Qwen3.8-2.4T-A95B 发布说明

Qwen3.8-2.4T-A95B 为开源版本带来了 Qwen-Max 级别的能力

Qwen3.8-2.4T-A95B 是 Qwen 开源模型家族中能力最强的版本，在编程、专业研究和长程智能体任务方面取得了实质性的进步。该模型基于 Qwen3.5 的架构基础构建，旨在以高可靠性和更强的自主规划能力处理复杂的、多步骤的任务。

模型架构与规格

Qwen3.8-2.4T-A95B 是一个因果语言模型（Causal Language Model），采用混合专家（MoE）架构，以平衡总参数量与推理效率。

核心技术规格

总参数量: 2.4 Trillion
激活参数量: 95 Billion
层数: 92
隐藏层维度: 8192
混合专家: 总计 512 个专家，每个 token 激活 10 个路由专家和 1 个共享专家。
专家中间层维度: 2048
上下文长度: 原生支持 262,144 tokens，可扩展至 1,010,000 tokens。
词表大小: 248,320 (padded)。

架构布局

该模型采用了 23 × (3 × (Gated DeltaNet → MoE) → 1 × (Gated Attention → MoE)) 的隐藏布局。它在 Gated DeltaNet 中拥有 128 个用于 V 的线性注意力头和 16 个用于 QK 的注意力头，在 Gated Attention 中拥有 64 个用于 Q 的注意力头和 4 个用于 KV 的注意力头。

性能基准

Qwen3.8-Max（基于此模型的官方版本）在面对 Claude Opus 4.8、Fable 5 和 GPT-5.6 Sol 等前沿模型时表现出了极具竞争力的性能。

编程与智能体性能

Qwen3.8-Max 相比 Qwen3.7-Max 有显著提升，尤其是在软件工程基准测试中：

Terminal Bench 2.1: 86.6 (对比 Qwen3.7-Max 的 74.5)
FrontierSWE: 73.5 (对比 Qwen3.7-Max 的 40.7)
PaperBench: 93.0 (以 90.5 的成绩领先于 GPT-5.6 Sol)
AndroidBench: 75.1 (对比 Qwen3.7-Max 的 56.5)

通用能力

GPQA Diamond: 92.6，与 Fable 5 持平并超过了 Opus 4.8 (92.0)。
IFBench: 82.8，优于 GPT-5.6 Sol (72.7) 和 Fable 5 (63.5)。
MRCR v2 256K (8-needle): 92.9，展示了强大的长上下文检索能力。

部署与 API 使用

服务框架

Qwen3.8 兼容多种高吞吐量推理引擎：

SGLang
vLLM
TokenSpeed

API 配置与推理控制

Qwen3.8-2.4T-A95B 是一个纯文本模型，所有交互都需要“思考模式”。每个响应都以包含在 <think> 标签中的推理过程开始。

用户可以通过 reasoning_effort 参数控制推理深度：

xhigh (默认): 适用于需要彻底分析的复杂任务。
medium: 在准确性和速度之间取得平衡。
low: 针对速度和成本进行了优化。

社区见解与技术考量

社区讨论强调了开源权重版本与托管的 Qwen3.8-Max 服务之间的几个关键权衡。

硬件需求与量化

由于其 2.4T 的参数量，完整的 BF16 模型估计大小约为 4.9TB。社区成员指出，对于大多数用户来说，在不进行量化的情况下运行此模型成本极高。

"The 1bit quant model is at an astonishing 397GB... This literally puts Opus 4.5 performance level into a machine a normal person could buy."

功能差异

用户指出，开源权重版本缺少托管版 Qwen3.8-Max 中的一些功能，包括：

视觉支持: 开源权重模型仅限文本。
上下文窗口: 开源版本限制在 250k tokens，而托管版本默认支持 1M tokens。
非思考模式支持: 托管版本允许在没有强制推理阶段的情况下进行响应。

许可协议

该模型对内部使用或年收入低于 5000 万美元的实体免费。对于超过此阈值的实体，特别是针对编程或生产力智能体的服务，将受到限制。