通义千问 Qwen

FuriosaAI 发布 RNGD 上的 Qwen3-VL-2B-Instruct 部署包

FuriosaAI 在 Hugging Face 发布了 furiosa-ai/Qwen3-VL-2B-Instruct 仓库，将 Qwen 的 2B 参数稠密视觉语言模型 Qwen3-VL-2B-Instruct 与 Furiosa 可执行包（FXB）打包，使其可在 FuriosaAI RNGD 加速卡上通过 Furiosa-LLM 运行。该模型支持图像/

AWS 教程：在 SageMaker HyperPod 上部署 Qwen3.8-2.4T-A95B

AWS 机器学习博客发布教程，介绍如何在 Amazon SageMaker HyperPod 上使用 vLLM 部署阿里 Qwen 团队开源的 Qwen3.8-2.4T-A95B 模型。该模型总参数 2.4 万亿，激活参数 950 亿，采用混合线性注意力与全注意力架构，原生上下文 262K，支持 NVFP4 量化、推理控制和多 token 预测。文章详细说明

Vontra 发布 Qwen3.8-Flash-Next MLX 4-bit 量化版

Vontra 发布了 Qwen3.8-Flash-Next 的 MLX 4-bit 量化版本，基于官方 BF16 检查点转换，适用于 Apple Silicon。该模型采用 qwen4 exp 架构，支持视觉语言任务，配置上下文长度达 262,144 tokens。在 M3 Studio 上测试，oMLX 服务器生成速度约 24-26 tokens/s，独立

Qwen3.8 Flash Next MLX oQ4 量化版发布，支持原生 MTP

Vontra 发布了 Qwen3.8-Flash-Next 的 MLX oQ4 混合精度量化版本，保留了原生 MTP 草稿块，专为 Apple Silicon 优化。该转换基于官方 BF16 检查点，包含 232 个保护模块，总权重 113.33 GB，支持 262,144 token 上下文。在 Apple M3 Studio 上测试，原生 MTP 启用时

基元律动发布NeoHorse模型，探索Harness驱动的递归自我改进路径

基元律动联合无问芯穹、清华大学、北京大学、阿里巴巴等机构发布Agent-Native模型NeoHorse-1，包含4B和9B两个版本，基于Qwen3.5后训练，利用Routing Harness系统OpenSquilla产生的执行轨迹作为训练语料，通过路由信号、Agent执行监督和在策略蒸馏等方法提升模型能力。评测显示NeoHorse 4B在11项基准中未加

Perplexity转投阿里千问，基于Qwen3.8打造本地Agent

硅谷AI独角兽Perplexity推出本地Agent产品Portable Computer，采用阿里开源模型Qwen3.8-27B，并在英伟达DGX Spark硬件上优化算法。Perplexity估值超300亿美元，其大模型选择从Claude、GPT转向阿里Qwen，此前已基于Qwen3研发嵌入模型。阿里近期开源多个Qwen3.8系列模型，成为全球开源AI基

阿里发布Qwen-Drive 1.0：统一驾驶与座舱AI，但解释与决策存偏差

阿里巴巴研究部门发布了Qwen-Drive 1.0，这是一个将空间感知、交通问答和路线规划整合到单一AI模型中的驾驶系统。该模型基于Qwen3.5-4B，通过添加3D地图和路线规划模块，在模拟中将车辆偏离道路率从24%降至12%，但解释与驾驶决策有时不一致。模型已免费向研究社区开放。

千问办公月活3000万，企业用户过半，AI办公To B化加速

阿里旗下千问办公上线一个月用户突破3000万，其中企业用户占比过半。该产品整合了钉钉、阿里云等B端资源，并开源上下文基础设施MyContext，旨在将AI办公从个人工具转向企业级Agent应用。业内认为，企业级场景是Agent落地核心，千问办公正探索通过组织技能库、多人工作台等功能实现组织级提效，其商业化潜力在于企业持续付费。

Primitive AI 发布 Qwen3.8-Flash-Next NVFP4 量化版，单 GPU 可运行

Primitive AI 发布了 Qwen3.8-Flash-Next 的 NVFP4 量化版本，使 180B 参数的模型能在单张 96GB Blackwell GPU 上运行。该量化模型在 9 项基准测试中平均得分 92.2，支持 MTP 投机解码，并提供了详细的部署方案，包括 CPU 卸载和 NVMe 映射选项。

Qwen3.8-27B 推出 W8A8 INT8 量化版，性能超越官方 FP8

Freaksterz 发布了 Qwen3.8-27B 的 W8A8 INT8 量化版本，采用 SmoothQuant 和激活感知 GPTQ 技术，在保持低 KL 散度的同时实现比 W8A16 更快的预填充速度。该模型兼容 DFlash2 投机解码，并提供了详细的评估数据和部署指南。

千问办公上线首月用户破3000万，企业用户过半

阿里旗下企业级通用Agent产品千问办公上线首月用户数突破3000万，企业用户占比过半。产品高频迭代，推出国际版，并开源上下文基础设施MyContext。基于自研模型优化，单任务生成速度提升约100%，Token消耗减少75%。长安汽车等多家企业已接入，杰富瑞实测综合得分第一。

现代Transformer是隐式混合体：从功能分化到原则性混合架构设计

该研究通过干预式指标RFIS和RPD，揭示了基于RoPE的Transformer中头部功能分化为检索型和位置型两类，并识别出全局位置带（GPBand）作为功能边界。基于此提出设计原则，并实例化为头部级混合架构（HwH），采用无位置编码的全注意力进行全局检索、线性注意力进行局部位置建模。实验表明，HwH在保持语言建模和常识推理能力的同时，提升了检索性能，并显著

DoPR：可复用压缩文档前缀实现高效 LLM 重排序

arXiv 论文提出 DoPR 框架，通过离线压缩文档前缀并在在线重排序中复用，减少 LLM 点式重排序的冗余计算。在 TREC DL、BEIR 和 BRIGHT 基准上，使用 Qwen3 模型（0.6B 至 8B）测试，实现了最高 8.0 倍的在线文档侧内存减少和 8.04 倍延迟加速，同时保留全文档重排序器平均 NDCG@10 的 97.1%-99.5%

千问办公上线首月用户破3000万，企业用户过半

阿里旗下企业级通用Agent产品千问办公上线首月用户数突破3000万，企业用户占比过半。产品保持高频迭代，推出国际版并开源上下文基础设施MyContext。基于自研模型优化，性能提升且成本降低。长安汽车等多家企业已接入该产品。

另有 1 家信源报道

ZeroDigest 发布 Qwen3.8-27B 架构感知量化系列，支持多 token 预测

ZeroDigest 实验室发布了基于 Qwen3.8-27B 的架构感知量化模型系列 Qwen3.8-27B-YMQ-MTP-GGUF，使用自定义 YMQ-Compiler v2.0 进行混合精度量化，支持多 token 预测（MTP）和高上下文优化。该系列提供从 XXS 到 XL 多个预设，针对不同 VRAM 容量优化，并公布了 WikiText-2 困

基于指令微调小语言模型的渐进式老年人金融诈骗增量风险评估

Kansas State University的研究人员提出了一种基于累积对话轮次的老年人金融诈骗风险评估框架，通过逐步聚合对话内容并重新评估风险，实现实时监控。他们构建了包含投资、慈善和技术支持诈骗场景的多轮对话数据集，并微调了Phi-4、LLaMA-3.2、DeepSeek-R1和Qwen3等小型语言模型。实验表明，Phi-4和LLaMA-3.2在参数规

REAL-Q：通过动态梯度下降实现端到端大语言模型量化

REAL-Q 提出了一种新的后训练量化（PTQ）方法，通过端到端对齐的 Fisher MSE 目标和动态块级梯度下降，解决了现有方法中信息错位的问题。在 LLaMA-3.1 和 Qwen3 模型上，REAL-Q 在 W4A16 下将端到端 KL 散度最多降低 49%。该方法通过细粒度校正和滑动窗口机制，有效缓解了跨层误差传播。

Qwen3.8-Flash-Next 混合量化 SSD-PLE GGUF 发布

Baekpica 发布了 Qwen3.8-Flash-Next 的混合量化 GGUF 模型，采用 SSD-PLE 技术将 51.2B 参数的预测性潜在嵌入表移至 SSD，以 BF16 存储，从而将显存预算分配给 128.8B 参数的计算主干。在单个 NVIDIA DGX Spark 上，Q5 变体实现了 606.4 tok/s 的中位冷预填充速度和 28.3

实测Qwen 3.8-Max vs GPT-5.6：完成度更高但耗时3.5小时且额度耗尽

雷峰网作者通过Qwen Code和ChatGPT Codex分别调用Qwen 3.8-Max与GPT-5.6，要求它们从零搭建并迭代一个3D大模型演进宇宙网站。实测显示，Qwen 3.8-Max在页面完成度和视觉细节上优于GPT-5.6，但耗时更长（3小时29分钟）且因额度耗尽中断，而GPT-5.6在37分钟内完成但完成度较低。文章认为Qwen 3.8-Ma

Qwen3.8-27B ROCmFP4 量化版发布，AMD Strix Halo 上解码速度提升 2.83 倍

kingjones777 发布了 Qwen3.8-27B 的 ROCmFP4 量化版本，专为 AMD Strix Halo 平台优化，并捆绑了多 token 预测（MTP）草稿头。该版本在 AMD Ryzen AI Max+ 395 上实现了 30.30 tok/s 的解码速度，是标准 Q4 K M 的 2.83 倍，同时困惑度与 Q4 K M 持平。作者发