🔓 开源 · 大模型发布
阿里千问首次开源 2.4 万亿参数旗舰模型，多项基准反超 GPT-5.6 与 Fable 5
8 月 13 日，阿里千问团队正式开放 Qwen3.8-2.4T-A95B 模型权重。总参数 2.4 万亿、每 Token 激活 950 亿，这是千问历史上第一次把 Max 级旗舰模型交到社区手里。在论文复现、电脑操作、工程设计三项基准上，它反超了 GPT-5.6 Sol 与 Fable 5。
综合公开信息•
2026-08-13•
全文约 4 分钟读完
#阿里千问
#Qwen3.8
#开源大模型
#长周期Agent
#模型压缩
2.4万亿
总参数量 · 每Token激活950亿
93.0分
PaperBench 论文复现 · 高于GPT-5.6 Sol、Fable 5
91%
存储体积缩减 · 4.9TB 压至 397GB
⚡ 30 秒速览
- 开源了什么：Qwen3.8-2.4T-A95B 权重全面开放——2.4 万亿总参数、每 Token 激活 950 亿，原生 26 万 Token 上下文，可扩展至 101 万。
- 高光成绩：PaperBench 93.0 分、OSWorld-Verified 86.1 分、参数化 CAD 91.5 分，均领先 GPT-5.6 Sol 与 Fable 5。
- 诚实的短板：SWE-bench Pro 67.7 分，落后 Fable 5 达 12.3 分；TerminalBench、VideoMME 同样未登顶。
- 主打能力：长周期自主——连续编程 16 天、独立复现改进论文、2000+ 轮交互经营虚拟电商。
- 怎么跑：SGLang / vLLM / TokenSpeed 可部署；Unsloth 量化版仅 397GB，410GB+ 内存显存即可本地运行。
01发生了什么 首次把 Max 级旗舰交到社区手里
8 月 13 日，千问团队在 Hugging Face 与魔搭社区同步上架 Qwen3.8-2.4T-A95B 的模型权重。它基于 Qwen3.5 底层架构，8 月 3 日已随官方版本 Qwen3.8-Max 首发——这一次开源，是千问第一次把 Max 级旗舰模型对外开放。
开源的不只是权重，是旗舰能力的"出厂设置"。
和以往开源的"小杯"不同，这款模型的规格直接拉到顶级：总参数 2.4 万亿，每个 Token 只激活 950 亿参数——典型的 MoE 架构，让"大"与"快"不必二选一。
2.4 万亿总参数量
950 亿 / Token激活参数
262,144 Token原生上下文 · 可扩至 101 万
Qwen3.5底层架构
SGLang · vLLM · TokenSpeed支持推理引擎
默认开启，不可关闭思考模式
上下文扩展到 101 万 Token 需要额外配置；思考模式强制开启，意味着所有输出都经过完整的推理链路，代价是响应延迟更高。
02成绩单 领先是客观的，但不是全面的
发布预告时，千问团队给了一句少见的自信表述："可能是除了 Fable 5 外最强大的模型。"基准测试基本撑住了这句话。
但它没有在所有赛道上都赢。
PaperBench论文复现 · 高于 GPT-5.6 Sol、Fable 5、Claude Opus 4.8
93.0
OSWorld-Verified电脑操作 · 参评模型第一
86.1
参数化 CAD工程设计 · 超过 Fable 5、GPT-5.6 Sol、Gemini 3.1 Pro
91.5
柱形按满分 100 等比绘制，仅用于观感排序；精确分差以右侧标注数字为准。
再往前看，领先开始收窄，甚至反转。
TerminalBench 2.1 · 86.6
GPT-5.6 Sol 88.8 · 落后 2.2 分
SWE-bench Pro · 67.7
Fable 5 80.0 · 落后 12.3 分
VideoMME v2 · 68.3
GPT-5.6 Sol 71.1 · 落后 2.8 分
领跑项集中在 agent 执行与工程能力；代码修复（SWE-bench Pro）与长视频理解仍是明显短板——预训练时的"豪言"，在细分基准上打了折扣。
03能干什么 不陪聊，自己把活干完
Qwen3.8 的设计重心不在单轮问答，而是一个更野的问题：模型能不能脱离人工持续陪伴，自己把一个跨度数小时、数天甚至数周的任务做完？
🧑💻 连续自主编程 16 天 多阶段自进化
- 自主构建了自进化 Harness，持续完成社区需求收集、issue 派发、代码生成、验证与自我修复。
- 16 天无人干预，任务间的切换全部由模型自己决定。
这已经接近一个"自带项目管理"的工程团队，而非单纯的代码生成器。
📄 独立复现并改进一篇研究论文 跨数周流程
- 从论文阅读、实验复现到提出改进方案，全程自主完成。
- 科研中"读-做-改-写"的闭环，被压缩进一次长会话。
科研自动化迈出的是完整一步，不是单点辅助。
🛒 2000+ 轮交互经营虚拟电商 长周期决策
- 在超过 2000 轮交互中完成选品、定价、客服、复盘等经营决策。
- 持续考验长期记忆、策略一致性与复盘迭代能力。
长周期决策的稳定性，是 agent 进入真实商业场景的门票。
0491% 的体积压缩 开源社区的反向补刀
权重开源当晚，开源 AI 项目团队 Unsloth AI 就放出狠活：用动态 1-bit 分层选择性量化，把 4.9TB 的原始权重压到 397GB。借助 Unsloth-Desktop，内存 + 显存总量 410GB 以上即可本地运行。
91%
存储体积缩减 · 4.9TB → 397GB
压缩后
397GB410GB+ 内存显存即可本地运行
1-bit 量化以精度换体积，推理质量会有折损——它是"跑得起来"的路径，不是"跑得最好"的路径。
05为什么是现在 三家顶流，同一个夜晚
8 月 13 日夜，三家公司轮番炸场：Grok 4.6、DeepSeek-V4-Pro、Qwen3.8。
巧合？更像是默契。
Grok 4.6
马斯克旗下最强模型，智能体与知识基准综合性能对齐 GPT-5.6 Sol Max。
DeepSeek-V4-Pro
正式版上线，综合性能接近、部分指标超越 Claude Fable 5。
Qwen3.8
首次把 2.4 万亿参数旗舰模型开放权重。
三家的发力点高度一致：多步骤、长周期、自主闭环。模型竞争的重心，正从"单轮对话智商"转向"独立承接完整项目的能力"。
接收高难度任务→自主拆解→调用工具执行→验证交付
而阿里千问的选择是——把这条赛道的顶级选手，直接开源。
编辑核心判断
开源旗舰正在改写竞争的底层规则。当 2.4 万亿参数的权重可以被自由下载、部署、量化、再分发，模型本身不再稀缺，稀缺的是工程能力与场景闭环。开源从来不是慈善，它是把竞争从"谁的模型更强"拖进"谁能把它用得更好"的战场。
▶现在就能跑
模型权重已上线 ModelScope 与 Hugging Face，搜索 Qwen3.8-2.4T-A95B 即可下载。想本地部署又缺算力，可以再等等——更小杯 Qwen3.8-27B 已在路上。
ModelScope / Hugging Face → 搜索 Qwen3.8-2.4T-A95B
官方 API 同步开放：国内每百万 Tokens 输入 12 元、输出 36 元；海外输入 2 美元、输出 6 美元。