开放模型的规模上限又被抬高了一截。Qwen已经放出Qwen3.8-2.4T-A95B的模型权重与配置文件，这是Qwen-Max级模型首次进入开放权重序列：总参数2.4万亿，每个词元激活950亿，原生上下文262144词元，并可扩展到约101万词元。与此前只有云端入口的旗舰版本相比，开发者现在可以下载权重，自行选择vLLM、SGLang等推理栈部署。

快速看点：第一，模型采用512个路由专家，每次选择10个并叠加1个共享专家；第二，线性注意力与全注意力交替，面向超长智能体任务；第三，推理强度可在低、中、超高三档切换；第四，开放不等于低门槛，2.4万亿参数仍需要数据中心级系统，许可证也对超大商业用户设有额外条件。

从云端旗舰到可下载权重，边界发生了什么变化

Qwen3.8-Max此前已经以托管服务形式提供，完整版本包含视觉输入、默认百万上下文、内置工具和非思考模式。此次开放的是文本后训练模型Qwen3.8-2.4T-A95B，仓库提供Transformers格式权重与配置，兼容vLLM、SGLang等框架。两者共享核心模型基础，但产品能力并不完全相同，不能把云服务的所有功能自动算到开源部署上。

参数结构解释了它为什么既大又没有在每次生成时调用全部容量。模型拥有512个路由专家，单个词元只激活10个专家，再加1个共享专家；92层网络按照三层Gated DeltaNet与一层门控全注意力的节奏重复。MoE把总容量与单步计算拆开，混合注意力则试图控制上下文增长带来的显存和计算压力。

百万上下文不是一个数字，而是一套系统设计

智能体执行代码、文档研究或长周期任务时，系统提示、工具返回、检索资料、日志和中间推理会持续累积。全注意力层可以建立更完整的词元关系，却会让KV缓存随长度迅速变重；线性注意力层用有界递归状态代替不断增长的缓存。Qwen3.8把两者交替使用，目标是在保持关键全局交互的同时，把长任务的计算和内存压力控制在可部署范围内。

模型还开放reasoning_effort控制，支持低、中和超高三档，并允许保留历史推理上下文。这使服务方可以按任务调整成本：批量文档处理不必总开最高推理强度，复杂代码或多步规划则可换取更长思考。但“最长约101万词元”是可扩展上限，不代表所有框架、硬件和请求都能以相同吞吐稳定运行。

首日部署数据说明：开放权重仍是重型工程

英伟达给出的首日部署结果显示，模型在由72块Blackwell Ultra GPU组成的GB300 NVL72上，以FP8精度实现单GPU每秒超过4000词元的峰值吞吐，并达到单用户每秒超过350词元。该系统拥有单一72 GPU NVLink域，互连带宽为130 TB/s。数字证明超大MoE可以被工程化服务，也同时揭示门槛：这不是一两张消费级显卡就能完整运行的模型。

官方模型卡公布了大量编码、专业工作和智能体评测。在Terminal Bench 2.1上，Qwen3.8-Max得分86.6，PaperBench为93.0；不过不同模型使用的代理框架、上下文、超时设置和评审器并不完全一致，部分项目还是内部基准。它们适合说明目标方向，不应被解读为对所有场景的统一胜负。

编辑判断：这次开放最重要的是选择权，而不是人人本地跑

Qwen3.8-Max开放权重的价值，在于企业和研究者可以审查、微调并控制部署路径，也能围绕超大MoE推进分布式推理优化。它不会立刻把旗舰能力搬进个人工作站，却为云厂商、算力平台和大型机构增加了一个可自主托管的选择。模型规模越大，推理软件、互连、量化与调度的差异反而越能决定实际体验。

需要保留的边界也很清楚。其许可证不是Apache 2.0：月活超过1亿或月收入超过2000万美元的商业产品需要显著展示模型名称，达到特定收入门槛的模型即服务或AI工作助手业务还需另行取得许可。再加上官方评测尚缺广泛独立复测，现阶段更准确的判断是：Qwen把Max级权重真正交给了生态，但它能否变成稳定、经济的生产系统，仍取决于部署者的算力、工程能力与合规选择。