Qwen: Qwen3.8 2.4T A95B

Qwen3.8 2.4T A95B is een open-weight sparse mixture-of-experts model van Qwen, en het is de open-weight variant van Qwen3.8 Max. De naam weerspiegelt de architectuur: 95 miljard actieve parameters van in totaal 2,4 biljoen, dus slechts een fractie van het netwerk is per token actief, terwijl het volledige model nog steeds een zeer grote pool aan gewichten bevat. Het valt in de tekstcategorie, neemt tekst als invoer en geeft tekst als uitvoer terug.

Het belangrijkste getal voor de meeste integraties is het contextvenster van 1.048.576 tokens, wat groot genoeg is om volledige codebases, lange documentsets of uitgebreide gespreksgeschiedenissen in één verzoek op te nemen. De uitvoer is beperkt tot 131.072 tokens, dus lange generaties zijn mogelijk naast lange invoer. Het model ondersteunt redeneergedrag, waaronder een reasoning parameter, een reasoning_effort besturing en een include_reasoning flag, waarmee u kunt beslissen of redeneerinhoud wordt getoond. Het ondersteunt ook structured outputs en response_format, zodat u antwoorden kunt beperken tot een schema in plaats van vrije tekst te parsen.

Die mogelijkheden wijzen op een vrij specifieke set toepassingen. Analyse met een lange context is de voor de hand liggende: hele repositories, contractbundels, logarchieven of onderzoekscorpora invoeren en vragen stellen over alles ervan zonder een retrieval-laag. Omdat tools en tool_choice worden ondersteund, kan het model fungeren als de redeneerkern van een agent die functies of externe API's aanroept. Structured outputs maken het een redelijke keuze voor extractiepijplijnen, waar u consistente JSON uit rommelige invoer nodig hebt. De redeneerbesturingselementen passen bij taken waarbij u wilt dat het model een probleem stap voor stap doorwerkt, en de sampling parameters geven u ruimte om gedrag af te stemmen op deterministische of meer verkennende generatie.

Het aanroepen via api14 werkt hetzelfde als bij elk ander model op het platform, aangezien de API OpenAI-compatibel is. U stuurt uw verzoek naar het chat completions endpoint met het model-id "qwen/qwen3.8-2.4t-a95b" en uw messages in het gebruikelijke formaat. De ondersteunde request parameters zijn 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 en top_p. Als u al code hebt geschreven tegen de OpenAI SDK, is het richten van de base URL op api14 en het vervangen van het model-id doorgaans de hele wijziging.

Twee praktische opmerkingen. Ten eerste is dit een tekst-only model: er is geen beeld- of audio-invoer, dus alles wat multimodaal is heeft een ander model nodig. Ten tweede betekent het mixture-of-experts-ontwerp dat het aantal actieve parameters veel kleiner is dan het totaal, maar een model met 2,4 biljoen parameters is nog steeds een groot model, en de context van 1M tokens betekent dat verzoeken veel invoer kunnen bevatten. Voor korte, eenvoudige taken waarbij latentie of doorvoer belangrijker is dan diepgang, zal een kleiner model meestal de betere keuze zijn.