通义千问八月连开三个权重，只有一个是 Apache 2.0

8 月 12 日、8 月 14 日、8 月 26 日，通义千问在两周内连续放出三个开源权重。很多人只看到「阿里又开源了」，没注意到这三个仓库的 license 字段写的是三个不同的东西。

表格可左右滑动

只有中间那个是 Apache 2.0。另外两个用的是阿里自己的协议，带商用限制和营收分成条款。

这件事对创业公司的影响比任何一项 benchmark 都大。你把一个带营收分成条款的模型部署进核心产品，等业务真跑起来了，合规部门会回来找你。

一、Qwen3.8-27B：这批里最值得国内团队认真看的一个

27B，dense 架构不是 MoE，内置视觉编码器。这个组合在 2026 年下半年其实不多见——大家都去做 MoE 了。

• →原生上下文 262,144，可扩到 1,000,000
• →hidden 5120，64 层混合注意力（16 个 DeltaNet 块加 Gated Attention 块），24 个 Q 头 / 4 个 KV 头 / 48 个线性注意力头
• →支持文本、图像、视频
• →思考模式可以关

模型卡上的分数：

表格可左右滑动

27B、dense、Apache 2.0、带视觉、OSWorld-Verified 84.3。这几个词放在一起是什么意思：这是一个单机就能跑、可以商用无附加条款、能看图能操作界面的模型。

对国内团队的具体价值：做私有化交付的，这是目前最干净的一个选择。客户问「这个模型的授权怎么算」，你可以直接把 Apache 2.0 甩过去，不用解释营收门槛、不用解释要不要在界面上标厂商名字。

三个坑（官方模型卡里写的）：

• →开了 YaRN 扩长上下文会拖累短文本表现。它用的是 static YaRN，缩放系数是固定的，不会按实际序列长度自适应。所以别默认把 YaRN 常开——只在真要跑超长序列的那条链路上开
• →视频预处理的默认参数很保守。要处理小时级视频，得自己调帧率和分辨率参数，用默认值会漏掉大量信息
• →多轮任务里降低 reasoning_effort 不保证总耗时更短。听起来反直觉，但多轮场景下低强度可能导致更多来回，总时间反而更长

二、Qwen3.8-2.4T-A95B：开源的旗舰，但阉过

8 月 12 日放出，2.4T 总参 / 95B 激活。结构上是 92 层，由 23 个循环单元组成，每个循环是「3 个 Gated DeltaNet 接 MoE，加 1 个 Gated Attention 接 MoE」；512 个专家，每 token 选 10 个路由专家加 1 个共享专家，专家维 2048。

分数确实是旗舰水准：GPQA Diamond 92.6、SWE-bench Pro 67.7、Terminal Bench 2.1 86.6、PaperBench 93.0。

但它和云端那个 qwen3.8-max 不是一个东西。开源版少掉的：

• →没有多模态视觉输入
• →没有非思考模式，强制走思考链
• →默认不是 1M 上下文（原生 262,144，要靠 YaRN 扩到 1,010,000）
• →没有内置工具

支持 reasoning_effort 的 xhigh / medium / low 三档。

许可证名就叫 qwen3.8-max，和云端那个闭源模型同名——带商用限制和营收分成。要自己部署这个规模的东西，本来门槛就高；再加一层许可证审查，实际上把它的适用人群压到了很小一撮。

老实说：如果你有能力部署 2.4T 的 MoE，你大概率也有能力和阿里直接谈合作。这个开源版的真实意义更像是技术展示和研究用途，不是给人拿去做生意的。

三、Qwen3.8-Flash-Next：125B 的壳，6B 的激活

8 月 26 日放出的这个最有意思，它是 Qwen4 架构的早期预览。

• →125B 骨干 + 51B 的 N-gram 嵌入表 + 4B MTP，磁盘上约 180B
• →每 token 只激活 6B
• →48 层，512 个专家每 token 激活 11 个（10 路由 + 1 共享），专家中间维 640
• →混合注意力：Gated DeltaNet 配 Qwen Sparse Attention，而且在「微块」级别而不是单 token 级别运行
• →Gated Residual 调制信息流
• →原生 262,144，可扩 1M

分数：SWE-bench Pro 62.5、CoWorkBench 73.9、GPQA Diamond 91.7、AndroidWorld 84.5、RealWorldQA 88.5。

SWE-bench Pro 62.5 比 27B 的 61.7 高，比 2.4T 旗舰的 67.7 低。而它每 token 只激活 6B。这是这三个模型里性价比曲线最漂亮的一个。

官方给的推荐采样参数要照抄，别自己瞎设：

思考模式：temperature 1.0, top_p 0.95, top_k 20
Instruct 模式：temperature 0.7, top_p 0.80, top_k 20

默认走思考模式，可以通过 API 参数关掉直接出结果。

许可证是 qwen-community-1.0——又是一个自定义协议，不是 Apache。

三个模型，三份许可证。这不是疏忽，是分层：最值钱的给最严的条款，拿来打生态的给 Apache。看懂这一层，你就知道该把哪个搬进生产了。

四、怎么选，怎么跑

私有化交付、要给客户讲清楚授权 → Qwen3.8-27B，没有第二个选项。

自己内部用、有显卡、想要最好的性价比 → Flash-Next。6B 激活意味着它对推理资源的要求远低于它的纸面规模，一台配置不算夸张的机器就能跑起来。

要跑到 2.4T-A95B 那个档位 → 先把 LICENSE 读完，再算部署成本，最后才看要不要跑。顺序不能反。

三个都有 FP8 版本，显存吃紧的优先拉 FP8。

最后提醒一句关于 YaRN 的：三个模型的模型卡都写了 static YaRN 会影响短文本表现。别为了「万一要用到 1M」就把它常开。正确做法是拆成两套部署配置，或者两个 serving 实例，长短分流。为了一个可能用不上的能力，把日常 95% 的请求质量拉下来，这笔账怎么算都不划算。