Jsou váhy otevřené a mohu je spustit lokálně?

Ano, váhy jsou zveřejněny na Hugging Face pod Qwen/Qwen3.8-2.4T-A95B a jsou kompatibilní s vLLM a SGLang, ale 2,4 bilionu parametrů znamená, že pro plné přesné hostování potřebujete značnou multi-GPU infrastrukturu.

Kolik to stojí a jak dlouhý je kontext?

Přes API je cena 2,00 USD za milion vstupních tokenů a 6,00 USD za milion výstupních tokenů; nativní kontext je 262 144 tokenů, rozšiřitelný na cca milion.

Jak se liší od Qwen3.8 Max?

Qwen3.8 Max je spravovaná API verze postavená na stejném modelu a přidává vidění, režim bez myšlení, 1M kontext ve výchozím nastavení a oficiální vestavěné nástroje; tyto funkce nejsou součástí tohoto otevřeného vydání.

Qwen3.8 2.4T A95B

1539°

#llm #qwen #uvažování #programování #agenti #výzkum

Spustit model

Nabídky / Reklamy

OpenRouter Terminál / API

Platba za token

Chatuj s tímto modelem v prohlížeči nebo ho zavolej ze svého kódu s jedním API klíčem.

Qwen | 1 048 576 tokenů kontextu | 2,00 $/M vstup, 6,00 $/M výstup. Qwen3.8 2.4T A95B je open-weight sparse mixture-of-experts model od Qwen a open-weight varianta Qwen3.8 Max, s 95 miliardami aktivních parametrů z celkových 2,4 bilionu. Je vhodný pro kódování, výzkum, složité uvažování a agentní pracovní postupy.

Návody k tomuto modelu

Ollama vs LM Studio (2026): kterou lokální AI aplikaci použít a jaké špičkové modely každá z nich spouští

Nejlepší lokální LLM podle použití (říjen 2026): správný otevřený model pro každou práci

Kolik VRAM vlastně potřebuji pro lokální AI?

Co je soubor GGUF? Vysvětlení kvantovaných modelů (Q4, Q8, fp8, NF4)

Všechny návody

Poznámky kapitána

Napsal Captain, hlavní redaktor

Poznámky z 2026-10-13

Qwen3.8 2.4T A95B je dosud největší otevřeně vážené vydání Qwen: sparse mixture-of-experts model s 2,4 biliony celkových parametrů a 95 miliardami aktivními při inferenci. Je to otevřený protějšek uzavřeného Qwen3.8 Max, sdílí stejnou architekturu, ale bez spravovaného API s viděním a vestavěnými nástroji. Pokud potřebujete špičkové schopnosti v uvažování, kódování nebo vícekrokové agentní práci a chcete váhy, které můžete spustit sami, je tohle model pro vás.

Známý pro

2,4 bilionu celkových parametrů, ale jen 95B aktivních na průchod, což snižuje náklady na inferenci oproti hustým modelům
Dlouhodobé agentní úkoly s lepším autonomním plánováním a zpracováním zpětné vazby z prostředí
Nastavitelná hloubka uvažování přes reasoning_effort, s uchováním kontextu myšlení mezi koly
Nativní kontext 262K, rozšiřitelný přibližně na 1 milion tokenů
Otevřené váhy kompatibilní s vLLM, SGLang a podobnými frameworky

Dej pozor na

2,4 bilionu parametrů znamená vážný hardware pro vlastní hostování; většina uživatelů použije API
Spravovaný Qwen3.8 Max přidává vidění a vestavěné nástroje, které tato otevřená verze nemá
Při ceně 6,00 USD za milion výstupních tokenů přes API rychle rostou náklady při dlouhých agentních bězích

Nejlepší pro

Programování

Agenti a používání nástrojů

Uvažování

Výzkum

Dlouhý kontext

Promptů k vyzkoušení

Ladění chyby souběžnosti

Zde je Python asynchronní funkce, která občas vyvolá RuntimeError o uzavřeném event loopu. Projdi, co ji pravděpodobně způsobuje, pak přepiš funkci tak, aby správně spravovala životní cyklus event loopu. Nejprve ukaž své uvažování, pak finální kód. ```python async def fetch_all(urls): loop = asyncio.get_event_loop() tasks = [loop.create_task(fetch(u)) for u in urls] return await asyncio.gather(*tasks) ```

Naplánuj vícekrokový výzkumný úkol

Pracuješ autonomně. Tvým cílem je vytvořit strukturované shrnutí literatury o současném stavu škálovacích zákonů sparse mixture-of-experts. Rozděl úkol na konkrétní kroky, určuj, jaké informace budeš v každém kroku získávat, upozorni na nejasnosti, které je třeba vyjasnit před pokračováním, a načrtni, co by měl finální výstup obsahovat.

Řeš logickou hádanku

Pět inženýrů nastupuje do projektu v různých dnech od pondělí do pátku. Alice nastupuje před Bobem. Carol nastupuje den po Davovi. Eve nastupuje ve středu. Bob nenastupuje v pátek. Dave nastupuje v pondělí. Kdy nastupuje každý? Ukáž své dedukce krok za krokem před konečnou odpovědí.

Porovnat s

Qwen3.7 Flash
Model pouze s API
kontext 1,000,000 tokenů · $0.03/M vstup, $0.13/M výstup
Qwen3.8 Max (0902)
Model pouze s API
kontext 1,000,000 tokenů · $2.00/M vstup, $6.00/M výstup
Qwen3.8 Omni Flash
Model pouze s API
kontext 1,000,000 tokenů · $0.15/M vstup, $0.47/M výstup
Qwen3 30B A3B Thinking 2507
Model pouze s API
kontext 81,920 tokenů · $0.20/M vstup, $2.40/M výstup

Více textových modelů od qwen

Často kladené otázky

Jsou váhy otevřené a mohu je spustit lokálně?: Ano, váhy jsou zveřejněny na Hugging Face pod Qwen/Qwen3.8-2.4T-A95B a jsou kompatibilní s vLLM a SGLang, ale 2,4 bilionu parametrů znamená, že pro plné přesné hostování potřebujete značnou multi-GPU infrastrukturu.
Kolik to stojí a jak dlouhý je kontext?: Přes API je cena 2,00 USD za milion vstupních tokenů a 6,00 USD za milion výstupních tokenů; nativní kontext je 262 144 tokenů, rozšiřitelný na cca milion.
Jak se liší od Qwen3.8 Max?: Qwen3.8 Max je spravovaná API verze postavená na stejném modelu a přidává vidění, režim bez myšlení, 1M kontext ve výchozím nastavení a oficiální vestavěné nástroje; tyto funkce nejsou součástí tohoto otevřeného vydání.

Verdikt kapitána
Nejschopnější otevřený model Qwen, který vydali, stojí za vážné zvážení pro kódovací agenty a složité uvažování, pokud zvládnete infrastrukturu nebo náklady na API.

Modelová karta na Hugging Face

Kapitán píše tyto poznámky na základě popisu modelu a modelové karty. Ceny a velikosti kontextu jsou od poskytovatele v době psaní a mohou se změnit.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Jak se toto skóre sčítá

Tento model zatím nemá žádná data o popularitě z žádného zdroje, takže má náhradní číslo pod 7,000°, které udržuje seznamy kompletní. Nikdy se neumístí výš než model s daty. Rozpis se tu objeví, jakmile ho nějaký zdroj nahlásí.

Slovníček: pojmy používané zde

Heat skóre: Jedno číslo, které ukazuje, jak moc se model teď používá a chce, od 0° do 9 999°. Každý seznam na tomto webu, který říká nejžhavější, je podle toho seřazený a nic jiného.
Minimum: 7 000° je základ, od kterého začíná každý model s reálnými daty. Měřítko je od 0° do 9 999°; část pod minimem je vyhrazena pro zástupce (modely bez dat), aby model s daty byl vždy výš než ten bez. Minimum je stejné pro všechny a nic nerozhoduje; stupně nad ním jsou měření.
Ekvivalenty stažení: Všechno, co skóre počítá jako stažení, sečtené: samotná stažení, každý torrent seeder jako 1 000, každý obrázek z AI Horde a každý běh na generujícím webu jako jedno.
Logaritmická škála: Počítá se po desítkách, ne po jednotkách: přechod z 1 000 na 10 000 stažení přidá stejný počet stupňů jako z 10 000 na 100 000. Zabraňuje, aby obři přebili všechno ostatní.
Lajky: Palce nahoru a lajky ze všech zdrojů, každý za polovinu váhy stažení na logaritmické škále.
Rychlost přijetí: Kolik stažení denně model právě teď má, podle rozdílu mezi dvěma odečty zdroje. Čtvrtina váhy oproti termínu stažení.
Měřené a odhadované: Měřené znamená, že existují dva záznamy zdroje a rozdíl je skutečný. Odhadované znamená, že je znám jen dnešní celkový údaj a minulost je rozložena přes životnost modelu; stránka uvádí, který typ zobrazuje.
Seeder: Někdo, kdo drží kopii vah online, aby si ji ostatní mohli stáhnout přes torrent, nebo hostovaný zrcadlový server, který dělá totéž. Každý takový počítá jako 1 000 stažení.
AI Horde: Dobrovolnická síť, která zdarma generuje obrázky na darovaných počítačích. Počet obrázků vytvořených s modelem je veřejný a každý se počítá jako jedno stažení.
Generační stránky: Stránky, které hostují vlastní kopie modelu a umožňují lidem generovat s ním, například PixAI, SeaArt a Yodayo. Jejich stažení se počítají stejně jako u Civitai a každý běh generování jako jedno stažení.
OpenRouter tokeny: Textový model poskytovaný přes API, jako Claude nebo GPT, nemá žádné váhy ke stažení, takže jeho využití se měří tokeny: kusy textu, které přečetl a napsal přes OpenRouter, bránu, kterou používá mnoho aplikací, za posledních 30 dní. Každých 10,000,000 tokenů se počítá jako jedno stažení. Zdroj: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Plný model (checkpoint): Samotné váhy, soubor, který generuje sám o sobě. Má bonus, protože na něm závisí doplňky.
LoRA a embedding: Malé doplňkové soubory, které nasměrují váhy někoho jiného k určitému stylu, postavě nebo konceptu. Samy o sobě nemohou běžet.
Rodina a váhy: Základ, na kterém je model postavený, například SD 1.5, SDXL, Flux nebo Wan. Každý model dědí datum vydání vah své rodiny.
Věk: Stupně odečtené podle toho, jak dávno vyšla váha rodiny: 150° za rok, až do 750°. Staré stažení, která měla roky na nashromáždění, zůstávají nahoře na seznamu.
Boost rodiny: Malý, omezený posun pro LoRA rodiny, kterou tato stránka právě podporuje, vždy uvedený v rozpisu.
Náhradní skóre: Stabilní číslo pod minimem dané modelu, o kterém zatím žádný zdroj nehlásí, aby seznamy zůstaly kompletní. Nikdy není výše než model s daty.
Nové! (ochranná lhůta): Model mladší než 7 dní ukazuje místo skóre Nové! a nezískává místo v žebříčku. Jeho skóre se počítá od prvního dne, ale model starý jeden den roste rychleji než cokoli jiného, takže bez čekání by #1 týdne byl vždy model, který vyšel včera, místo toho, co vydrželo týden.
Trend: Jak růst modelu za určité období odpovídá typickému růstu modelu za stejné období. Rychlejší než obvyklé znamená vzestup, pomalejší pokles.
Typický model: Střed katalogu: polovina modelů s číslem rostla rychleji za dané období, polovina pomaleji.

Podobné modely

Gemini 3.1 Pro Preview Custom Tools

TEXT / LLM

AI modely pro generování obrázků, videa a textu

Qwen3.8 2.4T A95B je textový model pro rodinu Text / LLM uvedený na ModelTrends.ai, katalogu open source AI modelů pro obrázky, video a text určeném jen ke čtení. Porovnejte ho s dalšími modely Text / LLM a podívejte se na jeho skóre žhavosti.

Další modely Text / LLM llm qwen uvažování programování agenti výzkum dlouhý kontext

Procházet podle rodiny modelů