在 NVIDIA GB300 NVL72 上部署 Qwen3.8-2.4T-A95B：2.4T 参数模型与可配置推理能力

阿里开源 2.4T 总参数、每 token 激活 95B 的 Qwen3.8-2.4T-A95B，采用全注意力与线性注意力混合架构和细粒度 MoE，支持百万 token 上下文与 low/high/xhigh 推理档位。NVIDIA 通过 SGLang、vLLM、Dynamo 与 NIM 提供 Day-0 部署方案，在 GB300 NVL72 上 FP8 精度实现每 GPU 超 4K tokens/s。