Qwen 发布开源模型 Qwen3.8-2.4T-A95B

Hugging Face 趋势榜出现新模型 Qwen3.8-2.4T-A95B，由 Qwen 团队发布，属开源文本生成模型，兼容 vLLM、SGLang 等推理框架。该模型是 Qwen3.8 系列的开源版本，宣称首次将 Qwen-Max 级能力开源，在编码、专业工作、研究和长程智能体任务上较 Qwen3.5 有全面提升，并支持官方云端服务。

此前 Qwen-Max 级能力仅限闭源 API，本次 Qwen3.8-2.4T-A95B 将同类能力开源，使开发者可自行部署，降低了使用高性能模型的门槛，可能影响行业对开源与闭源模型的性能认知和选型。

模型基于 Qwen3.5 架构改进，通过增强规划与环境反馈处理能力，提升长程智能体任务的可靠完成率。开源权重与配置以 Transformers 格式发布，兼容主流推理引擎，便于社区集成和二次开发。

对依赖调用 API 的团队，现在可自建推理服务以控制成本与数据隐私；对推理引擎如 vLLM、SGLang 的兼容性将降低集成成本。但模型规模（2.4T 参数，A95B 激活）可能要求较高硬件配置，影响部署可行性。

• 评估将现有智能体产品迁移到本地部署的 Qwen3.8-2.4T-A95B，以降低 API 调用成本并增强数据隐私。
• 基于模型在长程智能体任务的增强，开发自动化处理多步骤工作流的 SaaS 工具，如报告生成、代码审查。
• 针对模型参数量大的特点，提供基于 vLLM 或 SGLang 的优化部署方案，作为技术咨询服务。
• 利用官方 Qwen3.8-Max 的视觉和多模态支持，补充开源模型在图文任务上的能力，打造差异化应用。

• Qwen3.8-2.4T-A95B 的实际参数与激活参数是否精确对应其名称中的“2.4T”和“A95B”？
• 模型的性能提升具体通过哪些基准测试验证，是否有独立评测数据？
• 模型对显存和计算资源的实际要求是多少，是否适合中小团队部署？
• Qwen3.8-Max 与开源版在视觉、上下文长度和工具支持上的具体差异是否会影响开源版的应用场景？