Qwen · 2026-08 · 稀疏 MoE
Qwen3.8 2.4T A95B
Qwen3.8 2.4T A95B 是 Qwen 於 2026-08 發布的 分組查詢注意力（GQA） Transformer，共 92 層，隱藏維度 8192，上下文視窗 262,144 個 token。
層堆疊
线性 ×69 注意力 ×23 · 層數 92
關鍵參數
| 實驗室 | Qwen |
|---|---|
| 發布時間 | 2026-08 |
| 總參數 | 2,399.6 B |
| 激活參數 | 95 B |
| 上下文 | 262,144 tokens |
| 注意力 | GQA (64:4) |
| 層數 | 92 |
| 隱藏維度 | 8,192 |
| 注意力頭 | 64 |
| 詞表 | 248,320 |
| 位置編碼 | RoPE |
| 正規化 | RMSNorm |
| 激活函數 | silu |
| 訓練精度 | bf16 |
| 架構類別 | Qwen3_5MoeForCausalLM |
架構概覽
注意力
分組查詢注意力（GQA） — 64 q-heads / 4 kv-heads.
前饋 / MoE
它是稀疏混合專家模型：512 個路由專家、top-10 路由；每個 token 約激活 95B 參數。
設定中包含 1 個額外的多 token 預測（MTP）層，用於加速解碼。
欄位級對比
對比對象為同實驗室的上一代模型；無前代時取結構最相似的模型。倍數欄 = 本模型數值 ÷ 對比模型數值。
與前代 Qwen3.6 35B A3B 的全欄位對比
| 模型 | Qwen3.8 2.4T A95B | Qwen3.6 35B A3B | 倍數 |
|---|---|---|---|
| model_type | qwen3_5_moe_text | qwen3_5_moe | ≠ |
| architectures | Qwen3_5MoeForCausalLM | Qwen3_5MoeForConditionalGeneration | ≠ |
| hidden_size | 8192 | 2048 | ×4.00 |
| num_hidden_layers | 92 | 40 | ×2.30 |
| num_attention_heads | 64 | 16 | ×4.00 |
| num_key_value_heads | 4 | 2 | ×2.00 |
| head_dim | 256 | 256 | ≈1 |
| hidden_act | silu | silu | ＝ |
| num_experts_per_tok | 10 | 8 | ×1.25 |
| moe_intermediate_size | 2048 | 512 | ×4.00 |
| max_position_embeddings | 262144 | 262144 | ≈1 |
| rms_norm_eps | 0.000001 | 0.000001 | ≈1 |
| vocab_size | 248320 | 248320 | ≈1 |
| attention_bias | false | false | ＝ |
| attention_dropout | 0 | 0 | ＝ |
| attn_output_gate | true | true | ＝ |
| bos_token_id | 248044 | 248044 | ≈1 |
| dtype | bfloat16 | bfloat16 | ＝ |
| eos_token_id | 248044 | 248044 | ≈1 |
| full_attention_interval | 4 | 4 | ≈1 |
| initializer_range | 0.02 | 0.02 | ≈1 |
| layer_types | linear_attention×69 + full_attention×23 | linear_attention×30 + full_attention×10 | ≠ |
| linear_conv_kernel_dim | 4 | 4 | ≈1 |
| linear_key_head_dim | 128 | 128 | ≈1 |
| linear_num_key_heads | 16 | 16 | ≈1 |
| linear_num_value_heads | 128 | 32 | ×4.00 |
結構最相似的模型
- GLM-4.5 (GLM, 2025-07) 0.994
- GLM-4.6 (GLM, 2025-10) 0.994
- Qwen3 235B A22B (Qwen, 2025-04) 0.991
- MiniMax-Text-01 (MiniMax, 2025-01) 0.982
- MiniMax-M1 (MiniMax, 2025-06) 0.982
- GLM-4.5-Air (GLM, 2025-07) 0.980
相似度取值範圍 0（無共同類別特徵）到 1（結構輪廓完全一致）。
原始 config 欄位
39 個欄位
| architectures | Qwen3_5MoeForCausalLM |
|---|---|
| attention_bias | false |
| attention_dropout | 0 |
| attn_output_gate | true |
| bos_token_id | 248044 |
| dtype | bfloat16 |
| eos_token_id | 248044 |
| full_attention_interval | 4 |
| head_dim | 256 |
| hidden_act | silu |
| hidden_size | 8192 |
| initializer_range | 0.02 |
| layer_types | linear_attention×69 + full_attention×23 |
| linear_conv_kernel_dim | 4 |
| linear_key_head_dim | 128 |
| linear_num_key_heads | 16 |
| linear_num_value_heads | 128 |
| linear_value_head_dim | 128 |
| mamba_ssm_dtype | float32 |
| max_position_embeddings | 262144 |
| model_type | qwen3_5_moe_text |
| moe_intermediate_size | 2048 |
| mtp_num_hidden_layers | 1 |
| mtp_use_dedicated_embeddings | false |
| num_attention_heads | 64 |
| num_experts | 512 |
| num_experts_per_tok | 10 |
| num_hidden_layers | 92 |
| num_key_value_heads | 4 |
| output_gate_type | swish |
| output_router_logits | false |
| partial_rotary_factor | 0.25 |
| rms_norm_eps | 0.000001 |
| router_aux_loss_coef | 0.001 |
| shared_expert_intermediate_size | 2048 |
| tie_word_embeddings | false |
| transformers_version | 4.57.3 |
| use_cache | true |
| vocab_size | 248320 |