Qwen: Qwen3.8 2.4T A95B

Qwen3.8 2.4T A95B é um modelo de mistura de especialistas esparsa com pesos abertos da Qwen, e é a variante de pesos abertos do Qwen3.8 Max. O nome reflete sua arquitetura: 95 bilhões de parâmetros ativos de um total de 2,4 trilhões, então apenas uma fração da rede é acionada por token enquanto o modelo completo ainda mantém um pool muito grande de pesos. Ele está na categoria de texto, recebe texto e retorna texto.

O número de destaque para a maioria das integrações é a janela de contexto de 1.048.576 tokens, que é grande o suficiente para conter bases de código inteiras, conjuntos longos de documentos ou históricos estendidos de conversa em uma única requisição. A saída é limitada a 131.072 tokens, então gerações longas são possíveis junto com entradas longas. O modelo suporta comportamento de raciocínio, incluindo um parâmetro reasoning, um controle reasoning_effort e uma flag include_reasoning, que permite decidir se o conteúdo de raciocínio é exposto. Ele também suporta saídas estruturadas e response_format, então você pode restringir respostas a um esquema em vez de analisar texto livre.

Essas capacidades apontam para um conjunto bastante específico de usos. Análise de contexto longo é o mais óbvio: alimentar repositórios inteiros, pacotes de contratos, arquivos de log ou corpora de pesquisa e fazer perguntas sobre tudo isso sem uma camada de recuperação. Como tools e tool_choice são suportados, o modelo pode atuar como o núcleo de raciocínio de um agente que chama funções ou APIs externas. Saídas estruturadas o tornam uma opção razoável para pipelines de extração, onde você precisa de JSON consistente a partir de entrada desorganizada. Os controles de raciocínio servem para tarefas em que você quer que o modelo trabalhe um problema passo a passo, e os parâmetros de amostragem dão espaço para ajustar o comportamento para geração determinística ou mais exploratória.

Chamá-lo através da api14 funciona da mesma forma que qualquer outro modelo na plataforma, já que a API é compatível com OpenAI. Você envia sua requisição para o endpoint de chat completions com o id de modelo "qwen/qwen3.8-2.4t-a95b" e suas mensagens no formato usual. Os parâmetros de requisição suportados são 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 e top_p. Se você já tem código escrito para o SDK da OpenAI, apontar a URL base para a api14 e trocar o id do modelo geralmente é toda a mudança.

Duas notas práticas. Primeiro, este é um modelo somente de texto: não há entrada de imagem ou áudio, então qualquer coisa multimodal precisa de um modelo diferente. Segundo, o design de mistura de especialistas significa que a contagem de parâmetros ativos é muito menor que o total, mas um modelo de 2,4 trilhões de parâmetros ainda é grande, e o contexto de 1M tokens significa que as requisições podem carregar muita entrada. Para tarefas curtas e simples, onde latência ou throughput importam mais que profundidade, um modelo menor geralmente será a melhor escolha.