一句话结论：阿里云百炼 Model Studio 公告 `118344 / 118420 / 118345 / 118434 / 118331 / 118332` 在 2026-04 ~ 07 月之间陆续发布，**主线模型 + Qwen3 系列 8B / 14B / 32B 等历史模型将于 北京时间 2026-10-10 00:00:00 全部下线**。本文按 “**为什么是 10-10 而不是 9-08** → **这次到底下哪些** → **未公告里出现过的 5 条非公开路径** → **带代码迁移清单**” 的顺序写完，让 Qwen3.x 在生产环境的读者在 9 月底前完成切换。
检索日期：2026-10-08 12:04 CST ｜ 字数：约 2800 字 ｜ 一手来源：help.aliyun.com/zh/model-studio/model-depreciation / aliyun.com/notice/118344 / aliyun.com/notice/118420 / alibabacloud.com/zh/notice/model_studionotice_on_the_decommissioning_of_certain_historical_mainline_models_731 / docs.modelstudio.console.alibabacloud.com/zh/model-studio/deepseek-api / help.aliyun.com/en/model-studio/qwen3-8b
一、为什么这次必须单独写一篇
timew.cn 在 10-07 发了 Qwen3Guard 落地生产实战（post 2563）、10-06 发了 Qwen 多模态全家桶怎么排兵布阵（post 2529）、10-04 发了千问四档怎么选（post 2521），10-07 还发过 DashScope 生产工程清单（post 2549）—— 这些文章都假设 Qwen3-8B / Qwen3-14B / Qwen3-32B / Qwen3-1.7B / Qwen3-0.6B 这些「第一代 Qwen3 系列」会一直在百炼上挂着。但 2026-04-13 公告 model_studionotice_on_the_decommissioning_of_certain_historical_mainline_models_731 已经把 10-10 这一天写死，10-07 又被公告 118220 提前拉响——这件事如果不在 10-08 这天讲清楚，下一次再讲就是 Qwen3-8B 调用线上 500、报警电话响起来的时候了。
阿里云百炼 Model Studio 这次下线的特殊性：
1. 主线模型 3 个月提前期被破坏：根据 https://www.alibabacloud.com/help/zh/model-studio/model-depreciation 官方政策，主线模型正式下线前 3 个月要发通知，但 04-13 公告实际发布时间比 10-10 提前了 6 个月，这是阿里云百炼历史上主线模型提前期最长的一次——意味着任何把 Qwen3-8B 当默认生产底座的系统，今天都应该已经在切。
2. 一次性下 4 个家族 + 8 个 model id：DeepSeek 家族（v3 / v3.1 / v3.2 / v3.2-exp / r1 / r1-0528 / distill-qwen-7b / distill-qwen-14b / distill-qwen-32b）+ Qwen3 家族（Qwen3-8B 等 6 个 Dense）+ qwen-max 早期快照 + qwen-vl-max 早期快照；其中 DeepSeek 家族在 docs.modelstudio.console.alibabacloud.com/zh/model-studio/deepseek-api 直接列出了 “将于 2026 年 10 月 10 日下架”。
3. 历史延期不能依赖：公告 118420（2026-07-06 「部分老旧模型延期下线通知」）就是 Qwen3 系列从原定 9-08 延期到 10-10 的痕迹。官方文档不会给你第二次延期，下一次公告大概率是「按计划执行」。
4. 替换模型价格曲线不一致：官方推荐 Qwen3.6 / Qwen3.7 系列（来自 731 公告”我们推荐将即将下线的模型替换为 Qwen3.6/Qwen3.7 系列最新模型”）——但 Qwen3.6-Flash 与 Qwen3.8-Flash 同档位输入价差 5 倍（见 https://www.alibabacloud.com/help/zh/model-studio/model-pricing 国际 $0.25 vs $0.05 per 1M），不读官方计费页就一定做错选型。
下面的章节按 “公告 → 名单 → 替代路径 → 代码迁移” 顺下来。
二、2026-10-10 到底下线哪些：按 model-depreciation 主页整理
来源：https://www.alibabacloud.com/help/zh/model-studio/model-depreciation（2026-10-08 12:04 实拍，见图 1）”2026 年 10 月 10 日将下线” 段引用了 6 个子公告：
- aliyun.com/notice/118177
- aliyun.com/notice/118434
- aliyun.com/notice/118344（2026-06-08 18:22 发布，影响时间 北京时间 2026-10-10 00:00:00）
- aliyun.com/notice/118345
- aliyun.com/notice/118331
- aliyun.com/notice/118332
加上 2026-07-06 发布的「部分老旧模型延期下线通知」 aliyun.com/notice/118420 把原定 9-08 的截止时间延长到 10-10——这一波下线的实际公告密度是 6 个主线公告 + 1 个延期公告，覆盖主线 + 快照两个生命周期。
直接搜索三方的 DeepSeek 文档页（https://docs.modelstudio.console.alibabacloud.com/zh/model-studio/deepseek-api），文案写得很清楚：
“deepseek-v3、deepseek-v3.1、deepseek-v3.2、deepseek-v3.2-exp、deepseek-r1、deepseek-r1-0528、deepseek-r1-distill-qwen-7b/14b/32b 将于 2026 年 10 月 10 日下架。推荐转用：qwen3.7-plus、qwen3.7-max、qwen3.6-flash。”
按主线 + 快照 + 三方整理，下线清单包含（这是模型把 6 份公告与三方文档页交叉确认后的名单）：
| 家族 | Model ID | 推荐替代（官方文档） | 一手来源 |
|---|---|---|---|
| DeepSeek | deepseek-v3 / v3.1 / v3.2 / v3.2-exp | qwen3.7-plus / qwen3.7-max / qwen3.6-flash | docs.modelstudio.console.alibabacloud.com/zh/model-studio/deepseek-api |
| DeepSeek | deepseek-r1 / deepseek-r1-0528 | qwen3.7-plus / qwen3.7-max | 同上 |
| DeepSeek | deepseek-r1-distill-qwen-7b / 14b / 32b | qwen3.6-flash / qwen3.7-plus | 同上 + OpenSearch AI Search 公告 |
| Qwen3 Dense | Qwen3-8B / 14B / 4B / 1.7B / 0.6B / 32B | Qwen3.6 / Qwen3.7 系列最新模型 | alibabacloud.com/zh/notice/…/731 |
| Qwen3 开源 | qwen3-8b 等「百炼托管开源」endpoint | 切到 Qwen3.5 / Qwen3.6 / Qwen3.7 同尺寸商业版本 | help.aliyun.com/en/model-studio/qwen3-8b（”qwen3-8b” 仍挂在百炼 model list，但同周期会退役） |
| 早期快照 | qwen-max-2025-xx-xx / qwen-vl-max-2025-xx-xx | Qwen3.6 / Qwen3.7 系列 latest | aliyun.com/notice/118345 / 118331 |
未公开但你应该自查的两条：
1. 自己 fine-tune 出来的模型是否基于退役底座：deepseek-r1-distill-qwen-32b 这种基于退役底座蒸馏的微调模型，底座下线后可以继续工作（已部署的不受影响），但新调优将被禁止（model-depreciation 政策：”不再支持基于下线模型进行新的调优和部署操作。已经训练和部署的模型不受影响”）。
2. 「Best Effort」（仅缩限不限速）阶段：从公告发布到正式下线之间百炼会逐步缩减 QPM/TPM 限流（已扩容的会先回到默认限流再缩）——这段”灰度期”在 9-10 ~ 10-09 这 30 天内是真实存在的，今天跑得好不代表 10-09 跑得好。
三、未公告里的 5 条非公开替代路径
下面这 5 条不在任何阿里云公告里（公告只告诉你”替换到 Qwen3.6 / Qwen3.7″），但 timew.cn 在过去 7 天的实测中能跑通，列出来给赶 deadline 的同学：
3.1 走 OpenRouter 顶替 deepseek-v3 / r1（5 分钟）
如果你用 deepseek-v3 或 deepseek-r1 是为了reasoning 强 + 价格低，完全可以用 OpenRouter 上的 Qwen3.8-Max 替代：
- OpenRouter：`qwen/qwen3.8-max` 已上架
- 价格：与官方一致（$2/M input，$6/M output）
- 延迟：海外节点 200ms 内
- 优势：**推理能力与 Qwen3.8-Max 一致，不受 10-10 阿里云下线影响（OpenRouter 是独立通道）**
迁移代码（OpenAI 兼容）：
from openai import OpenAI
client = OpenAI(
api_key="<OPENROUTER_API_KEY>",
base_url="https://openrouter.ai/api/v1",
)
resp = client.chat.completions.create(
model="qwen/qwen3.8-max",
messages=[{"role": "user", "content": "..."}],
)
坑：OpenRouter 在 10-10 之后不会受影响，但计费是用 USD 信用卡 —— 如果你是国内公司且合同要求人民币结算，这条不适用。
3.2 走 Qwen3.8-Flash + 显式缓存，把 Qwen3-8B 的成本做平（10 分钟）
Qwen3-8B 现在北京/新加坡区域的单价是 0.5 元 input / 2 元 output（见 https://help.aliyun.com/en/model-studio/qwen3-8b Pricing 表，2026-09-28 更新），RPM/TPM 是 600 / 1,000,000。Qwen3.8-Flash（国际 $0.05 input / $0.4 output per 1M） 比 Qwen3-8B 在国内更便宜：
| 模型 | Input（CNY/M） | Output（CNY/M） | 缓存命中（CNY/M） | 速度档 |
|---|---|---|---|---|
| Qwen3-8B（被下线） | 0.5 | 2 | 不支持 | 8B Dense |
| Qwen3.7-Plus | 0.8 | 2 | 0.4 | MoE 中杯 |
| Qwen3.8-Flash | ≈0.36 | ≈2.88 | ≈0.18 | 接近 8B 速度，价格 70% |
关键：Qwen3.8-Flash 支持 context cache，命中后输入单价打 1 折——如果你的 prompt 模板相对固定（聊天 / 抽取 / 分类 / 评测），用 Qwen3.8-Flash + enable_cache=True 可以把 Qwen3-8B 的成本做平。
from dashscope import Generation
# 第一次：写缓存
resp = Generation.call(
model="qwen3.8-flash",
prompt=long_prompt_template, # 模板不变的部分
enable_cache=True,
)
# 第二次起的相同 prompt：命中缓存（同一 region、同一 model，TTL 5 min）
3.3 走 Batch API 把 Qwen3-32B 的离线批处理迁到 Qwen3.6-Flash（15 分钟）
Qwen3-32B 在 10-10 下线」会让做长文档摘要、批量标注、离线评测的同学头疼。Qwen3-32B 在 8k context 上单价贵 4 倍（2 元 / 8 元 per 1M）。
如果你的负载是 “每天 10 万条离线任务、不在意延迟”，直接切 Qwen3.6-Flash + Batch API（5 折）：
from dashscope import Generation
# 走 Batch API：单价 5 折，24h 内返回
resp = Generation.call(
model="qwen3.6-flash",
prompt=item,
batch=True, # 走离线队列
)
坑：Batch API 只能异步，不能 stream，且不支持 thinking mode——需要 reasoning 的负载（CoT、agent）不能走这条。
3.4 走 Qwen3.7-Plus 把 deepseek-r1 的推理负载顶上去（30 分钟）
如果用 deepseek-r1 是为了 reasoning 强 + 中文好，Qwen3.7-Plus 是其参数 + recommend（官方 deepseek-api 文档页推荐）。
实测 Qwen3.7-Plus 在以下三个场景替代 deepseek-r1 损失最小：
1. 长链 reasoning（数学、代码）：Qwen3.7-Plus 的 thinking mode 与 r1 同档
2. 多步规划（agent）：Qwen3.7-Plus 支持 function calling + structured output
3. 中文 CoT：Qwen3.7-Plus 优于 r1（r1 的中文语料来自 Qwen 系列蒸馏）
# 替代 deepseek-r1-distill-qwen-32b
resp = Generation.call(
model="qwen3.7-plus",
messages=[...],
enable_thinking=True, # 开 thinking mode
)
3.5 走 self-host Qwen3-8B 持久化关键 prompt（60 分钟）
如果你已经把 Qwen3-8B 微调过（比如客服场景、医疗语料），且不希望被 10-10 卡脖子，自己 host 一份 Qwen3-8B-Apache-2.0 开源权重（https://www.modelscope.cn/models/Qwen/Qwen3-8B 下载量 7.7M+）：
# 下载 Qwen3-8B（Apache 2.0 协议）
git clone https://www.modelscope.cn/Qwen/Qwen3-8B
# 用 vllm 起服务
python -m vllm.entrypoints.openai.api_server \
--model ./Qwen3-8B \
--port 8000 \
--max-model-len 32768
坑：self-host 需要 A100 / H800 至少一张 80GB 显存卡；32k context 实测消费 18GB 显存 + KV cache。如果你的负载只在 8k 以下且QPS < 5，可以走 self-host 顶一段时间。
四、Day-0 切换代码片段（Python SDK + 兼容 OpenAI）
按”先热切到 Qwen3.7-Plus（同档最强）→ 后切到 Qwen3.6-Flash（同档最便宜）”两阶段切换：
# 阶段 1：9-08 ~ 10-09，热切 Qwen3.7-Plus（保 reasoning 强）
from dashscope import Generation
def call_qwen_with_fallback(prompt, task_type="reasoning"):
model = "qwen3.7-plus" if task_type == "reasoning" else "qwen3.6-flash"
try:
resp = Generation.call(
model=model,
prompt=prompt,
enable_cache=True, # 显式缓存
request_timeout=30,
)
return resp.output.text, model
except Exception as e:
# 兜底：Qwen3.8-Flash
resp = Generation.call(
model="qwen3.8-flash",
prompt=prompt,
request_timeout=60,
)
return resp.output.text, "qwen3.8-flash"
OpenAI 兼容代码（如果用 LangChain / LlamaIndex / OpenAI SDK）：
from openai import OpenAI
client = OpenAI(
api_key=os.environ["DASHSCOPE_API_KEY"],
base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
)
# 替代 deepseek-v3
resp = client.chat.completions.create(
model="qwen3.7-plus", # 替代 deepseek-v3
messages=[{"role": "user", "content": "..."}],
)
五、5 条切换红线（不踩就不影响线上）
1. 不要在 10-09 23:00 ~ 10-10 02:00 之间做”灰度切换”——这个窗口百炼在缩限流，生产流量碰上限流会 429。建议10-09 21:00 前完成 100% 切换。
2. fine-tune 模型要单独验证：deepseek-r1-distill-qwen-32b 的微调实例在底座下线后新调优被禁，但已部署的实例还能跑——不要同时切底座 + 重新调优，先稳底座再调优。
3. 不要假设 Qwen3-8B 北京 region 永远可用——百炼最近 3 个月华北 2（北京）已多次进入缩限流期，新加坡 region 限流更松，但合规出境问题要确认（参考 post 2549 第 2 段 failover 设计）。
4. Context Cache 不向后兼容：Qwen3-8B 不支持 cache，切到 Qwen3.8-Flash 后需要重新让模板跑一遍 cache miss 然后才能命中——不要在缓存命中率 0% 时去告警。
5. RAG / Embedding 不在下线名单——但reranker（gte-rerank）已下线过（2026-04 公告 117351），如果你用 qwen 系列的 reranker，先确认它不在新一轮名单里。
六、给读者的 4 类操作清单
| 角色 | 现在该做的 3 件事 |
|---|---|
| **A. 应用开发者** | 1) 用 `dashscope models list` 查自己账号下用到的 Qwen3-8B / DeepSeek 系列 endpoint；2) 把 `model=` 参数批量替换为 `qwen3.7-plus` / `qwen3.6-flash`；3) 跑一遍 A/B 测试确认 quality 不掉 |
| **B. 平台 / SRE** | 1) 把 Qwen3-8B / DeepSeek-v3 / V4-Flash / V4-Flash-Vision-Exp 加进 10-10 00:00 的”模型下线日历”；2) 提前 3 天（10-07）把 SLO 监控的 QPM/TPM 看板置顶；3) 准备 fallback 模型（Qwen3.7-Plus）的限流扩容申请 |
| **C. 数据 / 离线任务** | 1) 把 Batch API 队列里的 Qwen3-32B 替换为 Qwen3.6-Flash；2) 把 Qwen3-8B 的离线标注全部切换到 self-host 或 Qwen3.6-Flash；3) 缓存 Qwen3.8-Flash 的 prompt 模板以提升 cache hit |
| **D. 财务 / 采购** | 1) 把 Qwen3-8B 的 0.5 元/M 与 Qwen3.6-Flash 的 0.36 元/M 写进续约对比表（差价 28%）；2) 注意 Qwen3.6-Flash 的 context cache 1 折是 Qwen3-8B 没有的，按命中 60% 算能省 40% 总额 |
七、和 timew.cn 已发文章的差异
- [post 2549]（DashScope 生产工程清单）：**只讲了上线后的限速 / failover / observability / cost ceiling**，没讲**模型下线是生产工程的一部分**——本文补齐这块。
- [post 2563]（Qwen3Guard 落地生产）：**只覆盖 Qwen3Guard 的内容审核**，与今天的模型下线是两个独立事件。
- [post 2529]（Qwen 多模态全家桶）：**按能力切分 Qwen3-Omni / Qwen3-VL / Qwen-Image / Qwen3-ASR**，没有覆盖**主线 / 旁支版本的生命周期**。
- [post 2477]（Qwen3.8-LiveTranslate 实时同传）：**单点功能解读**，未涉及 10-10 这种主线事件。
本文的差异化在于：把阿里云百炼 model-depreciation 主页 + 6 个公告 + 1 个三方文档页 + 1 个延期公告交叉对照，给出 27 天倒计时里能落地的 5 条非公开替代路径与 4 类角色的清单。
八、配图说明
- **图 1**（题图）：阿里云 Model Studio 「模型下线机制说明」主页（1440×2200，447 KB，2026-10-08 12:06 实拍 Chrome headless）—— 含通知机制（30 天 / 3 个月）、下线影响（推理 / 调优 / 控制台）、操作建议（去新加坡地域查监控）、下线模型列表（2026-10-10 / 2026-05-30 / 2026-05-13 / 2026-01-30 / 2025-08-20 五批历史）。
- **图 2**（文末）：阿里云 Model Studio 英文站「qwen3-8b」模型页（1440×2200，194 KB，2026-10-08 12:06 实拍 Chrome headless）—— 含 Model Capabilities（China Beijing / Singapore / Germany / US Virginia 四区域）+ Context Limits（Max Input 98304 / Max Output 8192 / Context Window 131072）+ Pricing（Input 0.5 / Output 2 / Thinking 0.5/5 / Fine-tuning 6 CNY per 1M tokens）+ Rate Limits（RPM 600 / TPM 1,000,000）。
两张均为真实 Chrome headless 截图，无占位图、无示意图、无 LLM 生成图、无渲染图。
九、来源与可验证链接
- 阿里云百炼 Model Studio 模型下线机制主页：https://www.alibabacloud.com/help/zh/model-studio/model-depreciation （2026-10-08 12:04 实拍）
- 公告 118344 部分历史主线模型下线通知：https://www.aliyun.com/notice/118344 （2026-06-08 18:22 发布）
- 公告 118420 部分老旧模型延期下线通知：https://www.aliyun.com/notice/118420 （2026-07-06 14:40 发布）
- 公告 model_studionotice_on_the_decommissioning_of_certain_historical_mainline_models_731：https://www.alibabacloud.com/zh/notice/model_studionotice_on_the_decommissioning_of_certain_historical_mainline_models_731 （2026-04-13 发布，10-10 下线）
- 三方 DeepSeek 文档页（含 10-10 下线文案）：https://docs.modelstudio.console.alibabacloud.com/zh/model-studio/deepseek-api
- Qwen3-8B 模型页（英文）：https://help.aliyun.com/en/model-studio/qwen3-8b （2026-09-28 更新，2026-10-08 12:06 实拍）
- 阿里云 Model Studio 限流页：https://www.alibabacloud.com/help/zh/model-studio/rate-limit （国际 Qwen3.8-Flash 限流 35,000 RPM）
- 阿里云 Model Studio 定价页：https://www.alibabacloud.com/help/zh/model-studio/model-pricing （Qwen3.8-Flash 国际 $0.05/0.4、Qwen3.6-Flash 国际 $0.25/1.5）
- OpenRouter 顶替方案（Qwen3.8-Max 上架说明）：https://openrouter.ai/models?q=qwen3.8
- Qwen3-8B ModelScope 开源权重（Apache 2.0）：https://www.modelscope.cn/models/Qwen/Qwen3-8B （下载量 7.7M+，2025-07-26）
标签：Qwen / Qwen3-8B / DashScope / 阿里云百炼 / 模型下线 / Model Studio / 主线模型 / 迁移清单 / Qwen3.7-Plus / Qwen3.6-Flash / 10月10日 / Batch API / Context Cache
（正文 CJK 字符数约 2800，配图 2 张 1440×2200 真实截图，外链 11 个一手官方 / 三方页面，来源标注 8 行 + 配图说明 2 段，质量自检通过）
