IT之家 8 月 13 日消息，阿里云“魔搭 ModelScope 社区”公众号于8月12日深夜宣布，阿里Qwen团队正式开放Qwen3.8-2.4T-A95B模型权重。 这是Qwen-Max级别模型首次开源权重：模型总参数达2.4T，每个Token仅激活95B参数，原生支持262,144 Token上下文，并可扩展至1,010,000 Token。 Qwen3.8延续Qwen3.5的混合架构，重点强化编程、办公、科研以及长周期Agent任务的端到端完成能力。官方云端版Qwen3.8-Max基于该开放权重模型，并额外增加了多项生产环境能力。 官方公布的评测覆盖编程Agent、通用Agent、专业工作和长上下文等方向。与Opus 4.8、Fable 5、GPT 5.6 Sol等模型相比，各项结果互有高低，并在PaperBench、IFBench等基准测试中取得所列模型中的较高成绩。 IT之家附上相关链接如下： Qwen Studio：https://chat.qwen.ai Qwen3.8-2.4T-A95B是一个因果语言模型，总参数为2.4T，每个Token激活95B。模型每个MoE层包含512个专家，每个Token选择10个路由专家，并同时激活1个共享专家。 模型还进行了多步MTP（Multi-Token Prediction）训练，可为支持该机制的推理引擎提供预测多个后续Token的能力。 根据介绍，Qwen3.8-Max的办公与Agent后训练可概括为三个环节： 持续扩展真实环境，并在这些独立维度上解耦合：任务（Task）从单任务到多任务再到跨天任务；工作空间（Workspace）从多文件到层级目录再到复杂异构目录；Harness涵盖不同的类别、版本、技能。这使得环境数量能够以组合方式自然增长，而不是依赖逐一定制化集成。 构建一个统一的奖励系统，将真实任务中异构的验证方式内化其中。该系统涵盖基于执行的校验、对文本及渲染后的视觉输出的rubric评估，以及agentic检查。多种形式与模态统一在一个奖励系统内，为所有环境提供一致可靠的奖励信号，消除维护任务专用验证器所固有的不一致性。 构建一个在线数据均衡器，对每个batch进行重构，使其在任务、难度、工作区与harness上的分布高度均衡，降低batch间梯度方差，从而支撑强化学习训练算力的稳定、持续扩展。 广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家包含外链的文章均包含本声明。
