Qwen3.8-Flash 发布：125B MoE 架构，激活参数仅 6B，训练成本大幅降低
2026/08/27 11:39阅读量 3
通义千问团队发布 Qwen3.8-Flash 模型，采用 1250 亿总参数的混合专家（MoE）架构，推理时仅激活 60 亿参数。该模型在保持高性能的同时，将训练成本压缩至前代模型的九分之一，显著提升了效率与经济性。
事件概述
通义千问团队正式发布了新一代大语言模型 Qwen3.8-Flash。该模型基于高效的混合专家（Mixture of Experts, MoE）架构设计，旨在平衡模型性能、推理速度与训练成本。
核心信息
- 架构规模：
- 总参数量：1250 亿（125B）。
- 激活参数量：60 亿（6B）。这种稀疏激活机制使得模型在推理过程中仅需调用部分专家网络，从而大幅降低计算开销。
- 成本优化：
- 相比前代模型，Qwen3.8-Flash 的训练成本降低至原来的 1/9。这一突破性的成本缩减主要得益于 MoE 架构的高效性以及训练策略的优化。
- 技术特点：
- 通过精细调整专家路由机制，模型在保持高吞吐量的同时，实现了更低的延迟和更高的资源利用率。
值得关注
Qwen3.8-Flash 的发布标志着开源社区在构建高性价比、大规模基础模型方面取得了重要进展。其极低的激活参数比例和训练成本优势，使其更适合需要高频推理或资源受限场景下的部署应用。