Qwen3.8-2.4T-A95B se ha convertido en el modelo más grande de la nueva generación de Qwen en versión abierta. Dentro del MoE hay 2,4 billones de parámetros, 512 expertos, de los cuales 10 enrutados + 1 compartido se utilizan simultáneamente. La arquitectura es híbrida: Gated DeltaNet se alterna con atención regular y el modelo se entrena con Multi-Token Prediction.
El contexto es de forma nativa 262.000 tokens y se expande a aproximadamente 1,01 millones. Al mismo tiempo, la versión publicada es sólo de texto y siempre trabaja con el razonamiento: el pensamiento no se puede desactivar, pero su profundidad se puede ajustar a través de
esfuerzo_razonamiento
de
bajo
hasta
xalto
.
Qwen está muy cerca de los modelos de frontera cerrada. Según la propia evaluación del equipo, Qwen3.8-Max obtiene 86,6 en TerminalBench 2.1 frente a 88,8 en GPT-5.6 Sol, 92,6 en GPQA Diamond, 82,8 en IFBench y 93,0 en PaperBench. El modelo obtuvo una puntuación de 81,9 en WideSearch. Estas comparaciones deben tomarse exactamente como los resultados de la tarjeta del modelo Qwen, ya que el arnés y las condiciones de prueba difieren en algunos lugares entre los modelos.
Qwen3.8-Max se basa en la misma base, pero además recibe visión, modo sin pensar, contexto millonésimo de forma predeterminada y herramientas integradas. Las pesas Qwen3.8-2.4T-A95B ya están disponibles para Transformers, vLLM y SGLang.
2,4T en total/95.000 millones activos parece un buen indicador de hacia dónde se dirigen los grandes MoE: el tamaño del modelo sigue ascendiendo a billones, pero nadie quiere calcular este volumen completo en cada token.