【阿里全面開源】2.4兆旗艦模型 Qwen團隊免費放出　實際僅啟動950億參數　跑分媲美頂級閉源模型

阿里巴巴 Qwen 團隊宣布，將旗下 2.4 萬億參數的旗艦模型 Qwen3.8-2.4T-A95B 全面開源，所有人皆可在 Hugging Face 免費下載使用。據報道，該模型建基於稀疏混合專家（MoE）架構，實際運算時僅啟動約 950 億參數，原生支援 26.2144 萬個 token 上下文，可擴展至約 101 萬個 token。以此模型為基礎推出的產品 Qwen3.8 Max，早前已於 8 月初上架，公開資料顯示其在多項基準測試中的代理任務能力尤其突出，與 OpenAI 及 Anthropic 最新頂級模型表現相若。

【全面開源】旗艦級模型首度「開閘」

過去業界的普遍做法，是將最強的旗艦模型留在閉源、收費的產品線，開源版本則刻意「留一手」，能力設有上限。阿里巴巴今次的做法，被視為打破了這條潛規則。

據報道，Qwen3.8-2.4T-A95B 於 8 月 12 日在 Hugging Face 及 ModelScope 上架，權重完整公開，任何開發者均可下載、部署及二次開發，毋須支付授權費用。有報道指，模型另設 FP8 量化版本，體積較原版縮減約一半，方便企業以較低算力成本部署。此外，模型亦支援與 NVIDIA GB300 NVL72 等新一代運算平台配合部署，反映廠方在發布開源權重的同時，亦同步照顧企業級落地需求。這是 Qwen 系列首次將 Max 級別旗艦模型的權重全面釋出，被視為阿里在開源策略上的一次重大轉向。

【架構拆解】稀疏混合專家 只用4%參數應戰

2.4 萬億參數聽起來龐大，但模型實際運作時，並非每次都動用全部參數，這正是稀疏混合專家（MoE）架構的精髓所在。

公開資料顯示，Qwen3.8-2.4T-A95B 設有數百個專家模組，每次推理僅路由至其中一小部分專家並疊加一個共享專家，令實際啟動參數僅約 950 億，僅為總參數量的約 4%。模型同時採用混合注意力機制，將線性注意力與傳統注意力層以特定比例交替疊加，據報道有助兼顧長文本處理效率與推理準確度。換言之，用家毋須動用足以支撐 2.4 萬億參數運算的天量算力，即可使用這個模型，大幅降低了部署與使用的門檻，這亦是稀疏架構近年成為大型語言模型主流設計方向的原因。

【跑分成績】代理任務能力媲美頂級閉源模型

一款模型是否「打得」，最終仍要看基準測試（benchmark）成績。以 Qwen3.8-2.4T 為基礎的 Qwen3.8 Max，早前已作為產品上架，並公開了多項測試結果。

公開資料顯示，Qwen3.8 Max 在涉及軟件工程、長流程任務執行的代理型（agentic）評測項目中表現突出，較上一代模型有明顯提升；在部分需要長時間規劃與工具調用的複雜任務測試中，成績已可與 OpenAI 及 Anthropic 目前最新的頂級模型相若，甚至在個別項目上稍勝一籌。不過，有報道特別提醒，上述比較數據目前主要來自廠方自行公布的內部評測結果，尚未經過第三方獨立評測機構驗證，實際表現能否在公開、中立的測試平台上「經得起考驗」，仍要待業界進一步檢視。整體而言，代理任務能力被視為 Qwen3.8 系列今次升級的最大亮點。

【百萬Token】超長上下文對用家意味著甚麼

除了跑分成績，上下文窗口的大幅擴展，同樣是今次升級的重點之一。

據報道，Qwen3.8-2.4T-A95B 原生支援 26.2144 萬個 token 的上下文，透過技術手段更可擴展至約 101 萬個 token，即約可一次過處理相當於數十萬字的文本內容。對於需要處理長篇法律文件、大型程式碼庫，或長時間多輪對話記錄的應用場景而言，更長的上下文窗口意味著模型毋須將內容拆件處理，可以在單一對話中保留更完整的脈絡，減少資訊遺漏的風險。這項能力，加上模型的開源屬性，令不少開發者及企業視 Qwen3.8-2.4T 為建構本地化、客製化 AI 應用的潛在基礎模型之一。

免責聲明：本專頁刊載的所有投資分析技巧，只可作參考用途。市場瞬息萬變，讀者在作出投資決定前理應審慎，並主動掌握市場最新狀況。若不幸招致任何損失，概與本刊及相關作者無關。而本集團旗下網站或社交平台的網誌內容及觀點，僅屬筆者個人意見，與新傳媒立場無關。本集團旗下網站對因上述人士張貼之資訊內容所帶來之損失或損害概不負責。

—