Qwen 3.8 MoE: สมาชิกตัวใดเป็น Mixture-of-Experts และสิ่งนี้เปลี่ยนแปลงอะไรสำหรับคุณ

ใช่ — เจเนอเรชัน 3.8 มีโมเดลแบบ mixture-of-experts และรุ่นที่ตอบคำถามเปล่า ๆ นี้คือ Qwen3.8-2.4T-A95B ซึ่งเป็น Max core ขนาด 2.4 ล้านล้านพารามิเตอร์ที่ A​libaba เผยแพร่เป็นโอเพนเวตส์ในเดือนสิงหาคม 2026 และ Qwen3.8-Flash-Next ซึ่งเป็นพรีวิวแบบ sparse ขนาด 125 พันล้านพารามิเตอร์ของสถาปัตยกรรม Qwen4 สมาชิกสองตัวที่ผู้อ่านสามารถเรียกใช้ได้จริง — Qwen3.8-Max และ Qwen3.8-Flash — เป็นบิลด์ที่ผู้ขายให้บริการเองซึ่งได้มาจากสองสถาปัตยกรรมนั้น ดังนั้นจึงเป็น sparse โดยสายเลือด แม้ว่าคอนฟิกภายในของพวกมันจะไม่ถูกเปิดเผยก็ตาม ข้อยกเว้นเดียวคือสมาชิกที่คนส่วนใหญ่มาถึงตรงนี้โดยถืออยู่ในมือแล้ว: Qwen3.8-27B เป็น dense และไม่มีอะไรในชื่อของมันที่บอกเช่นนั้น นั่นคือคำตอบทั้งหมด และส่วนที่เหลือของหน้านี้คือตัวเลขที่อยู่เบื้องหลัง โดยแต่ละตัวนำมาจากโมเดลการ์ดของ A​libaba เอง ไม่ใช่จากกระทู้สนทนา

วันที่ในบทความนี้ใช้เพื่อระบุวันที่ของโมเดล ไม่ใช่เพื่อประกาศเปิดตัว สิ่งที่หน้านี้ตอบคือคำถามที่ผู้อ่านกำลังพิมพ์อยู่ตอนนี้: ระหว่างวันที่ 2026-09-15 ถึง 2026-10-12 พร็อพเพอร์ตี Search Console ของเราเองบันทึก432 การแสดงผลและ 35 คลิกจากคิวรีเดียว qwen 3.8 moe — คิดเป็นอัตราการคลิกผ่าน 8.1% ซึ่งสูงที่สุดในบรรดาคิวรีทั้งหมดในชุดเดียวกัน — บวกกับอีกสามแถวแบบลองเทลที่ทำให้ทั้งกลุ่มมี 440 การแสดงผลและ 36 คลิก ผู้อ่านที่พิมพ์คำนั้นไม่ได้กำลังมองหาข่าว พวกเขากำลังพยายามหาว่าโมเดลที่พวกเขากำลังจะดาวน์โหลดหรือเรียกใช้นั้นเป็นแบบ sparse หรือไม่ เพราะคำตอบนั้นเป็นตัวกำหนดว่าพวกเขาจะรันอะไรได้ ไม่มีอะไรบนไซต์นี้ตอบคำถามนั้น ซึ่งเป็นเหตุผลที่หน้านี้มีอยู่ ที่ใดคำถามเกี่ยวกับสมาชิกเฉพาะตัวมากกว่าสถาปัตยกรรม หน้าที่เป็นเจ้าของเรื่องนั้นจะถูกเอ่ยชื่อไปตามลำดับ

ชื่อนั้นบอกคุณอยู่แล้ว ถ้าคุณรู้จักสัญกรณ์

Alibaba ไม่ใส่คำว่า "MoE" ลงในชื่อโมเดล Qwen 3.8 รุ่นใดเลย แต่เขียนจำนวนพารามิเตอร์ในรูปแบบ ทั้งหมด-Aที่เปิดใช้งาน ดังนั้น 2.4T-A95Bจึงอ่านได้ว่าเป็นพารามิเตอร์ 2.4 ล้านล้านตัวที่จัดเก็บไว้ และ 95 พันล้านตัวที่ถูกเปิดใช้งานต่อโทเคน ส่วนครึ่งหลัง -Aคือตัวบ่งชี้: ชื่อที่มีตัวเลขการเปิดใช้งานอยู่ด้วยคือโมเดลแบบ sparse ส่วนชื่อที่มีตัวเลขกลม ๆ เพียงจำนวนเดียวในระดับพันล้านคือโมเดลแบบ dense Qwen3.8-27B ไม่มีตัวเลขการเปิดใช้งาน เพราะพารามิเตอร์ทุกตัวของมันทำงานในทุกโทเคน และการ์ดของมันเรียกมันว่า "โมเดล dense ขนาดกะทัดรัดที่เหมาะแก่การนำไปใช้งาน" ในประโยคแรกที่บรรยายถึงมัน

การตีความนั้นยังคงใช้ได้กับคนรุ่นนี้:

• Qwen3.8-2.4T-A95B — สถาปัตยกรรมแบบ mixture-of-experts, ผู้เชี่ยวชาญ 512 ตัว, พารามิเตอร์ที่จัดเก็บ 2.4T / ใช้งานจริง 95B, น้ำหนักโมเดลแบบเปิด, สัญญาอนุญาตแบบกำหนดเอง

• Qwen3.8-Flash-Next — แบบผสมผู้เชี่ยวชาญ, ผู้เชี่ยวชาญ 512 ตัว, จัดเก็บ 125B บวกตาราง n-gram 51B / 6B ที่ใช้งานจริง, น้ำหนักแบบเปิด, สัญญาอนุญาตชุมชน

• Qwen3.8-Max — บิลด์ที่ให้บริการอยู่ การ์ดข้อมูลน้ำหนักของอาลีบาบาเองระบุว่า Max คือ "เวอร์ชันอย่างเป็นทางการที่อิงจาก Qwen3.8-2.4T-A95B" และหน้าโมเดลบนคลาวด์ของมันอธิบายว่าเป็น "โมเดล MoE เรือธงขนาด 2.4 ล้านล้านพารามิเตอร์" แบบสปาร์ส

• Qwen3.8-Flash — บิลด์ที่ให้บริการซึ่งต่อยอดมาจาก Flash-Next พร้อมบริบท 1M โทเคนเป็นค่าเริ่มต้น สืบเชื้อสายแบบสแปร์ส

• Qwen3.8-27B— แบบ dense จัดเก็บ 27B และ active 27B, Apache 2.0 ไม่มี expert อยู่ในคอนฟิกุเรชันเลย

สถาปัตยกรรม จากตัวการ์ดเอง

สมาชิกแบบสแปร์สทั้งสองรายได้รับการบันทึกในรูปแบบเดียวกันบน Hugging Face และตัวเลขด้านล่างนี้อ้างอิงจาก Qwen/Qwen3.8-2.4T-A95B และ Qwen/Qwen3.8-Flash-Nextตามลำดับ ในกรณีที่ตัวเลขใดไม่มีอยู่บนการ์ด หน้านี้จะระบุไว้เช่นนั้นแทนที่จะไปหยิบยืมตัวเลขนั้นจากฟอรัม

Qwen3.8-2.4T-A95B — แกนหลัก Max

เป็นโมเดลภาษาศาสตร์เชิงสาเหตุ (causal language model) จำนวน 92 เลเยอร์ ซึ่งโครงสร้างบล็อกเขียนไว้บนการ์ดว่า 23 × (3 × (Gated DeltaNet → MoE) → 1 × (Gated Attention → MoE)) พูดง่าย ๆ คือ มีบล็อกความสนใจเชิงเส้นสามบล็อกคั่นระหว่างทุกบล็อกความสนใจเต็มรูปแบบ และมีเลเยอร์ฟีดฟอร์เวิร์ดแบบ mixture-of-experts ต่อท้ายทั้งสองแบบ เลเยอร์ผู้เชี่ยวชาญ (expert) ระบุไว้เป็น 512 ผู้เชี่ยวชาญ โดยเปิดใช้งาน 10 แบบ routed บวก 1 แบบ shared ต่อโทเคน โดยมีมิติ intermediate ของผู้เชี่ยวชาญเป็น 2048 พารามิเตอร์ที่จัดเก็บมี 2.4T และพารามิเตอร์ที่เปิดใช้งานมี 95B รูปแบบความสนใจเป็นแบบไฮบริด: Gated DeltaNet ที่มี 128 linear heads สำหรับ V และ 16 สำหรับ QK ที่มิติหัว 128 จับคู่กับ Gated Attention ที่ 64 query heads และ 4 KV heads ที่มิติหัว 256 โดยมีมิติ rotary เป็น 64 คอนเท็กซ์รองรับ 262,144 โทเคนโดยกำเนิด ขยายได้ถึง 1,010,000 การ์ดยังระบุถึงการทำนายหลายโทเคน (multi-token prediction) ที่ฝึกด้วยหลายขั้นตอน และไฟล์คอนฟิกยืนยันฟิลด์ sparse โดยตรง: num_experts: 512, num_experts_per_tok: 10, num_hidden_layers: 92.

สองสิ่งที่การ์ดระบุไว้อย่างชัดเจนและผู้อ่านไม่ควรมองข้าม รองรับเฉพาะข้อความ — ไม่มี vision tower — และคำแนะนำในการ์ดเองระบุว่า Max เวอร์ชันโฮสต์เพิ่มอินพุตแบบ vision การรองรับโหมดไม่คิด (non-thinking) คอนเท็กซ์ 1M โดยค่าเริ่มต้น และเครื่องมือในตัวบนน้ำหนักชุดนี้ ดังนั้นอาร์ติแฟกต์ที่ดาวน์โหลดได้จึงแคบกว่า API ที่ใช้แกนกลางร่วมกัน และเผยแพร่ภายใต้ข้อตกลงแบบกำหนดเอง qwen3.8-max ไม่ใช่ Apache 2.0 และไม่ใช่สัญญาอนุญาตชุมชน หน้านี้ไม่ได้โต้แย้งเงื่อนไขเหล่านั้นซ้ำ และเงื่อนไขเหล่านั้นมีอธิบายอยู่บนหน้าของน้ำหนักเอง

Qwen3.8-Flash-Next — สถาปัตยกรรมสปาร์สที่เล็กกว่า

นี่คือสมาชิกที่อัตราส่วนความเบาบางสุดขั้วที่สุดและถูกอ่านผิดได้ง่ายที่สุด การ์ดของมันระบุ 48 เลเยอร์ จัดเรียงเป็น 12 × (3 × (Gated DeltaNet → MoE) → 1 × (Qwen Sparse Attention → MoE)) ผู้เชี่ยวชาญ 512 ตัวเดียวกัน โดยเป็นแบบ routed 10 ตัวบวก shared 1 ตัว และมิติ intermediate ของผู้เชี่ยวชาญเท่ากับ 640 — หนึ่งในสามของ Max core พารามิเตอร์ถูกระบุไว้อย่างผิดปกติว่า "125B with 6B activated, plus 51B n-gram embedding and 4B MTP" สามองค์ประกอบนี้คือเหตุผลที่รีโพซิทอรีของมันแสดง 180B ในแถบด้านข้าง ขณะที่ตัว MoE มี 125B และเป็นเหตุผลที่ผู้อ่านซึ่งเปรียบเทียบ "125B vs 2.4T" กำลังเปรียบเทียบตัวเลขที่ไม่ใช่ตัวเลขที่ควรเทียบ กลไก attention คือ Gated DeltaNet จับคู่กับ Qwen Sparse Attention ซึ่งการ์ดระบุว่าทำงานที่ระดับ micro-block แทนที่จะเลือกโทเคนทีละตัว บริบทอยู่ที่ 262,144 โดยกำเนิด ขยายได้ถึง 1,000,000 สัญญาอนุญาต: Qwen Community License 1.0 ไฟล์คอนฟิกของมันยังบันทึก num_experts: 512, num_experts_per_tok: 10 และ 48 เลเยอร์

สิ่งที่ A​libaba ยังไม่ได้เผยแพร่

สำหรับQwen3.8-Max ที่ให้บริการนั้น ไม่มีจำนวนผู้เชี่ยวชาญ ไม่มีจำนวนเลเยอร์ ไม่มีตัวเลขพารามิเตอร์ที่เปิดใช้งาน และไม่มีข้อกำหนดการจัดเส้นทางต่อโทเคนในเอกสารของผู้จำหน่ายใด ๆ ที่หน้านี้ค้นหาได้ ผู้จำหน่ายบรรยายว่าเป็นโมเดล MoE เรือธงขนาด 2.4 ล้านล้านพารามิเตอร์ และระบุว่าสร้างขึ้นบน Qwen3.8-2.4T-A95B นั่นคือขีดจำกัดของรายละเอียดที่เผยแพร่ และการอนุมานจากสองข้อความดังกล่าวว่าสถาปัตยกรรมตรงกันนั้นเป็นข้อสันนิษฐานที่สมเหตุสมผล ไม่ใช่ข้อเท็จจริงที่มีเอกสารยืนยัน ช่องว่างในลักษณะเดียวกันนี้ก็ใช้กับ Qwen3.8-Flash ที่ให้บริการเช่นกัน ซึ่งมีการระบุว่ามาจาก Flash-Next แต่ไม่ได้เผยแพร่การกำหนดค่าภายในเลยแม้แต่น้อย หน้าใดก็ตามที่บอกจำนวนผู้เชี่ยวชาญสำหรับ Max ที่โฮสต์ไว้ให้คุณ กำลังเติมช่องว่างที่ผู้จำหน่ายเว้นไว้

สิ่งที่ตัวเลขพารามิเตอร์ที่ใช้งานอยู่เปลี่ยนไปเกี่ยวกับการรันมัน

นี่คือเหตุผลที่คำถามนี้ถูกถามขึ้นมาเลย และคำตอบก็วิ่งไปสองทิศทางพร้อมกัน

ขนาดดาวน์โหลดคิดตามจำนวนรวมทั้งหมด ไม่ใช่จำนวนที่ทำงานอยู่ Qwen3.8-2.4T-A95B มีขนาดประมาณ 4.9 TB กระจายอยู่บน 213 shard ในคลัง BF16 และประมาณ 2.5 TB ในรุ่นพี่น้องที่เป็น FP8 — ไม่ว่าจะทางไหนก็เป็นอาร์ติแฟกต์ระดับแร็ก ไม่ใช่ระดับเวิร์กสเตชัน Qwen3.8-Flash-Next มีขนาดประมาณ 360 GB ใน BF16 กระจายบน 131 shard และประมาณ 180 GB ตามจำนวนที่ระบุในแถบด้านข้างของตัวเองเมื่อรวมองค์ประกอบทั้งหมดเข้าด้วยกัน บนดิสก์ ไม่มีอะไรในดีไซน์แบบ sparse ที่ทำให้รุ่นใดรุ่นหนึ่งมีขนาดเล็กลง — น้ำหนักของ expert ทั้งหมดมีอยู่จริงและทั้งหมดต้องถูกจัดเก็บ

แบนด์วิดท์การประมวลผลและหน่วยความจำจะแปรผันตามจำนวนพารามิเตอร์ที่แอ็กทีฟ เนื่องจากมีเพียง 95B จาก 2.4T พารามิเตอร์ของ Max core และเพียง 6B จากพารามิเตอร์ที่จัดเก็บไว้ของ Flash-Next เท่านั้นที่มีส่วนร่วมในแต่ละโทเคน ต้นทุนต่อโทเคนของโมเดลเหล่านี้จึงใกล้เคียงกับโมเดลแบบ dense ที่เล็กกว่ามาก มากกว่าที่ขนาดไฟล์จะสื่อ ช่องว่างนี้คือเหตุผลทั้งหมดที่ทำให้โมเดลขนาด 2.4 ล้านล้านพารามิเตอร์สามารถให้บริการได้ และเป็นเหตุผลว่าทำไมอัตราส่วน total-to-active ที่ดูเหมือนเป็นเพียงหมายเหตุเล็ก ๆ บนการ์ด จึงกลายเป็นตัวเลขที่เกี่ยวข้องที่สุดในเชิงปฏิบัติการบนการ์ดนั้น หน้านี้จะไม่ใส่ตัวเลขโทเคนต่อวินาทีไว้ข้าง ๆ เพราะไม่มีอัตราใดที่เราระบุได้จะคงอยู่ได้ทั้งกับการควอนไทซ์สองแบบที่ต่างกันและสแตกการให้บริการที่ไม่ทราบแน่ชัด — อัตราส่วนคือข้อเท็จจริงที่ถ่ายโอนไปใช้ได้ ส่วนอัตราทรูพุตไม่ใช่

Flash-Next เพิ่มความซับซ้อนอีกชั้นที่ควรอยู่ตรงนี้มากกว่าใส่ไว้ในเชิงอรรถ ตาราง embedding แบบ n-gram ขนาด 51B ของมันเป็นโครงสร้างสำหรับการค้นหา และกรอบคำอธิบายของการ์ดเองก็คือ embedding นั้น “สามารถ offload ได้ง่ายกว่า Mixture-of-Experts” นั่นคือสิ่งที่ทำให้ checkpoint ขนาดนี้รันได้โดยมีตาราง embedding อยู่ในหน่วยความจำโฮสต์แทนที่จะถูกตรึงไว้ในหน่วยความจำตัวเร่งความเร็ว — เป็นทางเลือกด้านการออกแบบ ไม่ใช่ข้อกล่าวอ้างเกี่ยวกับเครื่องของคุณ ผลในทางปฏิบัติคือ Flash-Next จัดให้พอดีได้ง่ายขึ้นด้วยการเพิ่ม RAM ของระบบมากกว่าการเพิ่ม VRAM ซึ่งตรงข้ามกับพฤติกรรมของโมเดลแบบ dense ที่มีขนาดจัดเก็บเทียบเท่ากัน

ที่ที่พี่น้องที่หนาแน่นนั่งอยู่

Qwen3.8-27B คือตัวอย่างเปรียบเทียบที่ส่วนที่เหลือของเจเนอเรชันนี้ถูกนำมาวัดเทียบด้วย: 64 เลเยอร์ มิติกลางของฟีดฟอร์เวิร์ดกว้าง 17,408 แทนที่จะเป็นคลังผู้เชี่ยวชาญ จัดเก็บ 27B และทำงานอยู่ 27B สัญญาอนุญาต Apache 2.0 และเวท BF16 ราว 55.6 GB ที่บรรจุพอดีบนฮาร์ดแวร์ที่คนทั่วไปมีอยู่ ในขณะที่สมาชิกรุ่นสแปร์สแลกพื้นที่จัดเก็บกับภาระการคำนวณต่อโทเคนที่เล็กน้อย โมเดลแบบเดนส์กลับแลกต้นทุนต่อโทเคนกับความคาดเดาได้ — พารามิเตอร์ทุกตัวทำงานอยู่ตลอด การกำหนดขนาดหน่วยความจำและความเร็วจึงเป็นเรื่องง่ายดาย การอธิบายโมเดลนั้นอย่างครบถ้วน ทั้งรูปแบบและความเหมาะสมในการใช้งานของมัน เป็นของQwen3.8-27B ซึ่งเป็นเพจที่เป็นเจ้าของเรื่องนี้ ส่วนหน้านี้ต้องการเพียงการเปรียบเทียบเท่านั้น

อะไรที่ยังไม่ยุติ

ยังไม่ได้รับการยืนยันว่า Qwen3.8-Max และ Qwen3.8-Flash ที่ให้บริการนั้นสร้างจำนวนผู้เชี่ยวชาญและการจัดเส้นทางเดียวกันกับคอร์ที่ดาวน์โหลดได้จริงหรือไม่: ผู้ขายระบุที่มาและหยุดอยู่แค่นั้น ดังนั้นให้ถือว่าจำนวนผู้เชี่ยวชาญเฉพาะใด ๆ สำหรับโมเดล API เป็นข้อมูลที่ยังไม่ยืนยัน และระบบนิเวศการควอนไทซ์แบบเปิดรอบ Flash-Next ได้ผลิตบิลด์ตั้งแต่ประมาณ 1-bit ไปจนถึงความแม่นยำเต็มรูปแบบ โดยยังไม่มีการเผยแพร่การเปรียบเทียบแบบควบคุมที่บิตต่ำบนฮาร์ดแวร์ที่จับคู่กัน — หากคุณกำลังเลือกความกว้างบิต การตัดสินใจนั้นเป็นของคุณที่จะวัดเอง

ความพร้อมใช้งาน

สองสมาชิกซึ่งจำนวน expert ของตนได้รับการบันทึกไว้ — Qwen3.8-2.4T-A95B และ Qwen3.8-Flash-Next — เป็นอาร์ติแฟกต์แบบดาวน์โหลดและโฮสต์เอง ทั้งสองไม่ปรากฏอยู่ในรายการโมเดลของเราวันนี้ และไม่มี id ใดที่คล้ายกับทั้งสอง ดังนั้นหน้านี้จึงไม่มีการกล่าวอ้างถึงความพร้อมให้บริการสำหรับทั้งสอง หรือสำหรับโมเดลใดที่ชื่อ "Qwen3.8-MoE": ชื่อนี้อธิบายถึงสถาปัตยกรรม และไม่มีสิ่งใดในแคตตาล็อกของเราที่ขายภายใต้ชื่อนี้ สิ่งที่เราให้บริการจริงคือสมาชิกอีกสามรายในรุ่นเดียวกัน และผู้อ่านที่คำถามเป็นเชิงสถาปัตยกรรมสามารถเรียกใช้ตัวใดก็ได้:

• qwen/qwen3.8-27b — โมเดลแบบ dense ที่ใช้สัญญาอนุญาต Apache-2.0 และโฮสต์เองได้ รองรับข้อความ รูปภาพ และวิดีโอเป็นอินพุต คอนเท็กซ์ 262,144 โทเคน ราคา $0.33 ต่อล้านโทเคนอินพุต และ $2.40 ต่อล้านโทเคนเอาต์พุตตามรายการที่ผู้ให้บริการเผยแพร่

• qwen/qwen3.8-flash — เส้นทางโปรดักชันแบบสแปร์สที่ต่อยอดมาจาก Flash-Next; บริบทขนาด 1M โทเคน ราคา $0.15 ต่ออินพุตหนึ่งล้านโทเคน และ $0.47 ต่อเอาต์พุตหนึ่งล้านโทเคน โดยอินพุตที่แคชไว้อยู่ที่ราว $0.018

• qwen/qwen3.8-max — แกนกลาง Max ที่อยู่เบื้องหลังปลายทาง; บริบท 1M โทเคน, $2.00 ต่ออินพุต 1 ล้านโทเคน และ $6.00 ต่อเอาต์พุต 1 ล้านโทเคน

ทั้งสามตัวอย่างทำงานอยู่เบื้องหลังเอนด์พอยต์ที่เข้ากันได้กับ OpenAI เพียงจุดเดียว ดังนั้นการรันโมเดลแบบ dense เทียบกับตัว sparse ที่ให้บริการอยู่บนทราฟฟิกของคุณเอง จึงมีต้นทุนแค่การเปลี่ยน model-id ไม่ใช่การเชื่อมต่อIntegrationใหม่ ราคาเหล่านี้เป็นราคาตามรายการที่ผู้ให้บริการประกาศ ซึ่งส่งผ่านมาโดยไม่บวกกำไรเพิ่ม นั่นจึงเป็นเหตุผลว่าทำไมการเปลี่ยนแปลงราคาจากผู้ขายจึงมาถึงเอนด์พอยต์ของคุณภายในวันเดียวกัน

ครึ่งที่เป็นแบบ dense ของการเปรียบเทียบนั้นก็ยังเป็นทางออกสำรองในด้านฮาร์ดแวร์ด้วย และเป็นตัวเลือกที่ผู้อ่านหน้านี้ส่วนใหญ่ลงเอยด้วยการเลือกใช้ Qwen3.8-27B มีน้ำหนักแบบ BF16 ประมาณ 55.6 GB จัดเก็บ 27B และทำงานจริง 27B ภายใต้สัญญาอนุญาต Apache 2.0 — จึงเป็นสมาชิกเพียงตัวเดียวในรุ่นนี้ที่คุณคำนวณขนาดความพอดีได้ด้วยเครื่องคิดเลขเครื่องเดียว ส่วนสมาชิกแบบ sparse นั้นมีต้นทุนต่อโทเคนที่ให้บริการต่ำกว่า แต่มีภาระในการเป็นเจ้าของหนักกว่า โดยมีน้ำหนักราว 4.9 TB สำหรับคอร์ Max และราว 360 GB สำหรับ Flash-Next ทั้งคู่ต้องใช้โครงสร้างพื้นฐานที่คุณต้องจัดเตรียมเองมากกว่าจะเช่า ส่วนQwen3.8-27B หน้านั้นครอบคลุมเรื่องความพอดี รูปแบบไฟล์ และประเด็นด้านสัญญาอนุญาต ส่วนหน้านี้จะหยุดอยู่แค่เรื่องสถาปัตยกรรม

แล้วคำตอบด้านสถาปัตยกรรมเปลี่ยนสิ่งที่คุณควรจะรันหรือไม่? น้อยกว่าที่การค้นหาที่นำคุณมาที่นี่บอกเป็นนัยไว้ หากคุณกำลังเรียกใช้โมเดล การประหยัดจากสมาชิกแบบ sparse ก็ถูกรวมไว้ในราคาที่เราเรียกเก็บแล้ว และทางเลือกก็เป็นเรื่องของต้นทุนกับคุณภาพ ไม่ใช่เรื่องสถาปัตยกรรม หากคุณกำลังดาวน์โหลดโมเดล คำตอบคือไม่มีโมเดล Qwen 3.8 ที่มีผู้เชี่ยวชาญ 512 ตัวใดที่พอดีกับเวิร์กสเตชัน — ตัวที่ทำได้คือ dense 27B และนั่นคือการตัดสินใจที่สัญกรณ์ -A กำลังทำให้คุณอย่างเงียบ ๆ มาตลอด

ครึ่งที่เป็น dense ของการเปรียบเทียบนั้นก็คือทางออกฉุกเฉินบนฮาร์ดแวร์เช่นกัน และเป็นตัวเลือกที่ผู้อ่านหน้านี้ส่วนใหญ่ลงเอยด้วยการเลือก Qwen3.8-27Bมีน้ำหนัก BF16 ประมาณ 55.6 GB, 27B ที่จัดเก็บและ 27B ที่ทำงาน, Apache 2.0 — ดังนั้นจึงเป็นสมาชิกเพียงตัวเดียวในรุ่นนี้ที่คุณสามารถประเมินขนาดความจุที่พอดีได้ด้วยเครื่องคิดเลขเครื่องเดียว