8 月 12 日，阿里把 Qwen3.8-2.4T-A95B 的权重放上了 Hugging Face 和 ModelScope，兑现了 8 月 3 日发布 Qwen3.8-Max 时"下周开源"的承诺。这是 Qwen 首次把 Max 级模型开放权重，规模也足够醒目：2.4 万亿总参数、每 token 激活 95B、512 个路由专家、92 层混合注意力。但这个标题背后，真正的门槛在部署端——官方只发布了 BF16 和 FP8，其中 BF16 权重就有 4.45 TiB，需要 3 台 8 卡节点才能装下；把它压进单节点的 4-bit 路径，要靠 AMD、NVIDIA 和社区来完成，而发布方没有给出量化后的完整能力证据。
开放的是"Max 级"，不是完整的 Max
先厘清口径。Qwen 模型卡写的是"Qwen3.8 首次把 Qwen-Max 级模型开放"，不是"最大的开源模型"。这句话有两层保留。
其一，按参数规模，Moonshot 的 Kimi K3 已在 7 月底以 2.8T 参数开放权重，成为更大的开放权重模型，Qwen3.8 的 2.4T 排在后面。
其二，开放权重的 A95B 并不是 API 上 Qwen3.8-Max 的完整镜像。模型卡明确区分：Qwen3.8-Max 是基于 A95B 的官方版本，额外带有视觉输入、可关闭的思考模式、默认 1M 上下文和内置工具；而 A95B 是纯文本、强制思考、不支持多模态输入、原生上下文 262K。HN 上多条评论注意到这个落差——"开源版本把视觉能力去掉了，上下文也砍到 250K"。所谓"Max 级开源"，开放的是主干推理能力，视觉、工具调用和更长的默认上下文仍留在付费 API 里。
架构：混合注意力让 2.4T 变得可运行
A95B 在 2.4T 规模下仍能维持可接受的成本结构，靠两个设计。
一是细粒度 MoE。512 个路由专家中，每个 token 只激活 10 个，外加 1 个共享专家，实际参与计算的参数量只有约 95B，服务成本跟随激活参数而非 2.4T 总参数。作为对照，Kimi K3 是 896 个专家激活 16 个，DeepSeek V4 Pro 是 1.6T 总参、49B 激活。
二是混合注意力。92 层里只有 23 层跑全注意力（间隔为 4），其余 69 层用线性注意力，把随序列长度增长的 KV 缓存替换成有界的循环状态。NVIDIA 的技术博客解释，这套交替结构让计算和显存在上下文增长时保持有界，支撑了把原生 262K 扩展到约 1M 的能力。模型还内置了 MTP 草稿头，用于加速解码。
这两点说明，2.4T 不是靠堆密度的噱头，而是用稀疏专家摊薄激活成本、用线性注意力摊薄长上下文成本的结构性选择。
单节点的代价是 4-bit，而 4-bit 的证据还很薄
真正的门槛在部署。vLLM 的部署矩阵把四种精度配置的单节点可行性列得很清楚：
| 精度 | 权重大小 | 8×B300 | 8×MI355X | 8×H200 |
|---|---|---|---|---|
| BF16 | 4.45 TiB | 3 节点 | 3 节点 | 6 节点 |
| FP8 | 2.27 TiB | 2 节点 | 2 节点 | 4 节点 |
| MXFP4（AMD） | 1.45 TiB | — | 1 节点 | 2 节点 |
| NVFP4 W4A4（NVIDIA） | 1.32 TiB | 1 节点 | — | 2 节点 |
从"权重开放"到"单节点能跑"，中间隔的是一次 4-bit 量化。而这一步并不在 Qwen 的官方发布里：Qwen 只放出了 BF16 和 FP8，单节点的 MXFP4 与 NVFP4 构建由 Inferact 账号提供，AMD 的文章用 Quark 从 FP8 检查点做 MXFP4 量化，NVIDIA 走 NVFP4 W4A4。这与 Kimi K3 形成反差——Moonshot 从 SFT 阶段就做量化感知训练，发布即 MXFP4，权重约 1.5 TB；Qwen 则是在发布后由生态去量化。
HN 上最集中的担忧因此不是"模型好不好"，而是"它比 K3 更难服务"：没有 QAT 的 4-bit，第三方服务商要么用 FP8 跑多节点，要么等有人用足够的校准数据做出可靠的 NVFP4，评论里点名的正是 NVIDIA。
精度证据同样薄弱。AMD 的文章给出的是 MXFP4 在 GSM8K（小学数学题）上的准确率 97.49%，与 FP8 持平；NVIDIA 给出的 FP8 在 GB300 NVL72 上的吞吐是单卡 4K+ tok/s、单用户 350+ tok/s。但 GSM8K 是对量化误差最不敏感的一类任务，用它证明 4-bit 不影响编码或长程 Agent 能力，几乎说明不了问题。模型卡上的完整基准表全部来自 Qwen 自测，发布时没有独立第三方评测；HN 上"这张卡好得不像真的"的评论，指向的正是这种自报数据的问题。
"首个 Max 级开源"意味着什么
抛开部署门槛，这次发布本身是一个战略转向。过去 Qwen 的 Max 系列只通过 Qwen Cloud 的 API 提供；把 Max 级权重开放，意味着阿里在"开放权重 + 云推理"双轨上同时押注，用开源权重换取研究社区和第三方托管商（vLLM、SGLang、TokenSpeed，以及 AMD、NVIDIA 的 Day 0 支持）的生态绑定。
它也让中国三家实验室的超大开源竞争在同一天亮牌：DeepSeek V4 Pro（1.6T-A49B，MIT 许可，4 月已开放权重）被曝出 0813 版本基准接近 Fable 5 水平；Kimi K3（2.8T）7 月底开放权重；Qwen3.8（2.4T）补上"Qwen 首个 Max 级开源"的位置。三条路径不同——DeepSeek 走小激活的高效 MoE，Moonshot 走 2.8T 的规模上限，Qwen 走 512 专家的细粒度稀疏——共同点是把接近前沿能力的模型从 API 后墙里拿出来，交给生态去跑。
对大多数想真正用起来的人，更实际的节点在两天后：社区与 HN 评论都提到 Qwen3.8-27B 版本预计周五发布。那才是普通硬件能承载、也真正改变本地推理体验的模型。2.4T 的 A95B 更像一场部署经济学的压力测试：它证明 2.4T 参数可以被量化压进单节点，但把"压进去之后还能用"的验证，留给了 AMD、NVIDIA 和社区，而不是发布方自己。