综合指数，Qwen3.8-Max 平均每个任务花费 1.14 美元，是上一代 3.7-Max（0.53 美元）的两倍多；原因之一是 agent 类评测里轮数更多，输出 token 总量涨了 45%，达到 1.45 亿（第三方口径）。单价降了，总账单反而涨了——3.8-Max 的 API 单价其实比 3.7-Max 低。
对做产品的人：务必显式设置思考预算上限，不要用默认值。
这类“默认值很大 + 按量计费”的组合，是线上成本失控最常见的来源之一。一个卡在难题上反复思考的请求，能烧掉相当于几百次正常调用的钱。在接入任何强制思考的模型前，先把预算上限、超时、以及单请求成本告警配好。
三档怎么选
| 档位 | 适合 |
|---|---|
low | 有明确答案、路径短的任务；批量处理；对延迟敏感的交互 |
medium | 多数日常任务的性价比点 |
xhigh（默认） | 长时程 agent、复杂推理、一次性的重要任务 |
官方在同系列 Flash-Next 的模型卡里提醒过一句，值得一起记住：多轮 agent 任务里，调低档位不一定缩短总耗时——单轮是快了，但分析不足会带来更多失败和重试，总时长和 token 消耗反而可能上升。所以“调低档位省钱”要在自己的任务上实测，不能想当然。
注意默认是最高档。这个默认值对“跑分”有利（评测通常用默认配置），对“省钱”不利。发布材料里的基准分数，大概率是在最高档下取得的——基准那一章会再提这一点。
这是这一代的共同趋势
把三家放在一起：
| 模型 | 思考控制 |
|---|---|
| Qwen3.8-Max | low / medium / xhigh，默认最高；开放权重不可关闭，API 版可关 |
| Kimi K3 | low / high / max，默认 max；官方文档写明它总是会推理 |
| DeepSeek V4-Flash | Think High / Think Max 等模式 |
三家都把“思考多少”做成了调用方的参数，而且默认都开在最高档。 这是过去一年最实质的产品形态变化之一——K3 专栏那一章讲过它对训练侧的要求（模型必须在各档位下都表现良好）。
初稿说“三家里只有 Qwen 取消了不思考的选项”，核对 Kimi 的文档后要订正：K3 也是总在推理。Qwen3.8 的特别之处其实在于同一个模型两种待遇：2.4T 的开放权重必须思考，API 版却可以关；同系列的 27B 与 Flash-Next 也都可以关。
思考和回答抢不抢额度
初稿这一节的结论是“会抢”：当时手上的二手数字是思考预算 131,072、最大输出 131,072，看起来像共用一个上限。官方文档给出的是另一幅图——API 版把两者分开列：
| 上限 | 数值 |
|---|---|
| 上下文 | 1,000,000 |
| 最大输入（思考模式下） | 983,616 |
| 最大思维链 | 262,144（thinking_budget 的默认值） |
| 最大输出（思考模式下） | 131,072 |
思维链的上限比输出的上限还大，两者显然不是同一个额度：在官方 API 上，思考有自己的上限，不会挤占回答的 131,072。 这与模型卡给自部署的建议一致：在支持分别设定推理与最终回复上限的推理框架里，推理部分设到 262,144、最终回复设到 131,072（都在 1M 上下文之内）。
要留意的是两件事：一是两部分都按输出计费，分开设限不等于省钱；二是自部署时要看你用的框架支不支持这种拆分，不支持的话，两者还是会抢同一个额度。另外，百炼托管的开放权重版本 qwen3.8-2.4t-a95b，思维链上限是 131,072，只有 API 版的一半。
下一部分讲这个模型真正的卖点。👉 那些长时程主张
参考文献
- [1] Qwen Team. Qwen3.8-2.4T-A95B 模型卡，2026-08 ——
reasoning_effort三档、强制思考、preserve_thinking与输出长度建议；同仓库的对话模板。 - [2] Qwen Team. “Qwen3.8-Max：编程与办公，全面跃升.” 2026-08-03 —— API 的三档
reasoning_effort。 - [3] 阿里云百炼. qwen3.8-max 模型页、qwen3.8-2.4t-a95b 模型页与深度思考文档，2026-09-19 查阅 —— 最大思维链、最大输出、
thinking_budget默认值、各型号的思考模式。 - [4] Qwen Team. Qwen3.8-Flash-Next 模型卡 —— “调低档位不一定缩短总耗时”的提示。
- [5] Artificial Analysis. Qwen3.8 Max 评测帖子，2026-08-06 —— 每任务成本与输出 token 用量（第三方口径）。
- [6] Moonshot AI. Reasoning Effort —— K3 的三档与“总是推理”。
- [7] DataLearner 模型库 Qwen3.8-Max 与第三方发布分析（2026-08）—— 原稿依据的二手资料（已被官方材料取代）。