@rohanpaul_ai: 阿里巴巴发布了Qwen3.8-Max，一个2.4万亿参数模型，每个token仅激活约950亿参数。一个……

阿里巴巴发布了Qwen3.8-Max，这是一个拥有2.4万亿参数的模型，每个token仅激活约950亿参数。一条帖子串

• 从空白文件夹到可上线应用。没有逐步手把手的指导。完整的GitHub轨迹。

• 稀疏混合专家（Sparse MoE）架构，即一个小型路由网络为每个token挑选少量专家，因此你只需为950亿参数的计算量付费，而模型本身存储着2.4万亿参数的知识。

• 上下文窗口为100万个token，单次回复最长可达131,072个token，在最终敲定答案之前，私有思考预算可延伸至262,000个token。

• 定价为每百万输入token 2.00美元、每百万输出token 6.00美元，缓存读取低至每百万0.17美元，因此复用稳定的提示词前缀而非重新发送，成本大约降低8倍。

• 在Terminal Bench 2.1上（该基准测试检验模型能否端到端地通过真实命令行完成任务），它得分86.6，相比之下Opus 4.8为84.6，GPT-5.6 Sol为88.8。

• 它在PaperBench上还取得了93.0的成绩（该测试要求用可运行的代码重建研究论文中的实验），以及GPQA Diamond上的92.6（一组连搜索引擎都无法帮助作答的科学问题）。

官方技术报告中透露了一些重磅发现。

• 仅给出一篇研究论文和一些GPU，它在5天内编写了约7,600行代码，并运行了33轮训练，复现了论文的全部6项发现。

• 它被交给一个空白文件夹和一个待构建的命令行工具，然后被独自留下。经过大约16天的无人值守运行，代码仓库累计了265次提交和127个拉取请求，模型在每次更改后都会自行触发构建、单元测试和端到端检查。

• 在密码芯片设计任务中，它运行了约500轮编辑、仿真和布局，且没有参考设计可供复制。它首个能工作的电路使用了8,298个逻辑门，随后将其压缩至678个，物理芯片面积缩减81%，同时仍满足500 MHz的时序要求。

• 模拟经营线上商店一整年：600家供应商、7,000种产品和隐藏其中的152个欺诈商家。它以10万元启动资金，年末结余416,252元，比表现第二好的模型高出约38%。