Qwen3.8开源：2.4T参数模型首次亮相
Qwen/Qwen3.8-2.4T-A95B
Qwen团队正式推出Qwen3.8-2.4T-A95B，这是Qwen开源家族中能力最强的模型，也是首次将Qwen-Max级别的模型开放给社区。该模型基于Qwen3.5架构，在代码生成、专业工作、科研及长周期Agent任务上实现了显著提升。它拥有2.4万亿总参数和950亿激活参数，原生支持256K上下文，可扩展至100万token。在多项基准测试中，Qwen3.8-Max在Coding Agent和PaperBench等任务上表现优异，甚至超越部分闭源竞品。模型支持灵活的推理控制，用户可通过reasoning_effort参数调整推理深度，同时兼容vLLM、SGLang等主流推理框架，为开发者提供了强大的本地部署与云端API选择。
Qwen3.8旨在以更高的可靠性，将复杂的多步骤任务从头到尾执行完毕。
HN 评论区
168- NitpickLawyer
据称这是 Kimi k3 的竞争对手。这家伙体积不小（chonker），尤其是他们只发布了 bf16 和 fp8 版本。所以发布初期，部署难度会比 k3 更大。没有 q4 的 QAT 意味着得有人（比如 nvda？）掏腰包，用大量校准数据来做量化。量化后应该能压到 ~1.3TB，差不多就是 k3 的体量了。
许可证和 k3 挺像，但有些限制条款。内部使用或年收入 <50M$ 可免费使用。超过这个门槛后，在模型部署或面向编程/生产力代理的服务方面会有限制。
基准测试结果看起来不错，和 opus4.8 及 sol 打得有来有回，普遍比 fable 低 10-20 分。但这对于 qwen 来说没啥说服力，他们过去的基准测试和实际使用效果的相关性一直不太靠谱。
本地版 3.8-27B 定于周五发布，时间差不多就是现在往后 48 小时。这对更多人来说会更令人兴奋，因为 3.6 在本地推理上就相当不错，而且从 3.7-max 到 3.8-max 的改进非常明显。
- dhx
同样值得关注的是：DeepSeek V4-Pro-0813 (1.6T-A49B) 的基准测试分数似乎刚刚在 DeepSeek 微信公众号上公布，水平大约在 Fable 5 左右。[1]
[1] https://www.reddit.com/r/LocalLLaMA/comments/1vmi0fg/deepsee...
- guardiangod
https://unsloth.ai/docs/models/qwen3.8
1bit 量化模型体积惊人地只有 397GB，MOE 激活参数量为 95B。这简直把 Opus 4.5 级别的性能塞进了普通人能买得起的机器里，而且还能保持可用的 token/秒速度。
全量无损 BF16 模型达到了 4.9TB。模型卡片声称其性能介于 Opus 4.8 和 Fable 5 之间。这同样令人震惊，因为对于中型公司来说，搞一台拥有 7TB 内存（含上下文 + KV cache）的机器还在可实现的范围内。
坏消息：开源版移除了视觉能力，上下文限制在 250k。我预计会有人给它硬接一个 Kimi 2.6 的视觉塔来恢复视觉能力（当然性能会打折扣）。作为参考，我之前试过把 Qwen 3.5 397b 的上下文扩展到 600k，上下文在 480k 左右时依然稳定。看看 Q3.8 是否也能做到这点会很有趣。
另外，开箱即用不支持 DSpark/DFlash。不过 MTP 是有的，所以至少在 TP 速度上应该能有点提升。
- l72
> 特别是，Qwen3.8-Max 是基于 Qwen3.8-2.4T-A95B 的官方版本，拥有更多功能，例如视觉输入与非思考模式支持、默认 1M 上下文长度、官方内置工具等。
这真是不幸，开源权重版本竟然没有视觉支持，也没有 1M 上下文长度...
- XCSme
这真是一只很酷的仓鼠 [0]，可惜现在贵得离谱，比 Grok 4.6[1] 贵了两倍。
[0]: https://aibenchy.com/compare/x-ai-grok-4-6-high/bytedance-se...
[1]: https://aibenchy.com/compare/x-ai-grok-4-6-high/bytedance-se...
- boutell
我就直接在我那台 Intel n100 上跑起来了...
- cautiouscat
最近一直想跑跑开源权重模型，用 OpenCode 试试水。但我感觉像 Qwen 和 Kimi k3 这样的模型根本没法本地运行？我有一张 RTX 5090 和 64 GB 内存，但这些模型似乎比这大得多。开始使用这些模型的途径是什么？Bedrock？
- ByteWarden
更好奇 qwen3.8-27B 的表现如何。那是我能本地运行的尺寸。