RespuestasPublicado19 fuentes
Qwen3.8-2.4T-A95B: el modelo abierto de Alibaba que exige infraestructura de gran escala
Qwen3.8 2.4T A95B es el modelo de solo texto y pesos abiertos de la gama insignia Qwen Max: tiene 2,4 billones de parámetros, aunque activa cerca de 95.000 millones por token mediante una arquitectura MoE. Su contexto nativo es de 262.144 tokens; determinadas configuraciones documentadas alcanzan un millón.
Publicado porEditado con GPT-5.6 TerraImágenes generadas con GPT Image 2
Respuesta de investigación
Conclusiones clave
- Qwen3.8 2.4T A95B es el modelo de solo texto y pesos abiertos de la gama insignia Qwen Max: tiene 2,4 billones de parámetros, aunque activa cerca de 95.000 millones por token mediante una arquitectura MoE.
- Su contexto nativo es de 262.144 tokens; determinadas configuraciones documentadas alcanzan un millón.
- Que los pesos sean abiertos aporta control sobre datos, despliegue y ajuste fino, pero no convierte al modelo en una opción para un portátil o un servidor común: las recetas documentadas usan despliegues multinodo y G...
- La licencia Qwen3.8 Max es personalizada, no Apache 2.0 ni MIT. Antes de comercializar o redistribuir el modelo conviene revisar sus condiciones vigentes.
Prompt de IA
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Alibaba’s Qwen3.8-2.4T-A95B, and what do its open-weight release, Qwen-Max-class status, 2.4-trillion-parameter/95-billion-active-pa. Article summary: Alibaba’s Qwen3.8-2.4T-A95B is an open-weight, text-generation release of its Qwen3.8-Max/“Max-class” flagship: a very large sparse Mixture-of-Experts (MoE) model rather than a model that can realistically be run like an. Topic tags: general, documentation, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks,
Alibaba ha puesto a disposición los pesos de Qwen3.8-2.4T-A95B, un modelo asociado a su nivel insignia Qwen3.8-Max. La novedad no es que un modelo de 2,4 billones de parámetros sea fácil de ejecutar: no lo es. Lo relevante es que organizaciones con capacidad técnica pueden descargarlo, adaptarlo y desplegarlo sin depender exclusivamente de una API gestionada. Eso lo orienta sobre todo a proveedores cloud, grandes compañías, entornos regulados y equipos de investigación con experiencia en inferencia distribuida. 1
18
21
La cifra clave: 2,4 billones totales, 95.000 millones activos
Qwen3.8-2.4T-A95B es un modelo de generación de texto con arquitectura dispersa de mezcla de expertos o MoE (Mixture of Experts). Tiene 2,4 billones de parámetros en total, pero activa aproximadamente 95.000 millones por token. La documentación de NVIDIA detalla 92 capas, 512 expertos enrutados y selección de los diez expertos más relevantes en cada paso. 18
21
La diferencia entre parámetros totales y activos importa. El enrutamiento MoE evita calcular todos los parámetros para cada token, lo que puede reducir el cómputo por token frente a un modelo denso de tamaño equivalente. Pero no elimina el gran reto operativo: los pesos deben almacenarse o repartirse entre nodos, los expertos deben coordinarse y la caché KV —la memoria usada para mantener el contexto durante la generación— puede crecer mucho con solicitudes largas y simultáneas.
Su diseño combina Gated DeltaNet y mecanismos de atención con compuerta. Está preparado para tareas textuales de contexto largo, pero el rendimiento real depende de variables muy concretas: longitud de los prompts, concurrencia, precisión numérica y motor de inferencia elegido. 1
19
Contexto de hasta un millón de tokens: capacidad, no garantía de coste
El modelo tiene un contexto nativo de 262.144 tokens. NVIDIA documenta despliegues con una ventana de contexto de un millón de tokens, y el límite de salida publicado ronda los 131.000 tokens. 1
19
21
Estas cifras no significan que una petición de un millón de tokens vaya a ser rápida, económica o igual de fiable en cualquier sistema. Los prompts extensos elevan el trabajo de procesamiento inicial (prefill) y la presión sobre la caché KV. Para análisis documental, recuperación sobre grandes corpus o trazas extensas de agentes, lo razonable es probar el patrón exacto de entradas y concurrencia que se espera en producción.
Razonamiento y flujos de trabajo con agentes
Qwen3.8-2.4T-A95B incorpora el ajuste reasoning_effort, con opciones low, medium y xhigh, para intercambiar velocidad y coste por un razonamiento más profundo. La configuración publicada prioriza conservar el contenido de razonamiento. 1
Esto lo hace apto, en principio, para programación, síntesis de investigación, análisis de documentos largos y flujos de agentes. Sin embargo, un agente de producción no depende solo del modelo: requiere definiciones de herramientas, límites de permisos, aislamiento de ejecución, reintentos, observabilidad y evaluaciones propias de la aplicación.
Hay una limitación importante: el punto de control abierto es solo de texto y, según la información del lanzamiento, no permite desactivar el modo de razonamiento. Las organizaciones que necesiten entradas de imagen o vídeo, una ruta de conversación sin razonamiento y de baja latencia, o herramientas integradas deben distinguir este modelo descargable del servicio alojado Qwen3.8-Max. 3
8
21
Pesos abiertos no equivale a operación sencilla
Disponer de los pesos puede aportar control sobre la ubicación de los datos, la topología de despliegue, el comportamiento de servicio y el ajuste posterior al entrenamiento. NVIDIA NeMo AutoModel contempla ajuste fino de todos los parámetros mediante FSDP2, paralelismo de expertos y paralelismo de pipeline, una vía especializada para quien necesite adaptar el modelo. 18
A cambio, el listón técnico es alto. La documentación de NVIDIA NIM describe una ruta de despliegue exclusiva para GB300-NVL72, con un mínimo de cuatro nodos y Kubernetes. Las recetas de Dynamo usan vLLM o SGLang, pesos y caché KV en FP8, paralelismo tensorial y enrutamiento consciente de la caché KV; una configuración documentada utiliza 16 GPU GB300 repartidas en cuatro nodos. 19
21
No son requisitos mínimos universales, sino recetas soportadas por el proveedor. Aun así, dejan claro el entorno para el que está pensado: normalmente no es un modelo para un equipo personal, una estación de trabajo ni un único servidor convencional.
Las decisiones de servicio que más pesan
En un modelo de esta escala, la arquitectura de inferencia determina si la experiencia será viable:
- Cuantización: usar formatos de menor precisión reduce la memoria necesaria para inferencia, aunque exige validar calidad y estabilidad en las tareas reales. AWS cita FP8, MXFP4 y NVFP4 entre los formatos aplicables a este objetivo.
- Separar prefill y decode: procesar el prompt y generar token a token tienen cuellos de botella distintos. AWS describe pools de GPU dedicados a cada fase para reducir interferencias y mejorar la latencia por token cuando el tipo de carga lo justifica.
- Decodificación especulativa: un mecanismo más barato propone tokens y el modelo grande los verifica. Si las propuestas se aceptan, se reduce el trabajo de decodificación en serie.
- Servicio distribuido: las recetas de NVIDIA combinan vLLM o SGLang con enrutamiento consciente de KV, FP8 y paralelismo multinodo sobre sistemas GB200 o GB300.
19
NVIDIA comunicó más de 4.000 tokens por segundo por GPU y más de 350 tokens por segundo por usuario en una configuración Day-0 con FP8 sobre GB300 NVL72. Son mediciones del fabricante bajo una combinación específica de hardware y software, no una previsión universal para cualquier carga de producción.
Licencia: pesos abiertos no significa licencia permisiva
El modelo se distribuye bajo la Qwen3.8-Max License, una licencia personalizada, no bajo Apache-2.0 ni MIT. El texto concede amplios derechos para usar, modificar, distribuir, alojar, ajustar y crear obras derivadas, sujetos a sus condiciones.
Los resúmenes del lanzamiento indican obligaciones adicionales para determinados negocios de modelo como servicio (Model-as-a-Service) y asistentes de IA que superen un umbral de ingresos especificado. Dado que estas cláusulas pueden afectar tanto a un producto comercial como a su distribución posterior, conviene revisar la licencia vigente y pedir asesoramiento legal antes de lanzar un servicio basado en estos pesos. 3
10
Qwen3.8-Max alojado frente a A95B autoalojado
El producto alojado Qwen3.8-Max se presenta como una versión oficial basada en A95B, con funciones adicionales: entrada de visión, modo sin razonamiento, un millón de tokens de contexto por defecto y herramientas integradas oficiales. 8
12
La división práctica es clara:
- Elegir acceso alojado cuando importen más el escalado gestionado, la multimodalidad, las herramientas integradas y una operación más simple.
- Considerar A95B autoalojado cuando la soberanía de datos, el comportamiento de servicio personalizado, el ajuste fino o una utilización sostenida y elevada justifiquen el coste operativo.
El punto de control abierto no es, por tanto, un sustituto funcional completo del producto gestionado. Es una potente base textual a la que cada organización debe añadir producto, herramientas e infraestructura.
Cómo leer sus benchmarks
Qwen sitúa A95B en la categoría Max y sus materiales de lanzamiento publican resultados sólidos en evaluaciones de programación, investigación y razonamiento. Son señales útiles, pero no prueban que sea la mejor opción para todas las tareas ni para cualquier entorno de despliegue. 6
La decisión debería basarse en una evaluación propia: idiomas objetivo, secuencias de herramientas, longitud de recuperación, formatos de salida, requisitos de seguridad, latencia y presupuesto. Para la mayoría de equipos, la pregunta central no es si 95.000 millones de parámetros activos impresionan, sino si la mejora de capacidad compensa el coste y la complejidad de operar un modelo de 2,4 billones de parámetros.
En resumen
Qwen3.8-2.4T-A95B es un lanzamiento relevante porque pone a disposición de terceros un modelo textual Qwen de clase Max, con 2,4 billones de parámetros, para quienes necesitan controlar sus pesos y su despliegue. Su arquitectura dispersa mejora la historia de cómputo frente a un modelo denso equivalente, pero sigue siendo un proyecto de sistemas distribuidos de gran envergadura.
Para equipos bien financiados, puede abrir una vía hacia inferencia textual de nivel insignia, personalizable y con mayor control sobre los datos. Para equipos pequeños que buscan una instalación local directa, un modelo menor o un endpoint gestionado suele ser una alternativa más realista. 18
19
21
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
La gente también pregunta
¿Cuál es la respuesta corta a "Qwen3.8-2.4T-A95B: el modelo abierto de Alibaba que exige infraestructura de gran escala"?
Qwen3.8 2.4T A95B es el modelo de solo texto y pesos abiertos de la gama insignia Qwen Max: tiene 2,4 billones de parámetros, aunque activa cerca de 95.000 millones por token mediante una arquitectura MoE.
¿Cuáles son los puntos clave a validar primero?
Qwen3.8 2.4T A95B es el modelo de solo texto y pesos abiertos de la gama insignia Qwen Max: tiene 2,4 billones de parámetros, aunque activa cerca de 95.000 millones por token mediante una arquitectura MoE. Su contexto nativo es de 262.144 tokens; determinadas configuraciones documentadas alcanzan un millón.
¿Qué debo hacer a continuación en la práctica?
Que los pesos sean abiertos aporta control sobre datos, despliegue y ajuste fino, pero no convierte al modelo en una opción para un portátil o un servidor común: las recetas documentadas usan despliegues multinodo y G...