阿里开源2.4万亿参数Qwen3.8，性能比肩Fable 5
阿里重磅开源2.4万亿参数大模型，多项性能比肩Fable 5
近日，开源AI领域迎来重大突破。阿里千问大模型团队正式对外开放了 Qwen3.8-2.4T-A95B 模型的权重，这是该团队首次将Max级别的旗舰模型向全球开发者和研究人员全面放开。此举不仅标志着阿里在开源大模型方向上的进一步加码，也为全球AI开发者提供了更强的技术底座。
模型核心参数
此次开源的Qwen3.8-2.4T-A95B拥有以下关键特性：
- 总参数量：高达2.4万亿（2.4 Trillion）
- 激活参数：每个Token仅激活950亿（95B），采用MoE（混合专家）架构
- 上下文长度：原生支持26万Token，并可进一步扩展至101万Token
- 底层架构：延续Qwen3.5的设计理念，针对复杂任务场景进行了深度优化
需要注意的是，尽管总参数量庞大，但由于激活参数有限，模型在推理效率和资源占用上实现了较好的平衡。
性能表现：多项基准测试领先
在各大权威基准测试中，Qwen3.8-2.4T-A95B的表现十分亮眼，尤其在以下核心评测中位居前列：
- PaperBench（论文复现基准）：该模型在自动化论文复现任务中表现出色，得分超越多款国际主流模型，展现了强大的科研辅助能力。
- OSWorld-Verified（电脑操作能力评估）：在真实电脑操作场景中，模型能够自主完成多步骤任务，准确率领先于同类竞品。
此外，该模型在以下方向具备突出能力：
- 长周期智能体任务：能够独立完成长达数天的复杂编程任务，支持自动规划、调试和优化。
- 自主研究能力：可以自主复现并优化研究论文中的方法和实验，极大降低科研人员的工作负担。
- 日常办公与编程：在代码生成、代码理解、办公文档处理等场景下，均实现全方位的性能升级。
与Fable 5的对比
据官方及第三方评测结果显示，Qwen3.8-2.4T-A95B在部分关键指标上已经与顶级模型Fable 5比肩，甚至在某些专项任务上实现反超。这体现出国产开源大模型已逐步进入国际第一梯队。
部署与生态支持
目前，Qwen3.8-2.4T-A95B已支持通过多种主流推理引擎进行高效部署，其中包括：
- vLLM
- SGLang
- TensorRT-LLM
同时，相关生态团队通过先进的量化技术，大幅压缩了模型的存储体积，使得开发者可以在本地环境或边缘设备上更便捷地运行这一超大模型。例如，通过4-bit量化，模型权重可压缩至百GB级别，显著降低入门门槛。
开源意义与影响
此次阿里千问将旗舰级大模型开源，不仅丰富了全球开源AI生态，也为学术界和工业界的研发提供了重要参考。开发者可以基于该模型进行二次开发、微调或蒸馏，推动AI技术在各行各业的应用普及。
从行业角度来看，这一举动将进一步加剧大模型领域的竞争，同时也为中小团队提供了接近顶尖水平的基础模型，有望催生更多创新应用。
总结
Qwen3.8-2.4T-A95B的开源，是阿里千问团队在技术实力与生态布局上的双重体现。其超长上下文、低激活参数和顶尖基准成绩，使其成为当前开源社区中最具吸引力的模型之一。未来，随着社区生态的持续完善，我们有望看到更多基于该模型的落地案例。
图片说明：Qwen3.8-2.4T-A95B模型架构示意图（见原文链接）
（本文数据均来自阿里官方发布及公开基准测试结果）