2.4万亿参数的旗舰模型,阿里说开源就开源了:靠模型本身赚钱的时代结束了

Pandas入门教程(二十二):股票数据分析实战——yfinance 获取数据、技术指标与收益率分析 把 Pandas 用在真实场景,才能体会它的价值。本文以茅台股票为例,用 yfinance 获取历史行情,完成缺失值处理与列筛选,绘制收盘价曲线,计算 SMA 移动平均线与 RSI 相对强弱指数,并通过日收益率、累计收益率和波动率完成完整的量化分析流程。 阅读详情

2.4万亿参数的旗舰模型,阿里说开源就开源了:靠模型本身赚钱的时代结束了

一家公司压箱底的旗舰模型——2.4万亿参数、激活950亿、能力对齐全球第一梯队——发布十天之后,权重免费开放给全世界下载。放在两年前,这是闭源厂商们绝对不会考虑的动作;放在今天,它是阿里千问对全行业投下的又一颗深水炸弹。

先看新闻锚点。8月13日,阿里千问大模型团队正式开放Qwen3.8-2.4T-A95B模型权重:总参数2.4万亿、每个词元激活约950亿参数,原生支持26万词元上下文、可扩展至101万。该模型8月3日以Qwen3.8-Max的名义发布API,当时官方即预告"下周开源";如今权重如期落地,这也是千问首次把Max级别的旗舰模型对外放开。在第三方评测中,它在编程、办公、科研复现、长周期智能体等任务上位居前列,部分指标超过多款国际主流模型——市场普遍认为其综合性能已对齐Anthropic的Fable 5第一梯队。

"能力比肩Fable 5"的模型免费送,意味着什么?它标志着大模型竞争的一个拐点:竞争的主战场,正在从"谁的模型强",切换到"谁的生态强"。

一、先看清楚:这次开源和以前不一样

开源大模型并不是新鲜事。但过去两年,开源与闭源的边界一直清晰:开源阵营拿出的多是7B、70B级别的中小模型,能力够用但谈不上顶尖;真正的旗舰模型被各厂商当作护城河,只通过API对外收费。业界默认的潜规则是:最好的模型一定闭源。

Qwen3.8-2.4T-A95B打破了这条潜规则。2.4万亿参数是目前开源阵营里最大规模的旗舰级权重,且不是"阉割版":官方明确这是与Max版同源的完整模型。这意味着,开发者第一次可以下载到与全球第一梯队闭源模型同一级别的开源权重,自己部署、微调、二次开发。

对比维度过去的开源模型Qwen3.8-2.4T-A95B
规模7B-72B为主2.4万亿(激活950亿)
能力定位够用,但非顶尖对齐全球第一梯队
长程任务短任务、单轮问答为主数天级自主编程、论文复现
商业属性中小模型免费,旗舰闭源旗舰级首次开源

"能扛数天长程任务的旗舰级模型"开放权重,是这次开源与以往最本质的区别——它把"长程智能体"这个原本属于闭源旗舰的领地,直接划进了开源的版图。

图:数据中心里整齐排列的AI服务器

二、为什么"免费送"反而是更贵的生意

很多人看到"免费开源"就以为阿里在做慈善。恰恰相反,这是一笔计算过得失的生意。理解它的钥匙,是"剃须刀与刀片"模型的现代版本:刀架免费,刀片收费。

大模型的成本大头在推理算力。权重免费,但要把模型跑起来,需要显卡、需要集群、需要云服务——而这正是阿里云的主营业务。开源一个旗舰模型,等于在全世界开发者面前摆了一个"免费的诱饵":你下载权重、本地部署、微调、做应用,跑起来的那一刻,算力账单就来了。模型免费,算力收费,生态越大,云生意越大。

环节免费还是收费谁受益
模型权重免费开发者、研究者
推理算力收费(云服务)阿里云
微调与部署工具部分免费生态伙伴
企业级支持收费阿里云

更深一层,开源还承担着"标准制定者"的角色:当一个模型被全球开发者广泛采用、成为事实标准,围绕它的工具链、人才库、解决方案都会沉淀在它的生态里。生态的黏性,比API的账单更难被竞争对手撬走。

三、"谁的生态强"取代"谁的模型强"

这场开源的底层逻辑,是行业竞争标尺的切换。

第一阶段的竞争比"模型能力":谁的基准分高谁赢,拼的是参数、数据、算法。第二阶段的竞争开始比"工程与成本":谁能把推理做得又快又便宜,谁就能占领API市场。而Qwen3.8的开源,把竞争推进到第三阶段——比"生态"。模型的单点能力不再是胜负手,谁能吸引最多开发者、沉淀最多应用、形成最厚的工具链,谁才是最终赢家。

竞争阶段核心指标典型动作
模型能力阶段基准测试分数堆参数、刷榜单
工程成本阶段推理价格与速度降本增效、价格战
生态阶段开发者规模与工具链厚度开源旗舰、开放平台

这个切换不是阿里一家推动的。英伟达此前开源Nemotron、DeepSeek开源V4系列、Meta长期押注Llama——所有玩家都意识到:在一个模型能力快速同质化的市场里,生态才是复利。阿里这次的动作,只是把旗舰级开源这个选项,从"可选"变成了"必须回应"。

四、连锁反应:谁最难受

开源旗舰模型的最大冲击,落在两个群体身上。第一个是"中间层模型":那些参数几百亿、能力不上不下、靠API差价生存的模型厂商。当2.4万亿参数的旗舰权重都能免费下载,中间层模型的定价空间被直接压穿——用户完全可以用开源旗舰做同样的任务,成本更低、数据不出域。

第二个被冲击的是闭源API的定价体系。旗舰开源后,闭源模型的定价锚点被重估:同级别的能力,一边免费、一边按token收费,客户用脚投票只是时间问题。这也是为什么同期各家的API价格战愈演愈烈——开源旗舰把整个行业的价格天花板往下拽。

受影响群体冲击方式可能的应对
中间层模型厂商旗舰免费,中间层失去价格空间转向垂直场景深耕
闭源API厂商定价锚点被重估强化独家能力与服务
开发者获得顶级模型使用权本地部署、深度定制
云厂商推理需求增加算力与工具链变现

对开发者而言这是最好的时代:顶级模型的能力、本地部署的隐私、深度定制的自由度,第一次可以同时拥有。代价是选择变多,需要自己判断什么场景该用开源旗舰、什么场景该付费买闭源的服务。

图:开发者工作区与多块显示器

五、对中国AI产业的三层含义

第一层,技术自信的展示。敢于开源旗舰,说明技术团队对模型质量有底气——如果开源后被第三方评测反复打脸,损失的不只是声誉,还有整个生态的信任。开源旗舰是"亮剑",不是"清仓"。

第二层,人才与算力生态的磁吸效应。全球开发者下载、使用、贡献,围绕Qwen的社区、工具、论文会快速累积,这会反过来吸引顶尖人才和企业的注意力。开源社区是这个行业最便宜也最有效的招聘与市场渠道。

第三层,产业链的话语权。当开源旗舰成为大量应用的底座,整个产业链——芯片适配、推理引擎、行业解决方案——都会围绕它旋转。开源的不是一个模型,是一整条产业链的坐标系。

层面含义观察指标
技术旗舰质量经得起公开检验第三方评测、社区复现
生态开发者与人才向心力下载量、二次开发项目数
产业产业链话语权芯片与工具链适配广度

六、接下来看什么:三个观察清单

对于跟踪这个行业的读者,未来几周有几件事值得盯。第一,Qwen3.8-27B等中小型号的推出节奏——它们决定开源生态的"金字塔底座"能不能补齐。第二,其他闭源厂商的回应动作——是跟进开源,还是用独家能力(多模态、Agent编排、企业服务)差异化防守。第三,开源旗舰在真实业务里的落地效果——纸面分数与生产环境的差距,最终由开发者社区来检验。

观察项为什么重要什么样的信号值得注意
中小开源型号生态底座厚度27B等型号快速迭代
竞争对手回应行业竞争方向跟进开源或差异化防守
落地效果旗舰的真实含金量生产环境案例增多

大模型竞争的终局尚未到来,但赛道的方向已经清晰:模型能力会继续卷,而决定长期格局的,是谁能把这些能力变成生态。2.4万亿参数的免费下载,就是这个方向上的里程碑——它把"开源旗舰"从口号变成了现实,也把压力递给了每一个还在"靠卖模型赚钱"的玩家。

图:全球化视野下的城市灯光

小结

阿里开源2.4万亿参数旗舰模型,不是慈善,是生态战略:权重免费引流,算力与服务收费变现;竞争标尺从"谁的模型强"切换到"谁的生态强"。冲击最直接的是中间层模型和闭源API定价体系,而受益最明确的是全球开发者。开源旗舰化的趋势,已经挡不住了——接下来看谁先接招。

ARS408毫米波雷达数据解析避坑指南:从硬件连接到Python处理 本文提供了ARS408毫米波雷达从硬件连接到Python数据处理的完整实战指南。针对串口通信不稳定、数据解析错误等常见问题,详细解析了硬件连接方案选择、串口数据高效读取策略、二进制协议解析的位操作技巧,并给出了坐标转换、目标跟踪及实时可视化的代码实现,帮助开发者快速搭建稳定的雷达数据处理流水线。 阅读详情

相关推荐

数据质量管理的一些思考

背景 在近期的项目当中,我们为客户落地实施了数据资产平台。随后,在数据平台中接入了客户子公司的一个业务系统的明细数据。客户希望在我们的数据平台上通过数据探索和数据分析,来挖掘一些业务价值和业务创新点。 当我们拿到数据开始进行一些初步探索的时候,发现导入平台的数据质量存在一定的问题:例如一些用于数据分析的关键字段的值为空、一些本应该有主从关系的数据对应不上、数据分类混乱等。这些问题直接影响到了对...

IDEAL Garden 1万+

51c大模型~合集110

为了解决这一问题,在稠密化过程中,我们对容易引起退化和梯度集中的具有极端延展率的高斯面片进行了筛选,并对其增殖过程进行了限制,从而在不牺牲性能的情况下有效稳定了训练过程,保障了优化过程的顺利进行。大规模场景的重建往往还意味着显著的训练开销,要重建 1.97 平方千米的区域会产生接近两千万的高斯点,这意味着 4.6G 的存储以及 31.5G 的显存开销,以及超过三小时的训练时长。站在 AI 研究者的角度,得到了《苦涩的教训》,意味着在总结教训的过程中明确了什么是「更好」的。第二类则瞄准了相对复杂的问题。

whaosoft~aiotの开发板商城 2601

新手避坑指南:在MacBook上为PyTorch正确配置MPS环境,跑通第一个YOLOv8训练

本文详细指导新手如何在MacBook上为PyTorch正确配置MPS环境,并成功运行YOLOv8训练。从环境准备、PyTorch安装到YOLOv8配置和性能调优,提供全面的避坑指南和实用技巧,帮助开发者充分利用Mac的GPU加速能力。

weixin_29100399的博客 226

全球AI贡献梯队解析!!!!:完整实战指南与核心要点精讲

全球AI贡献梯队解析!!!!:完整实战指南与核心要点精讲——深度解析与实战指南。

热爱技术与前沿创新,深耕科技领域,在科创中精进自我;探索技术乐趣,分享技术干货与成长心得,以技术为伴,热爱生活,在科创与生活中双向成长。 1132

扣子(coze)实战 | 一键生成爆款书单视频

摘要:本文介绍了一个基于DeepSeek和Coze平台实现短视频高效生成的工作流方案。该方案耗时仅1-2分钟即可完成"假如书籍会说话"类短视频制作,包含书籍内容深度解读、对话台词生成、自动配音、素材合成等环节,支持通过剪映进行二次编辑。作者分享了完整开发思路和8个工作模块,并开放了包含该工具在内的100+智能体共享空间,提供会员专属服务。该方案为非真人出镜短视频的批量化生产提供了可行方案。

yueyehuguang的博客 2393

车载以太网测试技术解析

在智能汽车与HiL测试领域,高效解析与模拟车载网络通信是开发验证的关键。ZD-Converter 2000以媒体/介质转换器、嗅探器、拦截器、仿真器四合一的颠覆性设计,成为工程师应对复杂车载以太网测试的瑞士军刀。它支持双路车载/标准以太网智能转换、实时通信嗅探、硬件级数据拦截及ECU通信模拟,更通过串口命令实现全参数远程配置,赋能自动化测试流程。本文将深度解析其核心功能与实战应用场景。

Triv2025的博客 1142

Python+Agent入门笔记(二):列表推导式、模块和异常,这些写 Agent 前得会

接上一篇《Python+Agent入门笔记(一)》。基础语法跑通之后,这篇聊几块日常写脚本绕不开的东西。还是按 JS/Go 开发者的视角写,尽量记录我实际卡过的地方。

qq_41241612的博客 425

别再为CAD和GIS数据对不上而头疼了!一份完整的ArcGIS for AutoCAD坐标系定义与数据套合指南

本文详细介绍了如何通过ArcGIS for AutoCAD插件解决CAD与GIS数据坐标系不匹配的问题,实现数据的精准套合。文章从坐标系冲突分析、插件核心功能解析到五步标准化工作流,提供了完整的解决方案,帮助工程师和设计师提升跨平台协作效率。

weixin_42531886的博客 216

微调数据集构建:清洗、标注、格式转换完整流程

摘要解决微调数据直接抓取导致的噪声污染、模式崩溃与Token错位问题。适用于需为大模型SFT阶段构建高质量训练集的数据与算法工程师。读完可获得包含启发式清洗、MinHash去重及ChatML格式对齐的完整可运行数据流水线。关键词数据清洗、MinHash去重、数据标注、ChatML、SFT数据集、数据配比背景与问题大模型微调效果的上限由数据质量决定,直接使用未经处理的原始语料极易引发模型复读、幻觉与指令遵循能力退化。

2402_85729970的博客 468

STM32入门教程:无人机控制

我们将会一步一步引导您完成无人机的控制代码,包括无人机的姿态控制、飞行控制和通信控制等。第三步:配置无人机姿态控制 无人机的姿态控制是指控制无人机在空中的倾斜和转向。为了实现姿态控制,我们需要使用加速度计和陀螺仪传感器来获取无人机的姿态信息,并使用PID控制算法来控制无人机的姿态。在这一步骤中,您需要根据您使用的具体传感器和控制算法的要求进行更详细的配置和编码。在通信控制中,您需要考虑到通信的稳定性和可靠性。第五步:通信控制 无人机的通信控制是指与地面站或其他设备进行通信,传输飞行数据和接收飞行指令。

m0_75244442的博客 747

深度强化学习 | 基于DQN实现Flappy Bird游戏与分析

在Flappy Bird中,玩家需要通过控制小鸟安全穿过随机长度的水管来得分。本文基于深度Q网络DQN来实现Flappy Bird游戏的自主探索与学习

FRIGIDWINTER的博客 5911

详解Python条件语句

在 Python 中,if...else 是一种条件语句,可以根据给定的条件执行不同的操作。这个语句通常用于控制程序的流程。

2601_96798737的博客 204

图像处理 | 基于matlab的多尺度Retinex(MSR)和自适应直方图均衡化(CLAHE)算法联合的低照度图像增强(附代码)

本文介绍了一种基于多尺度Retinex(MSR)和CLAHE的低照度图像增强算法。算法首先对图像进行多尺度Retinex处理,通过不同尺度的高斯核去除光照影响;然后采用CLAHE算法进行对比度增强。Matlab实现展示了算法流程,包含灰度转换、多尺度Retinex增强和CLAHE处理。实验结果显示,该方法能有效提升低照度图像的可见性,增强细节表现。最后提出了改进建议,包括引入深度学习方法和优化参数选择。

尘世冰封的专栏 952

Python3 协程:异步编程的核心机制与实战

协程是解决I/O密集型任务等待瓶颈的高效机制,相比线程更轻量、无锁开销。从yield到async/await的演进,使异步编程语义清晰、易于理解。通过async/await可实现并发执行多个任务(如gather、create_task),显著提升网络请求、爬虫等场景性能。关键在于使用异步库(如aiohttp)替代同步库,避免阻塞事件循环。合理控制超时与并发数,才能发挥协程最大优势。

Lxn2zh的博客 157

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

python如何控制浏览器

Python 可以通过 Selenium、Playwright 等工具实现浏览器自动化,从打开网页到执行复杂交互操作均可脚本化完成。Selenium生态成熟

2601_96797912的博客 73

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

torch.compile 差异仅 1e-6,边界样本预测为何翻转

torch.compile 加速后输出与 eager 不一致,部分预测翻转。逐层对比与 graph break 分析定位到动态分支翻转根因。容差回归仅适用于无分支翻转场景,零容忍场景应禁用编译。

昨日种种,皆成今我。今日种种,皆成新我。 157

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

二进制木马免杀-Python 分离免杀与 Web 挂马

二进制木马免杀-Python 分离免杀与 Web 挂马

2503_94637398的博客 262

Python 100讲课程导航:第08篇《Python input 与类型转换:构建可靠的交互程序》

本文详解Python中input()的返回类型为字符串,强调必须通过int()、float()等函数进行类型转换。重点讲解了输入验证的重要性,结合try-except处理ValueError等异常,实现可靠的交互程序。通过购物预算计算器实战,演示如何防范非法输入、处理边界值,并推荐使用Decimal避免浮点精度问题,提升程序健壮性。

铭渊老黄 130

【Python】国家中小学智慧教育平台电子教材批量下载与 PDF 合成实战

成果:两本语文电子课本(一年级上册 118 页 / 23MB、三年级上册 130 页 / 30.3MB),合计 248 页、约 54MB,单本下载加合成 40~60 秒,PDF 页数校验全部通过。经验教训SPA 站点的数据接口优先从 bundle 里挖,比抓页面稳得多;资源链接要按 private/public 分组看待,只取平台公开部分;页数、目录名这类“可推断”的信息,永远用实际响应验证一次;受限环境里“能不能跑浏览器”要在方案定稿前确认。后续计划:这版 PDF 是图片版,没有文字层;

木头大左的博客 114

魔塔社区微调训练Qwen2-1.5B-Instruct模型并烧录到‌RK3568开发板教程

本文基于Ubuntu 22.04 + CUDA 13.0.3环境,使用LLaMA-Factory框架对Qwen2-1.5B-Instruct模型进行LoRA微调,训练儿童故事生成专用模型。通过配置qwen模板、制作alpaca格式数据集、执行sft训练并合并LoRA权重,最终将模型转换为GGUF格式,并量化为Q4_K_M以适配RK3568嵌入式平台。全程支持国产镜像加速下载与显存优化,实现高效轻量化部署。

浅清秋慕夏的博客 182

【回眸】DeepSeek V4.1 Flash 快速上手与实战

本文介绍如何高效本地部署开源大模型,通过现代化工具链实现分钟级环境搭建。聚焦显存优化、一键安装、代码调用与多轮对话实现,解决“显存不足”“连接超时”等痛点,提供参数调优与结构化输出技巧,助力开发者在离线场景下快速构建稳定、高效的本地推理系统。

啤酒鸭的物联网开发记录博客 193

智叟云集-手机证据抓取系统的工程结构与应用入口

本文系统阐述手机证据抓取系统的工程结构与应用入口,涵盖四大层面:工程目录划分(Android、Python服务、Web页面、测试与构建工具);Android组件通过Manifest声明可启动页面,主界面由MainActivity管理;Python服务通过run.py解析参数并启动FastAPI应用,支持远程访问;浏览器页面采用HTML/CSS/JS分离架构,静态资源通过路径关联,实现动态交互。各模块分工明确,协同构建可运行的采集系统。

2301_77178996的博客 228

利用python中matplotlib.pyplot库绘制图

plt.plot(x,y) # x,y是每个点的坐标,plot()把每个点按顺序画折线。plt.subplots(2,2)表示绘制2*2的子图布局,axs[0,0]表示在第0行第0列绘制子图...coordinates_i[:,0]表示获取每一行(每一个spot)的第0列(x坐标)coordinates_i[:,1]表示获取每一行(每一个spot)的第0列(y坐标)plot.subplot(2,2,1) 表示子图布局是2*2的,开始绘制第一个。也可以导入数据绘制。可以设置color属性,设置颜色。

qq_46147236的博客 98

【随笔】KV缓存量化:省下的显存,要付出多少数值误差

用可运行量化器解释位宽、比例信息、分组和离群值的关系,核算KV缓存实际载荷,并给出Transformers配置与容量、延迟、质量验收方法。

code2cat的博客 442

Spring Boot 自动配置原理

Spring Boot 自动配置由 @EnableAutoConfiguration 导入选择器,读取 jar 中 .imports 候选清单,经去重、排序、排除后逐类做条件判断,通过才注册 Bean。延迟导入让用户 Bean 优先,@ConditionalOnMissingBean 使默认配置让位。失效时查清单和 Negative matches。

2401_89855466的博客 346

【AI】方案设计:通用慢节奏策略游戏大模型智能体流水线开发架构设计——基于 OODA 文件总线与可插拔协议适配层

本方案设计了一种面向慢节奏策略游戏的通用智能体架构,通过C++与Python协同构建协议适配层,实现游戏状态与控制指令的解耦。核心采用文件目录作为唯一总线,基于OODA循环分阶段处理态势感知、研判、决策与执行,支持多协议接入、可审计回放、人在回路干预及自愈容错。大模型仅依赖统一结构化简报与通用指令,具备高兼容性与可扩展性,适用于复杂推演场景。

hknaruto的专栏 162
上一篇: 从《消费经济》到西安交大:多家期刊发布AI使用规范,AI写作的边界正在收紧
下一篇: 从OpenAI紧急锁定GPT-6 Astra看AI安全治理:能力越界的模型,先被自家按下暂停键
DeepVisionary
博客等级 码龄3年 1104粉丝 258原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值