Модель
Модель на 2,4 триллиона параметров с контекстом в миллион токенов, бесплатным веб-чатом и — впервые для линейки Max — опубликованными весами. Разбираем поколение целиком: от 27-миллиардной модели для домашней видеокарты до облачного API.
параметров всего, 95 млрд активных на токен. Архитектура MoE на 512 экспертов
токенов максимального контекста; 262 144 — нативно, без расширения
дата публикации весов Qwen3.8-2.4T-A95B по новостям репозитория Qwen3.8
Qwen — это не одна нейросеть, а целое семейство моделей, которое выпускает команда Qwen внутри Alibaba Group. Китайское название линейки — 通义千问 (Tongyi Qianwen), в русском поиске оно прижилось как «квен». Под общим брендом живут текстовые модели, зрительно-языковые, генератор изображений Qwen-Image, синтез и распознавание речи Qwen3-TTS и Qwen3-ASR, агентские фреймворки и терминальный ассистент Qwen Code.
Отсюда путаница в запросах. «Qwen 3.0» и «Qwen 3» — это поколение 2025 года, «Qwen 3.6 35B A3B» — открытая MoE-модель апреля 2026-го, а «Qwen 3.8 Max» — актуальный флагман августа 2026-го. Номера растут дробными шагами, и внутри каждого поколения есть развилка Max / Plus / Flash плюс отдельная ветка открытых весов. Разбор всей линейки — на отдельной странице.
Главная новость поколения сформулирована в карточке модели прямо: впервые модель Max-класса вышла в открытый доступ. До этого веса публиковались только для средних и малых размеров, а флагманы Max оставались закрытыми — Qwen3.7 Max так и остался проприетарным.
Технически это разреженная смесь экспертов: 92 слоя, 512 экспертов, на каждый токен включаются 10 маршрутизируемых экспертов и один общий, гибридная схема внимания — Gated DeltaNet чередуется с Gated Attention. Такая конструкция даёт скорость модели на 95 миллиардов активных параметров при знаниях модели на 2,4 триллиона.
Второе заметное изменение — управляемая глубина рассуждений. Параметр
reasoning_effort принимает значения xhigh (по умолчанию),
medium и low: это прямой рычаг «точность против скорости и цены».
Плюс preserve_thinking — модель сохраняет ход рассуждений из предыдущих сообщений
диалога, а не начинает думать заново на каждом шаге.
Их легко перепутать, и разница принципиальная.
| Свойство | Открытые веса Qwen3.8-2.4T-A95B | Облачная qwen3.8-max |
|---|---|---|
| Вход | Только текст | Текст, изображения, видео |
| Режим мышления | Всегда включён, отключить нельзя | Есть режим без рассуждений |
| Контекст | 262 144, расширяется до 1 010 000 | 1 000 000 по умолчанию |
| Встроенные инструменты | Нет, поднимаете сами | Поиск, извлечение веб-страниц, интерпретатор кода, поиск по картинкам |
| Лицензия | Собственная qwen3.8-max | Платный сервис по договору |
То есть скачанная модель и модель в чате — не одно и то же. Если вам нужно, чтобы Qwen разбирал скриншоты и часовые видео, это умеет только облачная версия. Подробности — на странице о возможностях.
Разработчик публикует сравнение с Opus 4.8, Fable 5 и GPT 5.6 Sol в карточке модели. Qwen3.8-Max лидирует в PaperBench (93,0 против 90,5 у GPT 5.6 Sol), WideSearch (81,9), IFBench (82,8 — лучший результат в таблице), HealthBench (60,2), PLawBench (73,2) и PRBench-Finance (58,3). Уступает в чистом кодинге: Terminal Bench 2.1 — 86,6 против 88,8, SWE-bench Pro — 67,7 против 80,0 у Fable 5.
Картина складывается характерная: сильная модель для длинной профессиональной работы — юридической, финансовой, исследовательской — которая не выигрывает гонку чистого программирования, но подтягивается к лидерам вплотную.
Веб-чат на chat.qwen.ai. Разработчик пишет: бесплатен и открыт всем. Именно это имя стоит в заголовке страницы
QwenCloud и Alibaba Cloud Model Studio, OpenAI-совместимый интерфейс, 2 доллара за миллион входных токенов
Открытый агент для терминала, десктоп-приложение и плагины для VS Code, Zed и JetBrains
GGUF, FP8 и safetensors, Ollama, LM Studio, vLLM и SGLang — что реально влезает в домашнее железо
Qwen разрабатывает исследовательская команда Qwen внутри Alibaba Group. Китайское имя линейки — 通义千问 (Tongyi Qianwen), отсюда и русское «квен». Открытые веса публикуются на Hugging Face и ModelScope, код и обсуждения — в организации QwenLM на GitHub.
Частично. Веса Qwen/Qwen3.8-2.4T-A95B выложены на Hugging Face, но не под Apache 2.0, а под собственной лицензией qwen3.8-max. Младшая Qwen/Qwen3.8-27B — под Apache 2.0. Предыдущий флагман, Qwen3.7 Max, весов не имел вовсе.
Разработчик сравнивает поколения в карточке модели напрямую. Крупнее всего разрыв в агентских и кодовых сценариях: Terminal Bench 2.1 — 86,6 против 74,5, DeepSWE 1.1 — 56,6 против 21,6, FrontierSWE — 73,5 против 40,7, PaperBench — 93,0 против 64,8. В общих знаниях разница куда скромнее: GPQA Diamond 92,6 против 92,4.
2,4 триллиона параметров всего, 95 миллиардов активных — это разреженная MoE-архитектура на 512 экспертов, из которых на токен включаются 10 маршрутизируемых и 1 общий. Контекст 262 144 токена нативно и до 1 010 000 с расширением; в облачной версии миллион включён по умолчанию.
Это разные поколения, а не разные продукты. «Qwen 3» и «Qwen 3.0» в поиске означают линейку 2025 года. Дальше номера пошли дробным шагом: Qwen3.5 — 16.02.2026, Qwen3.6 — апрель 2026, Qwen3.7 Max — май 2026, Qwen3.8 — август 2026. Дробь сбивает с толку, но 3.8 старше 3.7 и тем более 3.0.
По сравнению, которое публикует сам разработчик, Qwen3.8-Max выигрывает на длинной профессиональной работе: PaperBench — 93,0 против 90,5 у GPT 5.6 Sol, IFBench — 82,8 (лучший результат таблицы), плюс WideSearch 81,9, HealthBench 60,2 и PLawBench 73,2. Уступает в чистом программировании: Terminal Bench 2.1 — 86,6 против 88,8, SWE-bench Pro — 67,7 против 80,0 у Fable 5.
Хронология релизов от 3.5 до 3.8, различие Max, Plus и Flash, размеры открытых моделей
201 язык в поколении 3.5, результаты в российском бенчмарке MERA и качество русского на практике
Сравнение с другими моделями, актуальные данные о доступности и оценки в одном месте