通义千问发布Qwen3.8-2.4T：2.4万亿参数混合专家模型开源，推理能力再升级

模型概览与核心特性

阿里云通义千问团队于2026年8月发布了其最新的开源大语言模型——Qwen3.8-2.4T-A95B。该模型在Hugging Face平台上线，迅速引起了技术社区的广泛关注。

参数规模与架构

• Qwen3.8-2.4T-A95B的总参数量达到了惊人的2.4万亿（2.4 Trillion）。
• 它采用了混合专家（Mixture of Experts, MoE）架构，这是一种通过将模型分解为多个专门的“专家”子网络来提高效率的设计。
• 尽管总参数庞大，但模型在每次推理时仅激活其中的950亿（95 Billion）参数，这种稀疏激活的方式使得模型在保持强大能力的同时，计算成本远低于同等规模的稠密模型。

上下文长度与推理能力

• 模型支持高达256K tokens的上下文长度，能够处理长篇文档、复杂对话或大型代码库。
• 一个重要的新特性是引入了可调节的“推理努力”（Reasoning Effort）机制。用户可以通过设置reasoning_effort参数（支持xhigh、medium、low三个等级）来控制模型在回答问题前的思考深度。
• 在xhigh模式下，模型会进行更深入的推理、验证关键假设并考虑替代方案，从而在数学、编程和逻辑推理等复杂任务中取得更优结果。

技术细节与使用方式

聊天模板与工具调用

• 模型使用了特定的聊天模板（Chat Template），该模板基于Jinja2语法，定义了用户、助手和系统消息的交互格式。
• 模板中包含了详细的工具调用（Function Calling）规范。模型被训练以特定的XML格式（<tool_call>标签）来请求调用外部函数，这使其能够与外部API或数据库进行交互，扩展了其应用场景。
• 模板强制要求工具调用必须遵循严格的格式，包括嵌套的<function>标签和参数定义，这确保了模型输出的结构化和可解析性。

推理努力机制详解

• 推理努力机制是Qwen3.8-2.4T的一个亮点。它允许开发者在性能和深度思考之间进行权衡。
• 当设置为low时，模型会保持思考简洁，快速得出结论，适合对延迟要求高的简单任务。
• 当设置为xhigh时，模型会在内部进行更长的“思考”过程，这类似于让模型在给出最终答案前先进行自我反思和验证，从而提升答案的准确性和可靠性。

开源意义与社区影响

推动AI民主化

• 阿里云通义千问团队一直致力于通过开源推动人工智能的民主化。Qwen3.8-2.4T的发布延续了这一传统。
• 如此大规模且性能强大的模型开源，使得全球的研究人员、开发者和中小企业能够免费获取并使用顶尖的AI技术，无需承担高昂的研发成本。

对AI生态的贡献

• 该模型的发布为开源大模型社区注入了新的活力。它提供了一个强大的基座模型，开发者可以基于它进行微调、部署和二次开发，应用于各种垂直领域。
• 模型在Hugging Face上的高关注度（在Hacker News上获得了超过700分）也反映了社区对其技术价值的认可。

总结与展望

Qwen3.8-2.4T-A95B的发布标志着开源大语言模型在规模和效率上又迈出了重要一步。通过混合专家架构和创新的推理努力机制，它在保持高性能的同时，提供了灵活的部署选项。这不仅展示了阿里云在AI基础研究上的深厚积累，也为全球AI应用的普及和发展提供了强大的基础设施。未来，我们可以期待看到基于此模型构建的更多创新应用和服务。

原标题：Qwen3.8-2.4T。 HN 原始发布时间：2026年8月12日星期三。当前记录为 700 分、168 条评论。

阅读原文 · 查看 HN 讨论