ai.canshu.com
EN
显存计算器 配机与回本向导 API 价格 同屏 PK 对比 模型库 排行榜 显卡库

全局搜索模型、显卡与工具

↑↓ 移动 · Enter 直达 · ★ 优先展示我的关注 ai.canshu.com
Alibaba Qwen
开源权重 Alibaba Qwen · MoE 2.45T / A95B · Text · BF16 / FP8

Qwen3.8-2.4T-A95B (MoE) 模型架构参数、评测与显存全表

千问 3.8 超大规模开源基座(与百炼 Qwen3.8-Max 同源),总参数高达 2.44 万亿、单步激活 95B,92 层 512 专家混合架构。

🧬 Qwen3.8-2.4T-A95B (MoE) 底层网络与张量参数总表 (Model Overview & config.json)

全部字段同步自官方 HuggingFace 仓库 (Qwen/Qwen3.8-2.4T-A95B) 的 config.json 与技术报告 · 核验日期 2026-11-20

HF Class: Qwen3_5MoeForCausalLM

1. 骨干网络与维度参数

qwen3_5_moe_text
总参数量 / 单步激活
2.446T / 95B
Hidden Size (d_model)
8,192
MoE 专家中间层维度
2,048
MoE 专家配置
512 路由 · 激活10
激活函数 / RMSNorm
SiLU (SwiGLU) · ε=0.000001
原生权重精度
BF16 / FP8

2. 注意力机制与混合层拓扑

HYBRID
Transformer 总层数
92 层 (23 层全局 KV)
网络层排布 (Hidden Layout)
92 层稀疏 MoE 架构(512 路由专家,单步激活 10 个)
注意力头 (Q / KV)
64 Q / 4 KV (16:1 GQA)
Head Dimension
256

3. 上下文、位置编码与词表

Tokenizer
原生上下文长度
262,144 tokens
旋转位置编码 (RoPE)
RoPE (原生 262,144 Context)
词表大小 (vocab_size)
248,320 (独立输出头)

📋 Qwen3.8-2.4T-A95B (MoE) 官方 API 技术规格与计费参数总表

核验自 Alibaba Qwen 官方开发者文档与公开定价页(核验日期 2026-11-20)

API Model ID: qwen3.8-max

1. 模型标识与能力开关

API Spec
官方调用 Model ID
qwen3.8-max
版本发布日期
2026-08-03
权重授权形态
开源权重 (云端 API 规格)
原生深度推理思考
✅ 支持 (可调思考预算)
Function Calling & JSON Schema
✅ 原生支持
Batch API 异步批处理
✅ 支持 (通常享 5 折)

2. 上下文、输出上限与模态

Limits
最大输入上下文窗口
256,000 tokens (256K)
单次最大输出上限
131,000 tokens
支持输入模态
Text
支持输出模态
Text
中国大陆网络直连
✅ 国内极速直连 + 人民币结算
分发与部署形态
开源权重 + 托管云 API

3. 官方 Token 单价与缓存阶梯

CNY / 1M
标准输入单价 (每百万)
¥ 12
Prompt 缓存命中输入
¥ 1.5 -88%
标准输出单价 (每百万)
¥ 36
长上下文阶梯与计费备注
阿里云百炼:百炼千问 3.8 旗舰模型,支持百万上下文

🎛️ 官方调用采样与思考参数指南

API / 推理引擎调用时的最佳超参数与约束说明

官方默认推理采样配置
temperature=0.7 top_p=0.95 max_tokens=32,768

⚡ Qwen3.8-2.4T-A95B (MoE) 本地显存占用 & 实时吐字速度计算器

并发请求数 (Batch):
MoE 2446B / A95B·92L (d=8192)·64Q/4KV·Ctx 256K
该设备兼容榜 →
并联卡数
96 GB VRAM·4000 GB/s·安全可用上限 94.1 GB
显存不足 (OOM)1515.15 / 94.1 GBOOM
3. 权重量化精度
4. 单并发上下文窗口16K (16,384 tok)
参数核验:2026-11-20·带宽与算力屋顶模型估算(当前并发=1)
显存不足 (OOM)
1515.15/ 94.1 GB 可用显存

物理总容量 96 GB · 占用率 1610.5%

理论带宽解码速度 (Decode)
—tokens/s

超出安全可用上限 1421.07 GB

当前并发 (1x) 最大可开窗口
0K/ 256K

高并发下开启 Q8/Q4 KV 量化可成倍提升并发上限

模型权重: 1482.89 GBKV Cache (1×16K): 2.15 GB框架开销: 30.11 GB
⛔ 无法加载
参考启动命令:
OLLAMA_CONTEXT_LENGTH=16384 ollama run qwen3-8-2-4t-a95b

本地显存不足?运行 Qwen3.8-2.4T-A95B (MoE) 的替代方案

可按小时租用预装好 vLLM / LLaMA-Factory 的大显存云显卡,或算一下直接调 API 对比买卡的 12 个月回本线。

📊 Qwen3.8-2.4T-A95B (MoE) 各量化精度显存占用对照表 (16K 上下文)

量化格式 等效位数 纯权重体积 KV Cache (16K) 总显存需求 精度评价
FP16 / BF16 16 bpw 4892 GB 2.15 GB 4992.44 GB 无损原精度
FP8 / Q8_0 8.5 bpw 2598.88 GB 2.15 GB 2653.45 GB 99.9% 接近无损
GGUF Q6_K 6.56 bpw 2005.72 GB 2.15 GB 2048.44 GB 极高画质 · 严肃编码
GGUF Q5_K_M 5.69 bpw 1739.72 GB 2.15 GB 1777.11 GB 高均衡度
Q4_K_M / AWQ 4.85 bpw 1482.89 GB 2.15 GB 1515.15 GB 黄金甜点(推荐)
GGUF IQ4_XS 4.25 bpw 1299.44 GB 2.15 GB 1328.03 GB 省显存优选
GGUF Q3_K_M 3.91 bpw 1195.48 GB 2.15 GB 1221.99 GB 轻度智商折损
GGUF Q2_K 3.15 bpw 963.11 GB 2.15 GB 984.98 GB 极限压缩尝鲜

🖥️ 主流显卡、Mac 与国产卡运行 Qwen3.8-2.4T-A95B (MoE) (Q4_K_M) 兼容性列表

常见问题解答 (FAQ)

Qwen3.8-2.4T-A95B (MoE) 的核心网络架构参数(层数、隐藏维度、注意力头、词表)是多少?

Qwen3.8-2.4T-A95B (MoE) 底层架构为 Qwen3_5MoeForCausalLM,共 92 层(92 层稀疏 MoE 架构(512 路由专家,单步激活 10 个)),隐藏层维度 hidden_size=8192,注意力头配置为 64 个 Query 头 / 4 个 KV 头(head_dim=256),词表大小 vocab_size=248,320,原生上下文窗口 262,144 tokens。

Qwen3.8-2.4T-A95B (MoE) 本地部署至少需要多少 GB 显存?

在主流 4-bit 量化(GGUF Q4_K_M / AWQ,16K 上下文)下,Qwen3.8-2.4T-A95B (MoE) 共需约 1515.15 GB 显存(含权重 1482.89 GB + KV 缓存 2.15 GB + 系统开销 30.11 GB)。无损 FP16/BF16 则需约 4992.44 GB。

Qwen3.8-2.4T-A95B (MoE) 官方推荐的采样参数(Temperature / Top-P)是多少?

依据官方 generation_config.json 与最佳实践,在「官方默认推理采样配置」下建议设置 temperature=0.7、top_p=0.95。