Первый Qwen-Max-класс, который открыли в весах: 2,4 трлн параметров при 95 млрд активных, 512 экспертов и облачная версия с миллионным контекстом. Разбираем, чем открытая модель отличается от API, сколько это стоит и где физически лежат веса.
Qwen3.8-Max — флагманская модель Alibaba, которую впервые выпустили не только как облачный сервис, но и как открытые веса. Разбираем три вещи, которые чаще всего путают: сколько в модели параметров и сколько из них реально считаются на каждом токене, чем облачная версия отличается от скачанных весов и во сколько обходится каждое из решений.
В карточке модели Alibaba прямо пишет: впервые модель класса Qwen-Max выходит в открытом релизе — то есть флагманская серия больше не существует только как закрытый API. Веса выложены на Hugging Face под именем Qwen/Qwen3.8-2.4T-A95B, а облачная версия qwen3.8-max живёт в Qwen Cloud и Model Studio. Это две разные по возможностям вещи, и путать их — самая частая ошибка при выборе.
| Что сравниваем | Открытые веса (Qwen3.8-2.4T-A95B) | Облачный Qwen3.8-Max |
|---|---|---|
| Модальности | текст (репозиторий текстовой модели) | текст, изображения, видео |
| Контекст | 262 144 токена с расширением | до 1 млн токенов по умолчанию |
| Дополнительно | запуск своим стеком: vLLM, SGLang, TokenSpeed | встроенные инструменты: веб-поиск, вызов функций, структурированный вывод, батчи, кэш контекста, режим донабора (Partial Mode), fine-tuning |
| Цена | бесплатно, платите за железо | по токенам, от $2 за 1 млн входных |
| Кому | командам с GPU и требованием держать данные у себя | тем, кому нужен результат, а не инфраструктура |
Модель построена на смеси экспертов: всего 512 экспертов, из которых на каждый токен работают 10. Отсюда и двойная цифра в названии — 2.4T-A95B: 2,4 трлн параметров всего и примерно 95 млрд активных в вычислениях. Именно активные параметры определяют скорость и стоимость инференса, а размер всех весов — требования к памяти.
Веса лежат на Hugging Face в нескольких вариантах — от «как есть» до квантов под конкретное железо. Ниже цифры скачиваний на 09.10.2026: они хорошо показывают, кто чем реально пользуется.
| Репозиторий | Что это | Скачиваний |
|---|---|---|
Qwen/Qwen3.8-2.4T-A95B | основные веса в формате Transformers | 32 559 |
Qwen/Qwen3.8-2.4T-A95B-FP8 | версия в FP8 — вдвое меньше памяти | 8 074 |
amd/…-Quark-MXFP4 | квант MXFP4 под железо AMD | 23 315 |
nvidia/…-NVFP4 | квант NVFP4 под GPU NVIDIA | 10 598 |
unsloth/…-GGUF | GGUF: локальный запуск, но с потерей качества | 8 056 |
Отдельно работает официальный код: репозиторий QwenLM/Qwen3.8 на GitHub — 4 250 звёзд, последнее обновление 17.08.2026. Там же — инструкции по запуску через vLLM и SGLang.
Сама модель бесплатна, платить нужно либо за токены в облаке, либо за железо. Цены ниже — из прайса Model Studio на 09.10.2026, все за 1 млн токенов и в долларах.
| Модель / режим | Вход | Выход | Особенность |
|---|---|---|---|
| qwen3.8-max | $2 | $6 | до 1 млн токенов на запрос, кэш контекста со скидкой |
| qwen3.8-max (Prime) | $3,301 | $9,902 | ускоренный режим «Fast mode» |
| qwen3.7-max (прошлое поколение) | $2,5 | $7,5 | для сравнения цен |
| qwen3-max (2026-01-23) | $1,2 / $2,4 / $3 | $6 / $12 / $15 | цена растёт ступенями: до 32K, до 128K, до 256K |
| Модель | Класс | Для чего берут |
|---|---|---|
| Qwen3.8-Max (2.4T-A95B) | флагман, MoE 512 экспертов | сложные многошаговые задачи, длинные документы, продакшн через API |
| Qwen3.8-Flash-Next | быстрая средняя модель (125B MoE) | задачи, где важна скорость и цена, локальный запуск на мощной рабочей станции |
| Qwen3.8-27B | компактная модель | локальная работа, эксперименты, обучение — 6,8 млн скачиваний |
Практический вывод: Max — это про качество на длинных агентных задачах, Flash-Next — про баланс, 27B — про локальность. Внутри одного проекта нормально использовать их вместе: Max для сложных прогонов через API, меньшую модель локально для черновиков и рутины.
| Плюсы | Минусы |
|---|---|
| Открытые веса у флагманской модели — редкость на рынке | лицензия Qwen3.8-Max License, а не Apache: условия для коммерции надо читать |
| 512 экспертов при 10 активных: большой запас качества без пропорционального роста вычислений | полные веса требуют серверных GPU — дома не запустить |
| 1 млн токенов контекста и vision-вход в облачной версии | выход токенов втрое дороже входа |
| Кэш контекста, батчи и структурированный вывод из коробки | кванты сообщества для локального запуска всегда с потерей качества |