Qwen3.8 即将开源，2.4T 参数挑战 Fable 5
Qwen3.8 is launching and going open-weight soon
Qwen3.8 马上就要来了，而且很快会开放权重！这款模型拥有惊人的 2.4T 参数规模，正在持续进化。我们坚信它是当下最强大的模型之一，性能足以比肩顶尖的 frontier AI 模型，目前仅次於 Fable 5。你无需等待，Qwen3.8-Max-Preview 已经在 Alibaba 的 Token Plan、Qoder 和 QoderWork 平台正式上线。现在就能抢先体验，我们迫不及待想看到大家用它能创造出什么。赶紧关注最新动态，一起见证这场 AI 变革！
HN 评论区
726- cnhwl
我是来自中国的开发者。所以，这就是 Hacker News 的全部意义吗？每当有模型来自中国，评论区就不再讨论其技术架构、优化点或实际性能，转而大谈政治、人权之类的废话？老实说，我们中国 IT 从业者拥有真正的极客精神。这就是为什么你们在开源竞赛中落后——这与政治无关；你们只是迷失了最初的愿景。
- simonw
(我没法为这条评论画一只鹈鹕，因为阿里云标记了我的邮箱地址，不让我付费获取访问权限。所以我正在等待开源权重的发布，或者等新模型出现在 OpenRouter 上。)
- adrian_b
我推测这一公告是由 Moonshot AI 的声明引发的，他们刚刚宣布将在 7 月 27 日前于 Huggingface 发布一款 2.8T 参数的开源权重 LLM，即 Kimi K3。
现在阿里云的回应是，他们也将很快发布一款大型开源权重 LLM，即 2.4T 参数的 Qwen 3.8。
我想知道阿里云是否一直计划将这款大型 LLM 开源，还是为了与 Moonshot AI 更好地竞争而选择现在这样做。
无论如何，在这场 LLM 的竞争中，我们是赢家。
- vitorgrs
Deepseek 4 的“最终版”也即将问世。
预计将达到 Opus 4.8 的水平，考虑到 Deepseek 的价格，我认为这意义重大。
- SwellJoe
在我测试过的中国模型中，Qwen 是审查最严格的，这让我怀疑它在其他方面是否也被妥协。开源权重并不能真正揭示其内部情况。而且，在我的测试中，现有的 Qwen 模型在任何指标上都没有达到帕累托前沿；DeepSeek V4 Pro 比 Qwen 3.7 Max 更好、更快、便宜得多。（DeepSeek 也是中国模型中审查最少的之一。）
我想看看“仅次于 Fable”的炒作是否会成真。在我有限的 Kimi K3 使用经验中（我订阅了一个月的 19 美元套餐），它速度较慢且消耗资源巨大，因此最终相当昂贵；一个小功能就几乎耗尽了我五小时的限额。20 美元的 GPT 套餐实用得多，包含 5.6 Sol，速度快且 token 效率高，即使在小套餐中也相当好用。
- nsbk
放马过来吧！希望他们能发布更小尺寸的 Qwen3.8。我在本地使用 35B MoE 和 27B 稠密模型，大多数时候不需要求助于 Claude。这在请求包含敏感和/或个人数据时特别有用。
- mchusma
前几天我数了一下，Artificial Analysis 上至少有 12 家不同的提供商声称拥有“优于 Opus 4.5 的性能”，而 Opus 4.5 是 Anthropic 在 12 月发布的，许多人认为它开启了最新的加速浪潮。这竞争简直疯狂，尤其是考虑到转换成本如此低廉。我个人认为，随着应用的部署，Opus 4.5 级别的性能对大多数应用和使用场景来说已经足够了。
- overgard
我一直在用 LMStudio 运行 Qwen 3.6 27B，结果令人惊喜，虽然有点慢。昨晚我发现了 mtplx，说它能让模型运行速度快 2-3 倍一点也不夸张，这太令人印象深刻了。
我尽量转向本地模型，发现这正变得越来越实用。诚然，我是在一台价值 6000 美元的笔记本电脑上（M5 Max MacBook，规格拉满），所以硬件对大多数人来说还是有点遥不可及（AI 行业在这方面也没怎么帮忙……），但我感觉未来将是更小、训练更专注的模型在本地运行。将所有数据交给这些云服务商的风险对我来说似乎太大了，而且我认为当他们需要展示利润时，会开始收取惊人的费用。
- beefsack
对于那些试图在 OpenCode 中使用 Qwen Cloud Token Plan 的人，这是我成功的方法。请注意，我只是将 Qwen 3.7 Max 的限额匹配过来，因为我不确定具体限额是多少。
"provider": {
"alibaba-token-plan": {
"models": {
"qwen3.8-max-preview": {
"limit": {
"context": 1048576,
"output": 65536
},
"modalities": {
"input": [
"text"
],
"output": [
"text"
]
},
"name": "Qwen3.8 Max Preview"
}
}
}
}
- docheinestages
Qwen 在架构和发布可在消费级设备上运行的开源权重模型方面树立了良好的记录。目前最需要的是一款类似 Bonsai 27B 的模型，内存占用适中，但更快、能力更强。设备端模型可以通过更快的速度、更长的思考时间或更多的快速迭代轮次来弥补智能上的不足。