Qwen 3.8 MoE: qué miembros son de mezcla de expertos y qué cambia para ti

Sí: la generación 3.8 incluye modelos de mezcla de expertos, y los que responden a la pregunta directa son Qwen3.8-2.4T-A95B, el núcleo Max de 2,4 billones de parámetros que Alibaba publicó como pesos abiertos en agosto de 2026, y Qwen3.8-Flash-Next, la vista previa dispersa de 125 mil millones de parámetros de la arquitectura Qwen4. Los dos integrantes que un lector puede invocar realmente —Qwen3.8-Max y Qwen3.8-Flash — son las compilaciones servidas por el propio proveedor derivadas de esas dos arquitecturas, así que son dispersos por ascendencia aunque sus configuraciones internas no se publiquen. La única excepción es el integrante que la mayoría de la gente ya tiene en sus manos al llegar aquí: Qwen3.8-27B es denso, y nada en su nombre lo indica. Esa es toda la respuesta, y el resto de esta página son las cifras que la respaldan, cada una tomada de la propia ficha del modelo de Alibaba y no de un hilo de debate.

Las fechas de este artículo se utilizan para datar los modelos, no para anunciarlos. Lo que responde esta página es la pregunta que los lectores están escribiendo ahora: del 2026-09-15 al 2026-10-12, nuestra propia propiedad de Search Console registró 432 impresiones y 35 clics en la única consulta qwen 3.8 moe — un 8,1 % de tasa de clics, la más alta de cualquier consulta de su lote — además de tres filas de cola larga que llevan a la familia a 440 impresiones y 36 clics. Un lector que escribe eso no busca noticias. Está tratando de averiguar si el modelo que está a punto de descargar o invocar es disperso, porque la respuesta decide qué puede ejecutar. Nada en este sitio lo respondía, y por eso existe esta página. Cuando una pregunta trata sobre un miembro específico en lugar de la arquitectura, se nombra la página que le corresponde a medida que avanzamos.

El nombre te lo dice, si conoces la notación

Alibaba no incluye «MoE» en ningún nombre de modelo de Qwen 3.8. Escribe el recuento de parámetros como total-Aactivos, por lo que 2.4T-A95B se lee como 2,4 billones de parámetros almacenados y 95 mil millones activados por token. La -A mitad es la pista: un nombre con una cifra de activación es un modelo disperso, y un nombre con un único número redondo de miles de millones es uno denso. Qwen3.8-27B no lleva cifra de activación porque todos y cada uno de sus parámetros están activos en cada token, y su ficha lo describe como «un modelo denso, compacto y fácil de desplegar» en la primera frase que lo describe.

Esa lectura se mantiene a lo largo de la generación:

• Qwen3.8-2.4T-A95B — mezcla de expertos, 512 expertos, 2,4T almacenados / 95B activos, pesos abiertos, licencia personalizada.

• Qwen3.8-Flash-Next — mezcla de expertos, 512 expertos, 125B almacenados más una tabla de n-gramas de 51B / 6B activos, pesos abiertos, licencia comunitaria.

• Qwen3.8-Max — la build servida; la propia ficha de Alibaba para los pesos afirma que Max es «la versión oficial basada en Qwen3.8-2.4T-A95B», y su página del modelo en la nube lo describe como un «buque insignia MoE de 2,4 billones de parámetros». Disperso.

• Qwen3.8-Flash — la versión servida derivada de Flash-Next, que incorpora un contexto de 1M de tokens por defecto. Dispersa por ascendencia.

• Qwen3.8-27B — denso, 27B almacenados y 27B activos, Apache 2.0. No hay expertos en ninguna parte de su configuración.

La arquitectura, a partir de las propias tarjetas

Ambos miembros dispersos están documentados de la misma forma en Hugging Face, y las cifras a continuación se citan de Qwen/Qwen3.8-2.4T-A95B y Qwen/Qwen3.8-Flash-Next respectivamente. Cuando una cifra no está en una tarjeta, esta página lo indica en lugar de tomarla prestada de un foro.

Qwen3.8-2.4T-A95B — el núcleo Max

Es un modelo de lenguaje causal de 92 capas cuya estructura de bloques figura en la tarjeta como 23 × (3 × (Gated DeltaNet → MoE) → 1 × (Gated Attention → MoE)). En términos simples: tres bloques de atención lineal entre cada bloque de atención completa, y una capa feed-forward de mezcla de expertos después de ambos. La capa de expertos se especifica como 512 expertos, 10 enrutados más 1 compartido activado por token, con una dimensión intermedia de los expertos de 2048. Los parámetros almacenados son 2.4T y los parámetros activados son 95B. El esquema de atención es híbrido: Gated DeltaNet con 128 cabezas lineales para V y 16 para QK con dimensión de cabeza 128, emparejado con Gated Attention con 64 cabezas de consulta y 4 cabezas KV con dimensión de cabeza 256, con una dimensión rotatoria de 64. El contexto es de 262,144 tokens de forma nativa, extensible a 1,010,000. La tarjeta también señala la predicción multi-token entrenada con múltiples pasos, y el archivo de configuración confirma directamente los campos dispersos: num_experts: 512, num_experts_per_tok: 10, num_hidden_layers: 92.

Dos cosas sobre las que la ficha es explícita y que un lector no debería pasar por alto. Es solo texto —sin torre de visión— y el propio consejo de la ficha indica que el Max alojado añade entrada de visión, soporte para el modo no pensante, contexto de 1M por defecto y herramientas integradas sobre estos pesos, por lo que el artefacto descargable es más limitado que la API con la que comparte núcleo. Y se distribuye bajo un acuerdo personalizado, qwen3.8-max, no Apache 2.0 y no la licencia comunitaria; esta página no vuelve a discutir esos términos, y se cubren en la página de los propios pesos.

Qwen3.8-Flash-Next — la arquitectura dispersa más pequeña

Este es el miembro en el que el ratio de dispersión es más extremo y más fácil de malinterpretar. Su ficha indica 48 capas organizadas como 12 × (3 × (Gated DeltaNet → MoE) → 1 × (Qwen Sparse Attention → MoE)), los mismos 512 expertos con 10 enrutados más 1 compartido, y una dimensión intermedia de los expertos de 640 —un tercio de la del Max core. Los parámetros se declaran de forma inusual: "125B con 6B activados, más 51B de embedding n-gram y 4B de MTP". Esos tres componentes son la razón por la que su repositorio muestra 180B en la barra lateral mientras el cuerpo MoE es de 125B, y por la que un lector que compara "125B vs 2.4T" está comparando los números equivocados. La atención es Gated DeltaNet emparejada con Qwen Sparse Attention, que, según la ficha, opera a nivel de microbloque en lugar de seleccionar tokens individuales. El contexto es de 262.144 de forma nativa, ampliable a 1.000.000. Licencia: Qwen Community License 1.0. Su archivo de configuración también registra num_experts: 512, num_experts_per_tok: 10 y 48 capas.

Lo que A​libaba no ha publicado

Para elQwen3.8-Max servido no hay ningún recuento de expertos, ni número de capas, ni cifra de parámetros activados y ni siquiera una especificación de enrutamiento por token en ningún material del proveedor que esta página haya podido encontrar. El proveedor lo describe como un buque insignia MoE de 2,4 billones de parámetros y afirma que está construido sobre Qwen3.8-2.4T-A95B; ese es el límite del detalle publicado, y que la arquitectura coincida es una inferencia razonable a partir de esas dos afirmaciones, no un hecho documentado. La misma laguna se aplica en esencia al Qwen3.8-Flash servido, cuya derivación de Flash-Next sí se declara, pero cuya configuración interna no se publica en absoluto. Cualquier página que te dé un recuento de expertos para el Max alojado está rellenando un vacío que el proveedor dejó abierto.

Lo que cambia la cifra de parámetros activos a la hora de ejecutarlo

Esta es la razón por la que la pregunta se plantea siquiera, y la respuesta va en dos direcciones a la vez.

El tamaño de la descarga sigue al total, no al recuento de activos. Qwen3.8-2.4T-A95B ocupa aproximadamente 4,9 TB repartidos en 213 shards en su repositorio BF16 y aproximadamente 2,5 TB en la variante FP8; en cualquier caso, un artefacto a escala de rack, no de estación de trabajo. Qwen3.8-Flash-Next es de unos 360 GB en BF16 repartidos en 131 shards, y unos 180 GB según el recuento de su propia barra lateral una vez sumados los componentes. En disco, nada del diseño disperso hace que ninguno de los dos sea pequeño; los pesos de los expertos existen todos y todos tienen que almacenarse.

El ancho de banda de cómputo y de memoria sigue al recuento activo. Debido a que solo 95.000 millones de los 2,4 billones de parámetros de Max core, y solo 6.000 millones de los parámetros almacenados de Flash-Next, participan en un token cualquiera, el coste por token de estos modelos se acerca más al de un modelo denso mucho más pequeño de lo que sugieren sus tamaños de archivo. Esa brecha es la razón completa por la que un modelo de 2,4 billones de parámetros puede siquiera servirse, y es por lo que la misma relación total-a-activo que parece una nota a pie de página en la ficha es el número más relevante en términos operativos en ella. Esta página no pondrá una cifra de tokens por segundo junto a ella, porque ninguna tasa que pudiéramos indicar se mantendría entre dos cuantizaciones diferentes y una pila de servicio desconocida — la relación es el hecho transferible, el rendimiento no lo es.

Flash-Next añade un segundo matiz que corresponde a este apartado en lugar de a una nota al pie. Su tabla de embeddings de n-gramas de 51B es una estructura de búsqueda, y el propio planteamiento de la tarjeta es que los embeddings son «más susceptibles de descargarse que Mixture-of-Experts». Eso es lo que hace que un checkpoint de este tamaño sea ejecutable con la tabla de embeddings residente en la memoria del host en lugar de fijada en la memoria del acelerador: una decisión de diseño, no una afirmación sobre tu máquina. La consecuencia práctica es que Flash-Next es más fácil de encajar añadiendo RAM del sistema que añadiendo VRAM, que es lo contrario de cómo se comporta un modelo denso de tamaño almacenado equivalente.

Donde se encuentra el hermano denso

Qwen3.8-27B es el contraejemplo con el que se mide el resto de la generación: 64 capas, una dimensión intermedia de feed-forward de 17.408 de ancho en lugar de un banco de expertos, 27B almacenados y 27B activos, Apache 2.0, y unos 55,6 GB de pesos BF16 que caben en hardware que una persona posee. Mientras que los miembros dispersos intercambian almacenamiento por una pequeña huella de cómputo por token, el denso intercambia coste por token por previsibilidad — todos los parámetros están activos, así que la memoria y la velocidad son triviales de dimensionar. El tratamiento completo de ese modelo, sus formatos y su encaje pertenece a la Qwen3.8-27B página, que es la que le corresponde; esta página solo necesita el contraste.

Lo que no está resuelto

Que los Qwen3.8-Max y Qwen3.8-Flash servidos realmente instancien los mismos recuentos de expertos y el mismo enrutamiento que los núcleos descargables no está verificado: el proveedor se limita a declarar la derivación, así que considera cualquier recuento específico de expertos para los modelos de API como no confirmado. Y el ecosistema abierto de cuantización en torno a Flash-Next ha producido versiones que abarcan desde aproximadamente 1 bit hasta precisión completa, sin que se haya publicado ninguna comparación controlada de baja precisión en hardware emparejado — si estás eligiendo un ancho de bits, esa decisión te toca medirla a ti.

Disponibilidad

Los dos miembros cuyos recuentos de expertos están documentados — Qwen3.8-2.4T-A95B y Qwen3.8-Flash-Next — son artefactos de descarga y alojamiento. Ninguno está en nuestra lista de modelos hoy, y no hay ningún id que se parezca a ellos, así que esta página no hace ninguna afirmación de disponibilidad sobre ellos ni sobre ningún modelo llamado "Qwen3.8-MoE": el nombre describe una arquitectura, y nada de nuestro catálogo se vende bajo él. Lo que sí servimos son otros tres miembros de la misma generación, y un lector cuya pregunta fuera arquitectónica puede llamar a cualquiera de ellos:

• qwen/qwen3.8-27b — el modelo denso, Apache-2.0 y autoalojable; acepta texto, imagen y video de entrada, tiene un contexto de 262.144 tokens, y cuesta 0,33 $ por millón de tokens de entrada y 2,40 $ por millón de tokens de salida según la lista publicada por el proveedor.

• qwen/qwen3.8-flash — el carril de producción disperso derivado de Flash-Next; contexto de 1M de tokens, $0,15 por millón de entrada y $0,47 por millón de salida, con la entrada en caché alrededor de $0,018.

• qwen/qwen3.8-max — el núcleo Max detrás de un endpoint; contexto de 1M de tokens, $2.00 por millón de tokens de entrada y $6.00 por millón de tokens de salida.

Los tres se encuentran detrás de un endpoint compatible con OpenAI, por lo que ejecutar la variante densa contra la dispersa servida en tu propio tráfico cuesta un cambio de ID de modelo en lugar de una integración. Esos precios son la lista publicada del proveedor, transferida sin margen de beneficio, y por eso un cambio de precio del proveedor llega a tu endpoint el mismo día.

La mitad densa de esa comparación es también la válvula de escape en hardware, y es la que la mayoría de los lectores de esta página acaba tomando. Qwen3.8-27B tiene alrededor de 55,6 GB de pesos BF16, 27B almacenados y 27B activos, Apache 2.0 —por lo que es el único miembro de esta generación cuyo ajuste se puede dimensionar con una sola calculadora. Los miembros dispersos son más baratos por token servido y más pesados de poseer: aproximadamente 4,9 TB de pesos para el Max core, aproximadamente 360 GB para Flash-Next, y ambos necesitan infraestructura que se aprovisiona en lugar de alquilarse. La página de Qwen3.8-27B se encarga del ajuste, los formatos y las cuestiones de licencia; esta página se detiene en la arquitectura.

Entonces, ¿la respuesta de la arquitectura cambia lo que deberías ejecutar? Menos de lo que implica la búsqueda que te trajo aquí. Si estás llamando a un modelo, el ahorro de los miembros dispersos ya está incluido en lo que cobramos, y la elección es de costo y calidad, no de arquitectura. Si estás descargando uno, la respuesta es que ningún modelo Qwen 3.8 con 512 expertos cabe en una estación de trabajo; el que sí lo hace es el denso 27B, y esa es la decisión que la notación -A estaba tomando en silencio por ti desde el principio.

La mitad densa de esa comparación es también la válvula de escape en cuanto a hardware, y es la que la mayoría de los lectores de esta página acaba tomando. Qwen3.8-27B ronda los 55,6 GB de pesos BF16, 27B almacenados y 27B activos, Apache 2.0 — así que es el único miembro de esta generación cuyo ajuste puedes calcular con una sola calculadora.