Adakah berat model terbuka dan boleh saya jalankan secara tempatan?

Ya, berat model diterbitkan di Hugging Face di Qwen/Qwen3.8-2.4T-A95B dan serasi dengan vLLM dan SGLang, tetapi 2.4 trilion parameter keseluruhan bermakna anda memerlukan infrastruktur multi-GPU yang besar untuk hos sendiri dengan ketepatan penuh.

Berapa kos dan berapa panjang konteksnya?

Melalui API, harga adalah $2.00 setiap sejuta token input dan $6.00 setiap sejuta token output; konteks asli adalah 262,144 token, boleh dilanjutkan kepada kira-kira satu juta.

Bagaimana ia berbeza daripada Qwen3.8 Max?

Qwen3.8 Max adalah versi API terurus yang dibina atas model yang sama dan menambah input visi, mod tanpa pemikiran, konteks 1M secara lalai, dan alat terbina rasmi; ciri-ciri ini tidak termasuk dalam keluaran berat terbuka ini.

Qwen3.8 2.4T A95B

1539°

#llm #qwen #penalaran #pengaturcaraan #ejen #penyelidikan

Jalankan model ini

Tawaran / Iklan

OpenRouter Terminal / API

Bayar setiap token

Bual dengan model ini dalam pelayar atau panggil ia dari kod anda dengan satu kunci API.

Qwen | konteks 1,048,576 token | $2.00/M input, $6.00/M output. Qwen3.8 2.4T A95B adalah model campuran pakar jarang berat terbuka dari Qwen dan varian berat terbuka Qwen3.8 Max, dengan 95 bilion parameter aktif daripada 2.4 trilion jumlah. Ia sesuai untuk pengkodan, penyelidikan, penalaran kompleks, dan aliran kerja agen.

Panduan untuk model ini

Ollama vs LM Studio (2026): aplikasi AI tempatan mana yang patut digunakan, dan model teratas yang dijalankan oleh setiap satu

LLM tempatan terbaik mengikut kegunaan (Oktober 2026): model terbuka yang sesuai untuk setiap kerja

Berapa banyak VRAM yang saya perlukan untuk AI tempatan?

Apakah fail GGUF? Model kuantisasi diterangkan (Q4, Q8, fp8, NF4)

Semua panduan

Nota Kapten

Ditulis oleh Captain, editor rumah

Nota dari 2026-10-13

Qwen3.8 2.4T A95B adalah keluaran berat terbuka terbesar Qwen setakat ini: model campuran-pakar jarang dengan 2.4 trilion parameter keseluruhan dan 95 bilion aktif semasa inferens. Ia adalah rakan berat terbuka kepada Qwen3.8 Max tertutup, berkongsi seni bina yang sama tetapi tanpa input visi API terurus dan alat terbina dalam. Jika anda memerlukan kebolehan berfikir kelas hadapan, pengkodan, atau kerja agen berbilang langkah dan mahu berat yang boleh anda jalankan sendiri, ini adalah pilihan yang perlu dipertimbangkan.

Dikenali untuk

2.4T parameter keseluruhan dengan hanya 95B aktif setiap laluan hadapan, mengekalkan kos inferens lebih rendah daripada padanan padat
Penyelesaian tugasan agen jangka panjang dengan perancangan autonomi lebih kuat dan pengendalian maklum balas persekitaran
Kedalaman penaakulan boleh laras melalui reasoning_effort, dengan konteks pemikiran dipelihara merentasi giliran
Konteks asli 262K, boleh dilanjutkan kepada kira-kira 1 juta token
Berat terbuka serasi dengan vLLM, SGLang dan rangka kerja perkhidmatan serupa

Berhati-hati dengan

2.4 trilion parameter keseluruhan bermakna perkakasan serius untuk hos sendiri; kebanyakan pengguna akan menggunakan API
Qwen3.8 Max terurus menambah input visi dan alat terbina yang tidak termasuk dalam keluaran terbuka ini
Pada $6.00 setiap sejuta token output melalui API, kos meningkat cepat pada larian agen panjang

Terbaik untuk

Pengaturcaraan

Ejen dan penggunaan alat

Penalaran

Penyelidikan

Konteks panjang

Arahan untuk cuba

Selesaikan pepijat keserentakan

Berikut adalah fungsi async Python yang kadang-kadang menaikkan RuntimeError tentang gelung acara yang ditutup. Terangkan apa yang mungkin menyebabkannya, kemudian tulis semula fungsi supaya ia mengendalikan kitaran hayat gelung acara dengan betul. Tunjukkan penaakulan anda sebelum kod akhir. ```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) ```

Rancang tugasan penyelidikan berbilang langkah

Anda bekerja secara autonomi. Matlamat anda: hasilkan ringkasan literatur berstruktur mengenai keadaan semasa undang-undang campuran-pakar jarang. Bahagikan tugasan kepada langkah konkrit, kenal pasti maklumat yang akan anda peroleh pada setiap langkah, tandakan sebarang kekaburan yang memerlukan penjelasan sebelum meneruskan, dan gariskan apa yang harus terkandung dalam output akhir.

Berfikir melalui teka-teki logik

Lima jurutera menyertai projek pada hari berbeza Isnin hingga Jumaat. Alice menyertai sebelum Bob. Carol menyertai sehari selepas Dave. Eve menyertai pada hari Rabu. Bob tidak menyertai pada hari Jumaat. Dave menyertai pada hari Isnin. Pada hari apa setiap orang menyertai? Tunjukkan deduksi anda langkah demi langkah sebelum memberikan jawapan akhir.

Bandingkan dengan

Qwen3.7 Flash
Model hanya API
konteks 1,000,000 token · Input $0.03/M, output $0.13/M
Qwen3.8 Max (0902)
Model hanya API
konteks 1,000,000 token · Input $2.00/M, output $6.00/M
Qwen3.8 Omni Flash
Model hanya API
konteks 1,000,000 token · Input $0.15/M, output $0.47/M
Qwen3 30B A3B Thinking 2507
Model hanya API
konteks 81,920 token · Input $0.20/M, output $2.40/M

Lebih banyak model teks dari qwen

Soalan yang sering ditanya

Adakah berat model terbuka dan boleh saya jalankan secara tempatan?: Ya, berat model diterbitkan di Hugging Face di Qwen/Qwen3.8-2.4T-A95B dan serasi dengan vLLM dan SGLang, tetapi 2.4 trilion parameter keseluruhan bermakna anda memerlukan infrastruktur multi-GPU yang besar untuk hos sendiri dengan ketepatan penuh.
Berapa kos dan berapa panjang konteksnya?: Melalui API, harga adalah $2.00 setiap sejuta token input dan $6.00 setiap sejuta token output; konteks asli adalah 262,144 token, boleh dilanjutkan kepada kira-kira satu juta.
Bagaimana ia berbeza daripada Qwen3.8 Max?: Qwen3.8 Max adalah versi API terurus yang dibina atas model yang sama dan menambah input visi, mod tanpa pemikiran, konteks 1M secara lalai, dan alat terbina rasmi; ciri-ciri ini tidak termasuk dalam keluaran berat terbuka ini.

Keputusan Kapten
Model berat terbuka paling berkemampuan yang dihantar Qwen, patut dipertimbangkan serius untuk agen pengkodan dan penaakulan kompleks jika anda boleh menanggung infrastruktur atau kos API.

Kad model di Hugging Face

Kapten menulis nota ini berdasarkan penerangan model dan kad model itu sendiri. Harga dan saiz konteks adalah dari penyedia pada masa penulisan dan boleh berubah.

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

Bagaimana skor ini dijumlahkan

Model ini belum ada data populariti dari mana-mana sumber lagi, jadi ia membawa nombor gantian di bawah 7,000° yang memastikan senarai lengkap. Ia tidak pernah menduduki tempat lebih tinggi daripada model yang ada data. Pecahan muncul di sini sebaik sahaja sumber melaporkannya.

Glosari: istilah yang digunakan di sini

Skor heat: Satu nombor untuk seberapa banyak model digunakan dan diingini sekarang, dari 0° hingga 9,999°. Setiap senarai di laman ini yang kata paling panas disusun mengikutnya dan tiada yang lain.
Lantai: 7,000° yang setiap model dengan data sebenar bermula. Skala dari 0° hingga 9,999°; bahagian bawah lantai untuk pengganti (model tanpa data), supaya model dengan data sentiasa lebih tinggi dari yang tiada. Lantai sama untuk semua dan tidak tentukan apa-apa; darjah di atasnya adalah ukuran.
Setara muat turun: Semua yang skor anggap sebagai muat turun, dijumlahkan: muat turun sendiri, setiap torrent seeder sebagai 1,000, setiap imej AI Horde dan setiap larian di laman generasi sebagai satu.
Skala log: Mengira dengan puluhan, bukan satuan: dari 1,000 ke 10,000 muat turun tambah darjah sama seperti dari 10,000 ke 100,000. Ini elak gergasi menindas yang lain.
Suka: Jempol dan suka dari semua sumber, bernilai separuh muat turun pada skala log.
Kadar penerimaan: Berapa banyak muat turun sehari model dapat sekarang, dari beza dua bacaan sumber. Berat suku dari terma muat turun.
Diukur dan dianggarkan: Diukur bermaksud ada dua bacaan dari satu sumber dan perbezaannya adalah nyata. Dianggarkan bermaksud hanya jumlah hari ini yang diketahui dan masa lalu diagihkan sepanjang hayat model; laman web akan memberitahu yang mana satu ia tunjukkan.
Seeder: Seseorang yang menyimpan salinan berat secara dalam talian untuk dimuat turun oleh orang lain melalui torrent, atau cermin yang dihoskan melakukan perkara yang sama. Setiap satu dikira sebagai 1,000 muat turun.
AI Horde: Rangkaian sukarelawan yang menjana imej secara percuma pada komputer yang didermakan. Bilangan imej yang telah dihasilkan dengan model adalah awam, dan setiap satu dikira sebagai satu muat turun.
Laman penjanaan: Laman yang menghoskan salinan model mereka sendiri dan membenarkan orang menjana dengannya, seperti PixAI, SeaArt dan Yodayo. Muat turun mereka dikira seperti Civitai dan setiap sesi penjanaan dikira sebagai satu muat turun.
Token OpenRouter: Model teks yang disediakan melalui API, seperti Claude atau GPT, tidak mempunyai berat untuk dimuat turun, jadi penggunaannya diukur dalam token: bahagian teks yang dibaca dan ditulis melalui OpenRouter, pintu masuk yang digunakan oleh banyak aplikasi, dalam 30 hari terakhir. Setiap 10,000,000 token dikira sebagai satu muat turun. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Berat itu sendiri, fail yang menjana secara sendiri. Ia mendapat bonus kerana add-on bergantung padanya.
LoRA dan embedding: Fail add-on kecil yang mengarahkan berat orang lain ke arah gaya, watak atau konsep. Ia tidak boleh dijalankan sendiri.
Keluarga dan berat: Asas yang model dibina, seperti SD 1.5, SDXL, Flux atau Wan. Setiap model mewarisi tarikh keluaran berat keluarganya.
Umur: Darjah yang ditolak berdasarkan berapa lama berat keluarga itu dikeluarkan: 150° setahun, sehingga 750°. Ia mengekalkan muat turun lama yang mempunyai masa bertahun-tahun untuk terkumpul dengan membekukan di bahagian atas senarai.
Peningkatan keluarga: Dorongan kecil dan terhad untuk LoRA dari keluarga yang laman ini sedang galakkan sekarang, sentiasa disenaraikan dalam pecahan.
Skor gantian: Nombor stabil di bawah paras yang diberikan kepada model yang belum ada laporan sumber, supaya senarai kekal lengkap. Ia tidak pernah mendahului model yang ada data.
Baru! (tempoh kelonggaran): Model yang berumur kurang dari 7 hari menunjukkan Baru! dan tidak mempunyai skor serta tidak menduduki tempat dalam kedudukan. Skornya dikira dari hari pertama, tetapi model yang berumur satu hari berkembang lebih cepat daripada apa pun, jadi tanpa menunggu, #1 minggu ini akan sentiasa menjadi apa sahaja yang keluar semalam dan bukan yang bertahan selama seminggu.
Trend: Bagaimana pertumbuhan model dalam tempoh tertentu dibandingkan dengan pertumbuhan model biasa dalam tempoh yang sama. Lebih cepat dari biasa bermaksud naik, lebih perlahan bermaksud turun.
Model biasa: Tengah katalog: separuh model dengan angka tumbuh lebih cepat dalam tempoh itu, separuh lagi lebih perlahan.

Model serupa

GPT 3.5 Turbo (older v0613)

GPT 3.5 Turbo Instruct

TEXT / LLM

Model AI untuk penjanaan imej, video dan teks

Qwen3.8 2.4T A95B ialah model teks untuk keluarga Text / LLM yang disenaraikan di ModelTrends.ai, katalog baca sahaja untuk model AI imej, video dan teks sumber terbuka. Bandingkannya dengan model Text / LLM lain dan semak skor habanya untuk melihat trendnya.

Lagi model Text / LLM Lagi Teks / LLM Text / LLM llm qwen penalaran pengaturcaraan ejen penyelidikan konteks panjang

Layari mengikut keluarga model