影片筆記：阿里Qwen3.8：2.4万亿参数，真能省30%显存吗？

一句話總結

阿里通義團隊發布了參數量高達 2.4 萬億的旗艦級多模態 MOE 大模型「千問 3.8」，透過 MOE 架構僅激活部分專家網絡以節省算力，並提供思考模式與超長上下文支持，在代碼與數據分析任務表現強勁，但高顯存門檻限制了普通用戶的本地運行能力。

核心重點

1. 產品發布與定位：阿里通義團隊發布了名為「千問 3.8」的旗艦級多模態 MOE 大模型，主打超高階推理能力與複雜智能體（Agent）開發支持。
2. 技術架構優勢：

• 總參數高達 2.4 萬億。
• 採用 MOE（混合專家）架構，每次請求僅激活一小部分專家網絡，避免算力浪費，實現高效運行。
• 最大版本總參數 2350 億，但僅激活 220 億；中等版本總參數 300 億，激活 30 億；最小版本總參數 40 億。

1. 關鍵功能更新：

• 思考模式：允許模型在「快速響應」與「深度邏輯推理」之間自由切換，平衡速度與深度。
• 上下文處理：預設支持 25.6 萬 token，可擴展至 100 萬 token，足以容納多本書籍內容。

1. 市場表現與限制：

• 在阿里云預覽測試中，性能緊追行業頂尖的 Fable5。
• 在代碼編寫和數據分析任務上表現強勁，幾乎沒有對手。
• 硬件門檻：2.4 萬億參數帶來極高的顯存需求，普通用戶本地幾乎無法運行。
• 數據現狀：目前缺乏獨立第三方的全面評測數據。

1. 適用場景：適合開發複雜 Agent、處理超長文檔，或尋求全棧方案替代「碧原」大模型的用戶，被視為高性價比選擇。

詳細大綱

1. 產品發布與定位

• 發布者：阿里通義團隊。
• 產品名稱：千問 3.8。
• 定位：旗艦級多模態 MOE 大模型。
• 核心賣點：超高階推理能力、複雜智能體（Agent）開發支持。

2. 技術架構與性能優化

• 參數量：高達 2.4 萬億。
• 架構核心：MOE（混合專家）架構。
• 運行機制：每次請求僅激活一小部分專家網絡，避免算力浪費，實現「不卡頓」。

3. 規格版本

• 最大版本：總參數 2350 億，每次激活 220 億。
• 中等版本：總參數 300 億，激活 30 億。
• 最小版本：總參數 40 億。

4. 關鍵功能更新

• 思考模式：允許模型在「快速響應」與「深度邏輯推理」之間自由切換。
• 上下文處理：預設支持 25.6 萬 token，可擴展至 100 萬 token（可容納多本書籍內容）。

5. 市場表現與限制

• 性能對比：在阿里云預覽測試中緊追行業頂尖的 Fable5。
• 優勢領域：代碼編寫和數據分析任務幾乎沒有對手。
• 硬件門檻：2.4 萬億參數意味著極高的顯存需求，普通用戶本地幾乎無法運行。
• 數據現狀：目前缺乏獨立第三方的全面評測數據。

6. 適用場景與結論

• 目標用戶：開發複雜 Agent、處理超長文檔、希望用全棧方案替代「碧原」大模型的用戶。
• 價值主張：高性價比選擇。
• 行業趨勢：大模型競賽不再僅拼規模，能在速度與深度間找到平衡才是真正的生產力工具。

工具 / 模型 / 名詞整理

• 千問 3.8：阿里通義團隊發布的旗艦級多模態 MOE 大模型，總參數高達 2.4 萬億。
• 阿里通義團隊：該模型的發布團隊。
• MOE（混合專家）：大模型架構，通過僅激活部分專家網絡來節省算力。
• 阿里云：提供預覽測試的平台。
• Fable5：被提及為行業頂尖且性能緊追的對標模型。
• Agent（智能體）：複雜智能體開發，是該模型支持的應用場景之一。
• 碧原：被提及為可被替代的大模型名稱。

操作流程整理

*本段筆記主要為產品介紹與特性分析，未包含具體的操作步驟流程。*

值得注意的限制或風險

1. 顯存門檻過高：2.4 萬億參數帶來極高的顯存需求，導致普通用戶幾乎無法在本地運行該模型。
2. 缺乏第三方評測：目前僅有阿里云預覽測試數據，缺乏獨立第三方的全面評測數據，性能真實性有待驗證。
3. 聽寫與名稱不確定性：模型名稱「千問 3.8」、對標模型「Fable5」及替代對象「碧原」可能存在辨識錯誤，需進一步查證。

逐字稿辨識疑點

• 千問 3.8：逐字稿提及「參數量高達 2.4 萬億」且為「阿里通意團隊」最新旗艦。需查證阿里官方是否確實發布名為「千問 3.8」且參數達此規模的產品，或是否為聽寫錯誤（如 Qwen 2.5 或 Qwen-Max 等）。
• 通意團隊：阿里大模型團隊通常稱為「通義實驗室」或「通義千問團隊」，「通意」疑為口誤或聽寫錯誤。
• Fable5：逐字稿稱其為「行業頂尖」且性能緊追對象。需查證是否存在名為「Fable5」的知名大模型，或是否為「Claude 3.5」、「Gemini 1.5 Pro」或其他模型的聽寫錯誤。
• 碧原：逐字稿提及「替代碧原大模型」。需查證是否存在名為「碧原」的大模型，或是否為「百川」、「百度文心」或其他模型的聽寫錯誤。
• 全战方案：逐字稿提及「全战方案」，疑為「全棧方案」的聽寫錯誤。

可延伸追問

1. 阿里官方是否已確認發布名為「千問 3.8」的產品？其確切參數規模與架構細節為何？
2. 「Fable5」具體指代哪款模型？其在代碼和數據分析任務上的具體表現數據為何？
3. 對於普通用戶，是否有針對「千問 3.8」的雲端 API 調用方案或輕量化版本建議？
4. 「碧原」大模型具體指代何種產品？其與「千問 3.8」在功能上的主要差異為何？
5. 目前是否有獨立第三方機構對該模型進行過全面評測？結果如何？