Kimi K3 开源半个月后，8月13日，阿里Qwen也正式开放了Qwen3.8-2.4T的模型权重。
除去是2.4T的大参数模型，这次开源对于阿里而言还有另外的意义。
虽然之前Qwen曾经多次开源旗舰模型，但Qwen 很早就形成了两条线。一边是开放权重模型，一边是更大的闭源 Max模型。2024 年 Qwen 自己介绍第一代产品时就明确区分了“大型开源模型Qwen-72B”和“大型闭源模型”；后来 Qwen-Max-0428 也是只通过 Qwen Chat 和 DashScope API 提供，并没有释放权重。Qwen2.5-Max 到 2025 年依然如此，只开放 API，而同时拿 Qwen2.5-72B 作为自己的开放权重对照。
而这，是Qwen第一个开放权重的 Max 规模模型。
Qwen3.8本次的开源暂时没有对应的模型，只有简单的架构、后训练、推理Infra，以及开源规则。但从中我们已经可以获得不少信息了。
架构Qwen3.8共有92层（K3 96层），总参数2.4T，每个Token激活95B。它使用512个专家（K3 896个），每次选择10个路由专家，同时还有1个共享专家。相比Kimi K3，每个专家更大，但总激活量稍小（Kimi K3为16专家，103B）。
注意力机制上，Qwen3.8继承了Qwen3.5的混合架构。92层实际上由23组相同结构组成，每组包含3层Gated DeltaNet（门控Delta网络）和1层Gated Attention（门控全注意力），也就是69层线性注意力加23层传统注意力，比例正好接近3:1。
这和Kimi K3非常像。K3的93层里有69层Kimi Delta Attention（KDA，Kimi Delta注意力）和24层Gated MLA（门控多头潜在注意力），也是大约3:1。两者甚至属于相近的技术谱系，KDA可以看作对Gated DeltaNet遗忘机制进一步细粒度化的版本。
不过K3在层间信息流上还多做了一步。它引入AttnRes（Attention Residuals，注意力残差），允许模型重新组合多个历史层的输出。从config.json中看，Qwen3.8沿用了Qwen3.5的实现。目前Qwen 3.5公开代码里仍然是比较传统的Pre-Norm残差结构，每个子层完成以后，只和进入该子层之前的 residual 直接相加。
Qwen3.8原生上下文为262,144 Token，并可以扩展到1,010,000 Token，同时进行了多步MTP（Multi-Token Prediction，多Token预测）训练。
Infra这里首先要区分两种Infra。Training Infra（训练基础设施）回答的是“这个模型怎么训出来”，例如优化器、并行训练、通信、显存管理、Checkpoint和容错。Inference Infra（推理基础设施）回答的是“权重已经训完以后，怎么把它真正部署起来，并让每个Token足够快、足够便宜地吐出来”。
Qwen目前并没有像Kimi K3技术报告那样系统披露训练Infra，因此不能从这次发布判断它具体如何完成2.4T规模的训练。但推理侧的信息相对丰富。
首先是量化。Qwen官方提供BF16和FP8 checkpoint，Inferact进一步提供NVFP4和MXFP4量化版本。BF16/FP8完整版本至少需要两台NVIDIA B300或AMD MI355X节点，而FP4之后可以压缩到单节点部署。
第二则是并行。Qwen3.8 在推理阶段采用 TP（张量并行）、DP（数据并行）和 EP（专家并行） 的组合。Attention 部分更依赖 TP，把矩阵计算拆开，MoE 部分则依靠 EP，把不同专家分布到不同 GPU。与此同时，推理框架还需要通过融合通信、专用 MoE Kernel（算子）以及高速互联网络，尽量降低专家调度带来的通信开销。
Kimi K3 面临的是同一个问题。在训练 2.8T 参数、896 专家的 Stable LatentMoE 时，Moonshot 并没有简单扩大传统 EP，而是提出 MoonEP，让热门专家根据当前负载动态复制到更多 GPU 上。
最后还有MTP。Qwen3.8训练了Multi-Token Prediction能力，示例配置一次预测3个候选Token。如果候选被主模型接受，相当于一次前向传播推进多个Token，从而减少自回归逐Token生成带来的串行延迟。值得注意的是，DeepSeek V4 在技术报告中也明确用了 MTP。
后训练相比架构，Qwen这次对后训练具体技术披露得更少，因为config文档里也没这些。
但它的后训练目标非常清楚。
Qwen在模型卡里直接把Agent Execution列为核心升级方向，强调更强的autonomous planning（自主规划）、对environment feedback（环境反馈）的处理能力，以及更可靠的end-to-end task completion（端到端任务完成）。
但基本上现在所有的后训练都会强调这些点。
官方公布的成绩也能看到这种倾斜。在Qwen自己的对照中，从Qwen3.7-Max到3.8-Max，Terminal Bench 2.1从74.5升至86.6，PaperBench从64.8升至93.0，JobBench从31.3升至53.4，Toolathlon Verified从49.7升至72.5。
相比之下，GPQA Diamond只是从92.4变为92.6，HLE从41.4升到43.6。至少从官方评测呈现方式看，这一代最大的增量明显更多发生在Coding Agent、General Agent和专业工作，而不是传统单轮知识与推理Benchmark。
另外，Qwen3.8默认开启preserve_thinking，把之前轮次中的推理上下文继续保留下来。这样Agent在一次工具调用之后，不必只拿着最终答案和工具结果重新开始，而可以继续利用此前已经形成的推理状态。
Kimi K3也采取了几乎相同的方向。官方明确表示其后训练保留了推理历史。多轮交互和工具调用时，需要把此前的reasoning content和tool calls完整送回模型。
两家同时走到这里，说明“保留推理状态”正在从Harness的职责，逐渐转入旗舰Agent模型本身的训练与接口范式。
开源规则这次开源的Qwen3.8-2.4T-A95B并不完全等同于云端Qwen3.8-Max。开放版本目前是text-only（纯文本），只能运行thinking mode，原生上下文为262K。而官方Qwen3.8-Max则建立在这一模型之上，额外提供视觉输入、non-thinking模式、默认1M上下文以及官方内置工具。
拆开增强版放云，这已经是一个目前开源模型的常见模式了，这样开源也可以保有部分商业能力。比如Minimax H3的开源，就把影响成片质量的素材理解、2K 重生成和稀疏注意力实现留在云端。
许可证同样发生了变化。Qwen3时代大量模型使用Apache 2.0，而Qwen3.8改成了专门的Qwen3.8-Max License。许可证仍允许使用、复制、修改、分发、微调、部署、托管甚至出售衍生产品，但如果商业产品超过1亿月活或月收入超过2000万美元，需要在界面显著展示模型名称。如果企业从事Model-as-a-Service或AI Work Assistant业务，并且连续12个月集团收入超过5000万美元，则商业使用前需要另外取得Qwen许可。
这和Kimi K3也非常类似。K3同样采用自己的Kimi K3 License，而不是Apache 2.0；同样允许广泛使用和修改，也设置了超大规模商业产品的署名要求以及MaaS业务的额外授权门槛。区别主要在具体阈值和覆盖业务范围。
换句话说，到了3T级旗舰模型，两家公司选择的都是open-weight（开放权重）+自定义商业许可，而不是过去小模型时代更加宽松的Apache式开放。
如果把Qwen3.8和Kimi K3放在一起看，反而可以看到2026年旗舰模型开始出现一种相当明显的收敛。
总参数都进入2—3T，激活参数都控制在100B左右。Attention不再全部采用传统Transformer，而是用大约四分之三的递归/线性状态层配合四分之一的全局Attention，上下文目标开始稳定在百万Token。后训练重点转向Coding、Research和长程Agent。最终能不能部署，则越来越依赖FP4/FP8、融合kernel、Expert Parallelism和机架级高速互联。
Kimi K3在模型架构上走得更激进一些，它同时引入KDA、AttnRes和Stable LatentMoE；Qwen3.8则更像一次把已经在Qwen3.5验证过的混合注意力架构直接Scale到Max级别，并围绕长程Agent和生产推理把整个生态补齐。
但无论如何，他们的架构选择都只是小优化差异，而非大区别了。infra方面反而可能不同更大，但各种并行之间的调剂依然是最重要的问题。
配方的底子已经开始收敛，下一个谁能打破这个底子做点新意，就更值得期待了。
本文来源：腾讯科技
风险提示及免责条款 市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。通弘网配资提示：文章来自网络，不代表本站观点。
