Qwen首次开放Max级权重，2.4T模型进入可下载阶段
Max级模型从云端服务走向可检查权重，但定制许可与集群成本划定了实际开放边界。
本文要点
- Qwen-Max级模型从云端服务与预发布仓库，变成带正式许可和对外公告的开放权重对象。
- 开放对象首次明确为2.4T总参数、95B激活参数的MoE，而非只公布托管模型名称。
- 许可从模糊的开放承诺，变成包含显名义务和特定业务单独许可门槛的法律文本。
阅读辅助
先看数字、证据和来源，再读正文。
Qwen3.8是Qwen首次把Max级模型推进到公开可下载权重，而不再只有托管API。
2026-08-02 · Qwen Cloud页面更新托管版Qwen3.8-Max，列出视觉输入、1M上下文、内置工具与API价格。
4.89 TB，是理解这次开放最直接的入口。北京时间2026年8月12日，Qwen正式对外开放Qwen3.8-2.4T-A95B，ModelScope给出当天集合日期，Hugging Face则在10:24 UTC留下许可提交。文件树已经能看到213个safetensors分片，因此这不是“将在稍后提供”的预告，也不只是一个云端模型名称。
模型规模口径也已落到可检查文档：总参数2.4T，每个token激活约95B；原生上下文为262,144 tokens，官方称可扩展至1,010,000 tokens。Qwen模型卡把它称为首次将Qwen-Max级模型作开放发布。这里的“首次”是厂商对自身产品线的描述，但仓库制品足以证明状态迁移：Max级能力第一次有了公开可获取的权重对象。
仍未解决的是能力复现与上游透明度。Qwen没有随仓库给出训练数据构成、训练算力、能耗、完整安全评测或系统卡；官方benchmark覆盖很多任务，却混用了厂商自测、内部题集、不同脚手架和不同竞品来源。第三方对云端Qwen3.8 Max的评测也不能自动证明同一结果能在公开权重、自建推理栈上复现。
对研究机构，变化在于能够检查参数、测试量化、修改推理和研究模型行为。对企业买方，问题则从“API能不能调用”扩展为“许可证是否适配、数TB制品如何治理、几台高端节点才能上线、开放版是否具备云端版所宣传的完整功能”。这四项不能用一个“开源”标签代替尽调。
先辨认对象：权重版与云端Max不是同一个交付面
Qwen模型卡在开头主动区分了两种对象。公开仓库是后训练后的文本模型权重和Transformers配置，官方云端Qwen3.8-Max则以这套权重为基础，叠加视觉输入、非思考模式、默认百万上下文和内置工具。报道若把两者合并，就会把托管系统能力误写成下载后天然拥有的权重能力。
| 交付项 | 开放权重Qwen3.8-2.4T-A95B | 云端Qwen3.8-Max | 证据边界 |
|---|---|---|---|
| 输入模态 | 仅文本 | 文本、图片、视频 | 模型卡与Qwen Cloud产品页 |
| 思考模式 | 强制开启；模型卡称不可关闭 | 支持非思考 | 官方明确区分；框架改模板不等于复现云端后训练 |
| 上下文 | 原生262,144，可扩展至1,010,000 | 默认1M，最大输入约991K | 扩展上限不等于相同质量、吞吐或显存成本 |
| 工具体系 | 提供聊天模板和工具调用接入线索 | 带官方内置搜索、代码解释等工具 | 工具系统不是权重文件的一部分 |
| 获取方式 | 下载4.89 TB仓库，自建推理 | 按API调用 | 自建需要自己承担集群、运维和安全隔离 |
| 法律条件 | qwen3.8-max定制许可 | Qwen Cloud服务条款 | 两套交付面的合同与责任边界不同 |
模型卡还给出reasoning_effort的xhigh、medium、low三档，以及preserve_thinking历史思考保留参数。这些是推理控制接口，不应被理解为公开了推理过程的训练数据，也不意味着关闭思考后还能保持云端版能力。开放版文档甚至明确说每次输出会先生成<think>段落；生产系统需要据此设计输出过滤、日志保存和敏感信息治理。
2.4T如何落到一次前向计算
2.4T容易制造“每个请求都计算2.4万亿参数”的误解。Qwen3.8采用混合专家架构，每层有512个专家，每个token选择10个路由专家并同时使用1个共享专家，所以激活参数约为95B。总参数决定模型可容纳的专家容量与权重体积，激活参数更接近单token计算路径，但吞吐仍受专家路由、跨卡通信、KV缓存、批量大小和实现优化共同影响。
架构并非纯Transformer全注意力堆叠。官方模型卡列出92层，隐藏维度8192；vLLM配方进一步读取配置后说明，其中23层运行全注意力，另69层使用线性注意力。每隔若干线性注意力层插入全注意力，是在长上下文表达能力、状态缓存与计算成本之间做折中。该配方还确认权重索引没有视觉张量，再次支持“公开制品是文本模型”的判断。
| 架构维度 | 公开口径 | 对部署的实际含义 |
|---|---|---|
| 总参数 | 2.4T | 权重存储、下载和跨节点装载是首要成本 |
| 激活参数 | 95B/token | 单token不遍历全部权重，但仍属于超大激活规模 |
| 专家路由 | 10 routed + 1 shared | 专家并行与互联效率会直接影响吞吐 |
| 模型层数 | 92层 | vLLM读取为23层全注意力 + 69层线性注意力 |
| 原生上下文 | 262,144 tokens | 原生长度也需要可观KV或状态缓存与长提示预填充时间 |
| 扩展上限 | 1,010,000 tokens | 是配置能力上限，不是百万token质量和成本承诺 |
这些数字目前主要由Qwen模型卡、ModelScope官方镜像和推理框架对配置文件的读取相互印证。它们能证明结构声明一致，不能独立审计训练时到底使用了多少数据、专家是否得到均衡训练，也不能推导开放版与云端Max完全同权。公开权重扩大了下游可检查范围，但上游训练透明度没有同步达到同一层级。
从仓库体积到集群账单
Hugging Face文件树显示仓库总量为4.89 TB。前几十个分片常见34.4 GB与17.2 GB，另有少量约4 GB分片；文件名标明权重共213片。这证明制品可下载，也同时说明“开放”首先服务于具备高速网络、对象存储和多节点GPU集群的机构，而非典型单机开发者。
vLLM把容量换算得更具体：BF16权重约4.45 TiB，十进制换算后与Hugging Face的4.89 TB大体对应；其部署规划表给出的加载规模约5871 GB。官方FP8变体约2.27 TiB权重，配方估算加载规模约2996 GB。第三方MXFP4与NVFP4 W4A4制品进一步降到约1.45 TiB与1.32 TiB，但量化误差、内核兼容和长上下文稳定性需要逐项验证。
| 变体 | 权重体积 | vLLM规划的加载规模 | 示例硬件规划 | 口径限制 |
|---|---|---|---|---|
| BF16主仓库 | 4.45 TiB | 5871 GB | 配方示例约需6个8×H200节点 | 容量规划，不是吞吐实测 |
| 官方FP8 | 2.27 TiB | 2996 GB | 配方示例约需4个8×H200节点 | 精度、内核和并行策略会影响实际结果 |
| MXFP4 | 1.45 TiB | 1917 GB | 配方称可在1个8×MI355X节点装载 | 第三方量化制品，不等于官方原始权重 |
| NVFP4 W4A4 | 1.32 TiB | 1737 GB | 配方称可在1个8×B300节点装载 | 面向Blackwell；需验证任务精度与长上下文 |
即使模型权重能装入显存，生产服务仍要为KV缓存或线性注意力状态、并发批次、通信缓冲、CUDA图、推理引擎进程和故障冗余留空间。把最大长度从262K推到约1M还会增加预填充时延与缓存压力。vLLM示例使用16卡、2节点张量并行启动FP8，并把引擎就绪超时放宽至3600秒；这类操作提示比“兼容vLLM”一句更接近真实工程门槛。
因此，开放权重短期最可能先被三类主体利用：有现成大集群的云与算力厂商、需要模型审计和机制研究的实验室、专门做量化与推理优化的基础设施团队。普通企业若只需要业务调用，云端API仍可能更便宜；只有数据主权、模型改造、供应商风险或高稳定负载带来的收益足以覆盖集群成本时，自托管才有经济意义。
许可给了什么，又保留了什么
Qwen仓库8月12日的许可提交不是只有一句“允许商用”。文本授予使用、复制、修改、合并、发布、分发、再授权、销售、部署、托管、微调和制作衍生作品等广泛权限，也要求在副本或实质部分保留版权与许可声明。对许多研究和企业内部项目，这个授权面足够宽。
条件集中在两组商业规模门槛。其一，商业产品或服务若超过1亿月活用户，或月收入超过2000万美元，需要在产品界面醒目展示相应模型名称。其二，如果许可方及关联方经营Model as a Service或AI Work Assistant业务，任意连续12个月合计收入超过5000万美元，在商业使用软件或衍生作品前要另行取得Qwen许可。
许可对AI Work Assistant作了较窄定义：主要面向AI辅助编程或办公生产力的独立产品，例如Qoder和QwenWork。单一用途翻译工具、主要服务其他领域的助手，以及主产品目的并非编程或办公的附属AI功能，被列为排除项。内部使用也有例外，但前提是不把模型、输出或底层能力提供给第三方。
这意味着“开放权重”和“无附加条件的通用开源许可”不应混写。准确表述是：Qwen提供可下载权重和广泛使用权，同时对超大规模产品的模型显名，以及达到收入门槛的特定MaaS、编程或办公助手业务保留额外条件。实际产品是否落入定义、关联方收入如何汇总、白标服务是否触发显名义务，都需要法务结合业务结构判断，本文不提供法律意见。
成绩表里最需要保留的是脚注
Qwen模型卡发布了覆盖代码智能体、通用智能体和一般能力的大表。它能支持“3.8在多项厂商测试中高于3.7”的方向性判断：例如PaperBench从64.8升至93.0，SWE-bench Pro从60.6升至67.7，MRCR v2 256K从86.7升至92.9。但这些数字是Qwen公布的结果，且不同评测使用不同脚手架、时限、重复次数和内部题集。
| 评测 | Qwen3.7-Max | Qwen3.8-Max | 表内其他前沿模型 | 能支持的结论 |
|---|---|---|---|---|
| PaperBench | 64.8 | 93.0 | GPT-5.6 Sol为90.5 | 厂商测试显示研究型代码任务大幅上升；评审模型与运行设置需一起保留 |
| SWE-bench Pro | 60.6 | 67.7 | Fable 5为80.0 | 相对同门提高，但并非表内最高 |
| IFBench | 79.1 | 82.8 | GPT-5.6 Sol为72.7 | Qwen自报指令遵循上升；不能外推到所有约束任务 |
| MRCR v2 256K | 86.7 | 92.9 | GPT-5.6 Sol为93.8 | 长上下文八针检索接近表内高位，不等于百万上下文稳定 |
| Terminal-Bench v2.1 | 74.5 | 86.6 | GPT-5.6 Sol为88.8 | Qwen以Claude Code、5小时超时和avg@10运行 |
Terminal-Bench尤其适合说明为什么不能只抄分数。Qwen表中的86.6来自其自测，使用Claude Code、每题最长5小时、最多131,072输出token并报告avg@10；Artificial Analysis的独立榜单则用Terminus 2、E2B沙箱，对89项任务做pass@1并平均3次，给云端Qwen3.8 Max约81.3%。两者测试的入口、脚手架和预算不同，5.3个百分点的差值不应解释为谁测错了，也不能拿来推断开放权重比云端版弱。
独立榜单的价值在于给出统一第三方方法，它不能替代每个厂商表。对开放权重最关键的实验还没有出现：同一版本权重、同一量化精度、同一推理框架、同一上下文和工具脚手架下，公开运行日志能否复现云端Max的代码与长程任务表现。直到这条证据链补齐，官方成绩适合做候选筛选，不适合直接写进采购SLA。
Qwen这次把开放模型的上限推到了新的组织尺度。参数权重从不可见变成可下载，研究者与大型部署方因此获得了检查、修改和迁移模型的实质权利；Max级不再只能通过厂商API被动消费。这一点本身足以构成头条，而不需要用“全面领先”来加戏。
同时，4.89 TB制品和定制许可把开放的真实边界写得很清楚。小模型的开放常常扩大个人开发者供给，2.4T / 95B模型的开放首先扩大的是机构选择权：云厂商可以做本地服务，芯片与框架团队可以优化，研究机构可以审计，超大型企业可以谈部署主权。没有集群、法务和运维能力的团队，拿到下载链接并不等于获得可用产能。
更值得观察的是Qwen是否把这次开放变成一个完整生态事件。若官方较快提供可复现脚手架、安全材料、量化验证和较小版本，开放权重会形成持续的下游创新；若生态只能围绕数TB制品做搬运和榜单复述，影响会停留在象征层。下载只是起点，行业价值取决于第三方能否以可承受成本复现、改造并承担这套模型。
反面约束也不能忽略。云端Max仍保留视觉、非思考、默认百万上下文与内置工具等系统增量，开放权重并未抹平托管服务的产品差异。Qwen同时通过许可为大规模MaaS、AI编程和办公助手保留谈判权。这是一场高价值的开放：模型层主权已经扩大；整套产品能力和无限制商业权利仍未开放。
下一步验证应从“能跑”升级到“能交付”
第一批公开复现不该只证明模型可以启动。更有价值的报告需要同时给出权重精度、GPU型号与数量、互联方式、推理框架提交版本、上下文长度、并发数、首token延迟、输出吞吐、失败率和单位成功任务成本。没有这些条件，单个tokens/s数字无法指导部署决策。
长上下文也应拆成至少三种测试：262K原生长度下的检索与推理，向约1M扩展后的质量衰减，以及多轮工具任务中的状态保持。最大可接受输入只说明接口不会立刻拒绝请求，不说明模型能利用全部内容，更不说明百万token请求具有合理延迟和账单。
许可证验证则应落到真实产品结构。企业需要确认是否向第三方暴露模型能力，业务是否属于MaaS或AI Work Assistant，关联方收入是否合并超过门槛，模型名称如何在界面显示，以及衍生模型、量化制品和白标交付如何保留声明。越接近大型商业服务，这些问题越应该在训练或部署投入前解决。
最后是开放版与云端版的盲测。同一任务应分别运行公开权重、官方云端Max和至少一个同级对照，记录工具成功率、返工次数、长任务中断、视觉需求缺失、输出质量与总成本。只有这类可复现证据出现后，市场才知道Qwen开放的是一套可替代云端Max的基础模型，还是一个需要大量系统工程才能接近托管体验的研究级制品。