اگر امروز برای اجرای مدل‌های استدلالی پیشرفته به APIهای بسته وابسته هستید، حالا می‌توانید قدرت یک مدل ۲.۴ تریلیون پارامتری را روی سخت‌افزار خودتان تجربه کنید. علی‌بابا در ۱۴ اوت ۲۰۲۶ با معرفی خانواده مدل‌های Qwen3.8، بازی قدرت در اکوسیستم وزن‌های باز را تغییر داد.
این اقدام به توسعه‌دهندگان اجازه می‌دهد ابزارهای کدنویسی و استدلال سطح بالا را بدون نیاز به پرداخت هزینه به شرکت‌های خارجی و با حفظ کامل حریم خصوصی، به‌صورت محلی اجرا کنند. همان‌طور که در تحلیل قبلی ما درباره‌ی رقابت مدل‌های بازمتن و بسته اشاره کردیم، کنترل روی زیرساخت در حال تبدیل شدن به اولویت اول سازمان‌هاست.
مدل زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن کتاب‌ها جواب می‌دهد — اکنون در دو سطح عملیاتی عرضه شده است. طبق مستندات منتشر شده، مشخصات این مدل‌ها به شرح زیر است:
- Qwen3.8-27B: یک مدل چندوجهی (Multimodal) — شبیه به انسانی که هم‌زمان متن، عکس و صدا را می‌فهمد — که در جریان‌های کاری اداری و کدنویسی واقعی، حتی از نسخه قبلی (Qwen3.7-Plus) بهتر عمل می‌کند. این مدل دارای پنجرهٔ زمینه (Context Window) — یعنی میز کاری که جا برای چند ورق دارد، نه برای کل کتابخانه — به اندازه ۲۶۲ هزار توکن است که با تکنیک YaRN تا ۱ میلیون توکن قابل گسترش است.
- Qwen3.8-2.4T-A95B: مدلی در سطح Max که برای گردش‌های کاری عامل‌محور (Agentic) و پیچیده طراحی شده است. این مدل در واقع نسخه محلی و بهینه‌شده‌ای از مدل Qwen3.8-Max است که پیش‌تر با ۲.۴ تریلیون پارامتر معرفی شد.
به نقل از مستندات مخزن Hugging Face، تیم علی‌بابا برای تسهیل استقرار، وزن‌های کوانتیده (Quantized) شده در قالب FP8 را برای مدل ۲.۴ تریلیونی ارائه کرده است. این روش با استفاده از اندازه بلوک ۱۲۸، باعث می‌شود عملکرد مدل تقریباً با نسخه اصلی یکسان بماند و در عین حال با ابزارهایی مثل vLLM و SGLang سازگار باشد.
برای مدیران کسب‌وکار، این یعنی هزینه اجرای عامل‌های (Agent) هوشمند سطح بالا به‌شدت کاهش یافته است. شما اکنون می‌توانید بین یک مدل سبک ۲۷ میلیاردی برای کارهای ساده یا یک غول ۲.۴ تریلیونی برای استقلال سازمانی کامل، بدون ترس از وابستگی به یک فروشنده خاص، انتخاب کنید.
توسعه‌دهندگان باید همین حالا این مدل‌ها را در Hugging Face یا ModelScope با زیرساخت‌های فعلی خود مقایسه کنند تا بهینه ترین نسبت پارامتر به عملکرد را برای نیاز خود بیابند.
گام بعدی شما
- مدل Qwen3.8-27B را برای اتوماسیون کارهای اداری در محیط محلی تست کنید.
- اگر سخت‌افزار کافی دارید، نسخه FP8 مدل ۲.۴ تریلیونی را برای تحلیل‌های پیچیده سازمانی ارزیابی کنید.
- بررسی کنید که آیا پنجره متنی ۱ میلیونی این مدل، نیاز شما به سیستم‌های RAG را کاهش می‌دهد یا خیر.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو