阿里通義千問團隊於 Hugging Face 釋出了新一代開源模型 Qwen3.8-2.4T-A95B，這是 Qwen 開源家族中首個達到 Qwen-Max 級別的模型，標誌著頂尖閉源能力向開源社群開放。該模型總引數量達 2.4 萬億，啟用引數為 950 億，採用混合專家（MoE）架構，原生支援 262,144 token 的上下文長度，並可擴充套件至 101 萬 token。模型權重與配置檔案以 Hugging Face Transformers 格式提供，相容 vLLM、SGLang、TokenSpeed 等主流推理框架，便於開發者直接整合。

Qwen3.8 系列在 Qwen3.5 和 Qwen3.6 廣泛採用的基礎上，重點提升了程式設計、專業工作、研究以及長週期智慧體任務的能力。官方介紹稱，該模型不僅擅長回答複雜問題，更能可靠地完成多步驟任務。其架構設計上，採用 92 層結構，包含 512 個專家，其中每次啟用 10 個路由專家和 1 個共享專家，並引入了 Gated DeltaNet 與 Gated Attention 的混合注意力機制，以平衡效率與效能。

在基準測試中，Qwen3.8-Max 在多項任務上展現出競爭力。例如，在 Terminal Bench 2.1 上得分 86.6，在 SWE-bench Pro 上得分 67.7，在 PaperBench 上得分 93.0，均優於或接近對比的閉源模型（如 Claude Opus 4.8、GPT-5.6 Sol 等）。在 GPQA Diamond 上得分 92.6，與頂尖模型持平。不過，在部分基準如 IFBench 上，Qwen3.8-Max 得分 82.8，略低於 GPT-5.6 Sol 的 72.7（注：原文資料如此，可能為筆誤，但按原文轉述）。整體來看，Qwen3.8-Max 在程式設計與智慧體任務上表現突出，在通用知識上保持高水平。

此次開源對 AI 產業具有多重意義。對開發者而言，Qwen3.8-Max 級模型的開源降低了使用頂尖模型的門檻，尤其適合需要長上下文和複雜推理的應用場景。對模型層競爭而言，開源模型與閉源模型的差距進一步縮小，可能推動行業整體創新。對基礎設施層而言，2.4T 引數的模型在推理時對算力要求較高，但 MoE 架構的啟用引數僅 95B，兼顧了效能與成本，有望帶動高效推理方案的需求。

值得注意的是，官方還提供了基於該模型的 Qwen3.8-Max API 服務，支援視覺輸入、預設 1M 上下文、內建工具等更多功能，為需要託管推理的使用者提供了便捷選擇。整體而言，Qwen3.8-2.4T-A95B 的開源是模型層的一次重要進展，其實際表現與生態適配值得持續關注。