// 通义千问 Qwen · 文本大模型
Qwen3.8-2.4T-A95B 本地部署与显存需求
总 2.4T · 激活 95B（MoE） 参数。4 位量化约 1.60 TB，BF16 约 5.28 TB（1 个 8K token 请求）。
发布 2026-08-08许可：自定义许可，需阅读显存为估算值
01规格
| 发布方 | 阿里巴巴通义 · Qwen |
|---|---|
| 系列 | 通义千问 Qwen · Qwen3.8 |
| 类型 | 文本大模型 (text-generation) |
| 参数量 | 总 2.4T · 激活 95B（MoE） 来源：官方模型卡“Number of Parameters: 2.4T in total and 95B activated” |
| 上下文长度 | 256K tokens (262,144)取自 config.json 的 max_position_embeddings |
| 结构 | 92 层（23 层全注意力） · GQA+HYBRID · MoE |
| 发布权重 | BF16 · 4.89 TB下载量 |
| 许可 | qwen3.8-max · 自定义许可，需阅读厂商使用自定义许可，本站未归类，请阅读许可原文。 |
| 发布日期 | 2026-08-08 （Hugging Face 仓库创建日） |
02需要多少显存（估算）
合计 = 权重 + 10% + 0.5GB 运行开销 + 1 个请求的 KV 缓存（FP16）。并发用户越多，KV 部分成倍增加。
| 精度 | 权重 | 合计 @ 8K | 合计 @ 32K | 合计 @ 128K | 最低显卡 | Mac |
|---|---|---|---|---|---|---|
| BF16 / FP16（原始精度） | 4.80 TB | 5.28 TB | 5.28 TB | 5.29 TB | 多机 | — |
| FP8 / INT8 / Q8_0 | 2.55 TB | 2.81 TB | 2.81 TB | 2.82 TB | 2 台 8 × B300（4,608GB） | — |
| 4 位量化（Q4_K_M / AWQ / GPTQ-Int4） | 1.46 TB | 1.60 TB | 1.60 TB | 1.61 TB | 8 × B300（2,304GB） | — |
每个请求的 KV 缓存：8K 0.8 GB · 32K 3.1 GB · 128K 12.3 GB
每权重比特：BF16 16、FP8 8.5、4 位 4.85。“放得下” = 合计 ≤ 显存 90%；Mac GPU 约可用统一内存的 2/3（≤36GB）或 3/4（更大机型）。MoE 模型所有专家都要进显存，按总参数算。 估算方法 →
03怎么跑
只列厂商或推理框架官方明确支持的方式。
- vLLM — 官方模型卡提及
- SGLang — 官方模型卡提及
- Transformers — 官方模型卡提及
04官方仓库与量化版
Qwen 官方发布的 2 个仓库。
05通义千问 Qwen 其他模型
全部 112 个 →| 模型 | 参数 | 4 位合计 | 发布 |
|---|---|---|---|
| Qwen3.8-27B · 同系列 | 27.8B | 19.6 GB | 2026-08-05 |
| Qwen-Image-2.1-Turbo | 7.12B | 5.2 GB | 2026-10-09 |
| Qwen-Image-2.1 | 7.12B | 5.2 GB | 2026-09-14 |
| Qwen3.8-Flash-Next | 180B / 6B | 121 GB | 2026-08-24 |
| Qwen3.6-27B | 27.8B | 19.6 GB | 2026-04-21 |
| Qwen3.6-35B-A3B | 36B / 3B | 24.6 GB | 2026-04-15 |
| Qwen3.5-0.8B | 873M | 1.2 GB | 2026-02-28 |
| Qwen3.5-2B | 2.27B | 2.1 GB | 2026-02-28 |
| Qwen3.5-4B | 4.66B | 3.9 GB | 2026-02-27 |
06来源
数据核对于 2026-08-12。参数、上下文、许可取自官方仓库；显存为本站估算。