Qwen3.8-Max 开放权重上架：2.4T/95B，先分清本地模型与 QwenCloud

Qwen3.8-Max 的开放权重已经落地。官方 Hugging Face 仓库 Qwen/Qwen3.8-2.4T-A95B 的元数据显示，最近一次更新发生在 2026 年 8 月 12 日 18:24（UTC+8）；仓库包含 Transformers 格式的权重和配置文件，可下载到本地，并提供 vLLM、SGLang、TokenSpeed 的部署入口。这个时间是仓库变更时间，不等同于 Qwen3.8-Max 最初发布博客的时间。12

对开发者来说，最容易混淆的一点是：开放仓库不是 QwenCloud 上的完整托管产品形态。仓库里的 Qwen3.8-2.4T-A95B 是纯文本、必须开启 thinking 的模型；QwenCloud 的 qwen3.8-max 才提供视觉输入、默认 1M 上下文和内置工具。想本地部署，先评估显存、并行和推理框架；想直接接入产品，则应按 QwenCloud 的模型 ID、价格和限流来算账。23

其中，2.4T 是总参数，95B 是激活参数，两者回答的是不同问题：前者更接近权重规模和分布式存储压力，后者更接近单次计算中参与路由的参数量。512 专家、10 个路由专家加 1 个共享专家的结构也来自官方模型卡，而不是社区推测。2

需要特别留意许可。当前仓库元数据显示为 other，模型卡正文把它称为 Qwen3.8-Max 的官方开放版本，但没有在可读正文中给出 Apache、MIT 这类熟悉的许可名称。对于商业部署，先把许可文件和模型卡里的限制读完，不要只根据「open release」四个字做合规判断。12

开放仓库的 API 示例要求启用 enable_thinking，并支持 reasoning_effort 的 xhigh、medium、low 三档；模型卡同时明确写着不支持多模态输入，也不能关闭 thinking。若业务依赖图片、视频、非思考模式或内置工具，不能把本地仓库直接当成 QwenCloud 的等价替代。2

QwenCloud 页面列出的托管版本还包括函数调用、结构化输出、上下文缓存、批量调用、网页搜索和代码解释器等能力；页面当前给出的限流为 2M TPM、15K RPM。这些是服务页面上的托管配置，不应反推成本地权重已经内置了同样的工具或限流机制。3

下面的数字来自 Qwen 官方模型卡的对比表，属于厂商自测。不同模型使用的 harness、超时、采样次数和上下文设置并不完全一致；官方还把部分外部模型的已发布最好成绩放进同一表格。因此，这张表适合判断 Qwen3.8 的目标方向，不适合当作一张严格控制变量的独立排行榜。2

如果你的任务是让 Agent 连续修改代码、阅读长文档、调用工具并根据反馈修正，官方数据足以支持把 Qwen3.8 放进第一轮评测集。若是视觉问答或多模态办公，则应测试 QwenCloud 版本，而不是拿纯文本开放仓库下结论。23

适合本地评测的团队：已有多卡服务器或成熟的分布式推理栈，需要在代码、研究、长流程 Agent 任务中比较开放模型，并且能接受自行承担权重存储、并行调度和故障排查成本。第一步应从官方 vLLM 或 SGLang 配方启动小规模测试，记录首 token 延迟、生成速度、峰值显存、上下文长度和工具调用成功率。2

更适合先用 API 的团队：需要视觉输入、内置工具、结构化输出或快速验证产品效果，不想先解决 2.4T 权重的部署问题。按 QwenCloud 当前页面，qwen3.8-max 的输入和输出价格分别是每百万 token 2 美元和 6 美元；长上下文应用还应把缓存和最大输出一起计入预算。3

建议用同一组真实任务同时测两条路径：一个多文件代码库、一个需要长文档检索的流程、一个带图片或视频的任务，再把成功率、耗时、token、人工接管次数和总成本放在同一张表里。这样才能看出开放权重带来的部署自由，是否抵消了它在纯文本输入、硬件门槛和许可确认上的限制。