Qwen: Qwen3.8 2.4T A95B

Qwen3.8 2.4T A95B est un modèle open-weight de type sparse mixture-of-experts de Qwen, et c'est la variante open-weight de Qwen3.8 Max. Le nom reflète son architecture : 95 milliards de paramètres actifs sur 2,4 billions au total, donc seule une fraction du réseau est mobilisée par token tandis que le modèle complet conserve un très vaste ensemble de poids. Il appartient à la catégorie texte, prend du texte en entrée et renvoie du texte en sortie.

Le chiffre phare pour la plupart des intégrations est la fenêtre de contexte de 1 048 576 tokens, suffisamment grande pour contenir des bases de code entières, de longs ensembles de documents ou des historiques de conversation étendus en une seule requête. La sortie est plafonnée à 131 072 tokens, ce qui permet de longues générations en parallèle de longues entrées. Le modèle prend en charge un comportement de raisonnement, notamment un paramètre reasoning, un contrôle reasoning_effort et un indicateur include_reasoning, qui vous permet de décider si le contenu de raisonnement est exposé. Il prend également en charge les sorties structurées et response_format, ce qui vous permet de contraindre les réponses à un schéma plutôt que d'analyser du texte libre.

Ces capacités renvoient à un ensemble d'usages assez spécifique. L'analyse à long contexte est l'évidence : alimenter des dépôts entiers, des lots de contrats, des archives de journaux ou des corpus de recherche et poser des questions sur l'ensemble sans couche de récupération. Parce que tools et tool_choice sont pris en charge, le modèle peut servir de cœur de raisonnement à un agent qui appelle des fonctions ou des API externes. Les sorties structurées en font un choix raisonnable pour les pipelines d'extraction, où vous avez besoin d'un JSON cohérent à partir d'entrées désordonnées. Les contrôles de raisonnement conviennent aux tâches où vous voulez que le modèle résolve un problème étape par étape, et les paramètres d'échantillonnage vous laissent la marge nécessaire pour ajuster le comportement vers une génération déterministe ou plus exploratoire.

L'appeler via api14 fonctionne comme pour tout autre modèle de la plateforme, puisque l'API est compatible OpenAI. Vous envoyez votre requête au point de terminaison chat completions avec l'identifiant de modèle "qwen/qwen3.8-2.4t-a95b" et vos messages au format habituel. Les paramètres de requête pris en charge sont frequency_penalty, include_reasoning, logit_bias, logprobs, max_tokens, min_p, presence_penalty, reasoning, reasoning_effort, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_logprobs et top_p. Si vous avez déjà du code écrit contre le SDK OpenAI, pointer l'URL de base vers api14 et remplacer l'identifiant de modèle constitue généralement l'intégralité du changement.

Deux remarques pratiques. Premièrement, c'est un modèle texte uniquement : il n'y a pas d'entrée image ou audio, donc tout ce qui est multimodal nécessite un autre modèle. Deuxièmement, la conception mixture-of-experts signifie que le nombre de paramètres actifs est bien plus faible que le total, mais un modèle de 2,4 billions de paramètres reste un grand modèle, et le contexte de 1M tokens signifie que les requêtes peuvent transporter beaucoup d'entrée. Pour des tâches courtes et simples où la latence ou le débit importent plus que la profondeur, un modèle plus petit sera généralement le meilleur choix.