趋近智
Qwen3.8 2.4T A95B
活跃参数
2.4T
上下文长度
262K
模态
Text
架构
Mixture of Experts (MoE)
许可证
Apache 2.0
发布日期
12 Aug 2026
训练数据截止日期
-
系统要求
不同量化方法和上下文大小的显存要求
1024 个令牌
消费级
427x RTX 4090
24GB VRAM
数据中心
94x NVIDIA A100
80GB VRAM
Apple Silicon
98x Apple M3 Max
128GB VRAM
262144 个令牌
消费级
439x RTX 4090
24GB VRAM
数据中心
96x NVIDIA A100
80GB VRAM
Apple Silicon
101x Apple M3 Max
128GB VRAM
架构图
评估基准
没有可用的 Qwen3.8 2.4T A95B 评估基准。
排名
排名
-
编程排名
-
关于 Qwen3.8 2.4T A95B
Qwen3.8-2.4T-A95B 是阿里巴巴开源的旗舰级混合专家（MoE）基础模型，拥有 2.4 万亿总参数，每个 Token 激活 950 亿参数（包含 512 个路由专家中激活 10 个 + 1 个共享专家）。该模型基于 92 层混合主干架构，将门控 DeltaNet 线性注意力与标准门控注意力交替堆叠（每 4 层使用一次全局注意力），在编程、长周期智能体及复杂推理任务中表现出色，原生支持 262K 上下文（可扩展至 1M）并采用强制思考模式。
技术规格
注意力
注意力结构
Grouped-Query Attention
注意力头
64
键值头
4
注意力头维度
256
位置嵌入
ROPE
RoPE Theta
10,000,000
滑动窗口注意力
No
滑动窗口大小
-
滑动窗口比例
-
线性注意力
Yes
线性注意力比例
75.0%
归一化
RMS Normalization
激活函数
SwigLU
维度
隐藏维度大小
8,192
层数
92
FFN 中间层大小（稠密层）
2,048
多 Token 预测头数
1
分词器
词汇量大小
248,320
混合专家
专家参数总数
95.0B
专家数量
512
活跃专家
11
共享专家数
1
FFN 中间层大小（每专家）
2,048
MoE 前的稠密层数
-
关于 Qwen 3.8
阿里巴巴的 Qwen 3.8 系列代表了面向编程、专业工作、科学研究及长周期智能体任务的前沿混合专家（MoE）架构。该系列具备 2.4 万亿总参数（每个 Token 激活 950 亿参数），将门控 DeltaNet 线性注意力与标准门控注意力相结合，同时提供开源权重与托管旗舰级 API 服务。