阿里巴巴通義千問(Qwen3.8):中文能力最受肯定的開源系列,以及香港學校的兩條路
Qwen3.8-Max 於 2026 年 8 月 3 日正式上線,0902 快照於 9 月 3 日推出,2.4 萬億參數 MoE、每 token 啟動約 950 億、100 萬 token 上下文、每 100 萬 token 2 / 6 美元。開源權重方面,Qwen3.8-27B 以 Apache 2.0 發佈並可在 24GB 顯示記憶體運行。本頁比較雲端 API 與校內自架兩條路,以及在 Edor.ai 中透過本地 Ollama 的可用性。
非原生供應商。Qwen 是中文能力最受肯定的開源系列,Edor.ai 的 Ollama 建議清單已包含 qwen2.5:14b;較新的 Qwen3.8-27B 以 Apache 2.0 發佈,官方稱可在 24GB 顯示記憶體運行,是校內自架處理中文教材的實用選擇。旗艦 Qwen3.8-Max 為閉源雲端 API,屬跨境傳輸,學生資料須先評估。
通義千問在中文科採購簡報裡幾乎一定出現——但採購會常把「Qwen 很強」誤讀成「一定要上 Max 雲端 API」;對香港學校,更務實的分岔是 Qwen3.8-27B 在校內 24GB 顯示卡自架(資料留校),或 Max 雲端(跨境傳輸,須先私隱評估)。
通義千問是阿里巴巴的模型系列,同一代同時提供「只有雲端的旗艦」與「可下載的開源權重」。對香港中小學,這個結構直接對應兩種成本:用雲端換最強中文與 100 萬 token 上下文,用自架換合規簡化與硬體一次性支出——沒有絕對優劣,只有學校願意承擔哪一邊。
這家公司在做甚麼
Qwen 的節奏是「旗艦上雲、尺寸下放」。Qwen3.8-Max 2026 年 8 月 3 日正式上線,9 月 3 日推出 0902 快照,2.4 萬億參數 MoE、每 token 啟動約 950 億,支援文字、圖像與影片,100 萬 token 上下文,但 Max 端點閉源、權重不公開。
開源一側,Qwen3.8-27B(2026 年 8 月 14 日)是 278 億參數密集視覺語言模型,Apache 2.0,官方標示可在 24GB 顯示記憶體運行——這是把「校內中文模型」從理論變成採購單的關鍵尺寸。Qwen3.8-Flash(2026 年 8 月 26 日)是 1,250 億總參數、60 億啟動參數的小型 MoE,適合高頻批量。Qwen2.5 系列(2024 年 9 月 19 日)仍是 Ollama 上最常用的中文世代,Edor.ai 建議清單的 qwen2.5:14b 即屬此代。
要反覆說明的一點:Qwen 中文強,但訓練語境偏內地。輸出可能是「五年級」而非「小五」、「學案」而非「工作紙」——這是語境問題,靠提示模板、校本知識庫與教師覆核修正,不是換一個更貴的型號就能自動消失。
型號陣容對照
| 型號 | 定位 | 上下文 | 每 100 萬 token(輸入/輸出) |
|---|---|---|---|
| Qwen3.8-Max(2026-08-03 GA;0902 快照 2026-09-03) | 閉源雲端旗艦;2.4T MoE,~950B 啟動;文字/圖像/影片 | 100 萬 token | 2 / 6 美元(快取輸入約 0.25 美元) |
| Qwen3.8-2.4T-A95B(2026-08-12) | 同架構開源權重;自訂授權;公開版無圖像 | — | 機構級硬件 |
| Qwen3.8-27B(2026-08-14) | 學校自架首選;Apache 2.0;VLM | — | 24GB 顯示記憶體可運行 |
| Qwen3.8-Flash(2026-08-26) | 小型 MoE;高頻批量 | — | 0.15 / 0.47 美元 |
| Qwen2.5(2024-09-19) | Ollama 常用世代;含 qwen2.5:14b | — | — |
年收入超過 5,000 萬美元的供應商使用 2.4T-A95B 需另取商業授權;一般香港學校自用通常不觸及,但硬件跑不動才是選 27B 的主因。
錢從哪裡出
雲端 Max / Flash: 旗艦 2 / 6 美元、Flash 0.15 / 0.47 美元,教師用不含個人資料的素材做能力測試,成本幾乎可忽略。但一旦把學生作文、姓名送上 Max API,就是跨境個人資料傳輸——要麼完成私隱影響評估與家長知情同意,要麼改走自架。
校內 27B 或 14b: 一張 24GB 顯示卡是可採購的硬件規格,Apache 2.0 讓辦學團體一份權重多所學校共用、無用戶數上限。隱藏成本是供電、散熱、備份、版本更新——沒有 IT 人手的學校,總成本未必低於雲端訂閱。
平台基建: 即使聊天走 Qwen,embedding 與粵語口語仍要 OpenAI 或 Azure OpenAI。自架解決的是「中文對話資料留校」,不是「整個 Edor.ai 零跨境」。
24GB 顯示卡買的是合規簡化,不是自動獲得 2.4 萬億 MoE 的能力——採購文件要把「跑哪個尺寸」寫清楚,比寫「上 Qwen」更重要。
在 Edor.ai 裡擔任甚麼角色
Qwen 不是原生供應商,經 本地 Ollama 進入平台:校內伺服器跑 Qwen3.8-27B 或 qwen2.5:14b,後台供應商設為本地 Ollama。建議清單已含 qwen2.5:14b,IT 主任不必從零摸索。
自架模式
對話不經外部雲端,四層守門、教師監控、ai_audit_logs、校本知識庫檢索照常;資料屬於學校,可一鍵全量匯出。中文科教案、文言文對照、工作紙題目變體、長篇中文摘要,27B 在教師端通常已足夠,不必為備課硬上 Max。
學生端
適合中文閱讀理解提示與詞語解釋,僅在導師模式下——平台限制只給提示不給答案,對話供教師審視。涉及價值判斷的通識或中史題,應由教師帶領討論;敏感與時政題答案可能保守或偏斜,不能當唯一來源。
若堅持 Qwen3.8-Max 雲端 API,須先完成跨境私隱評估。想再貼近校本用語,可用 LoRA、QLoRA、INT4 在消費級顯示卡微調開源權重——概念與 LLM 教室 相同。
甚麼場景適合、甚麼場景不適合
適合: 中文科、常識科、中史科備課;有 24GB 顯示卡、願意維運 Ollama 的學校;辦學團體要 Apache 2.0 複製部署;學生端支架式提示(導師模式)且教師可覆核。
不適合: 未評估就把學生作品送 Max 雲端;以為 2.4T 開源權重等於校內可跑;不做用語校準就發給家長的通告;把歷史時事題完全交給模型;沒有 IT 人手卻假設自架「一次買斷」。
週五放學後,中文科主任對 IT 主任說:「27B 出工作紙快多了,但『垃圾桶』還是要改成『垃圾箱』——模板裡我加多一句香港用語限制。」這就是正常推行節奏。
可複製以下提示:
你是香港小學中文科教師。請就「中秋節的由來與習俗」為小五學生設計一份 30 分鐘的閱讀與寫作活動。
輸出:短文一篇(350 字內)、詞語解釋表(6 個詞語,附例句)、理解題 4 條、寫作引導題 2 條、教師觀察要點 3 項。
限制:全部用繁體中文及香港用語(例如寫「小五」而不是「五年級」,寫「工作紙」而不是「學案」);不要使用內地教材常見的表述;若涉及歷史年代或典故不確定,請寫「請教師核實」,不要自行編造。
以下是一位中三學生的中文記敘文。請按「內容/表達/結構」三項各給 1 至 5 分,每項寫兩句具體評語,再列出三個該學生下一步應該練習的重點。
限制:用繁體中文及香港用語;不要重寫整篇文章,只給回饋;引用學生原文時保留原句不改;評語要具體指出段落位置;若你對香港中文科評分習慣沒有把握,請標示「請教師核實」。
[貼上作文]
更多對照,可讀 DeepSeek、Kimi、Qwen、GLM 比較 與 開源與閉源的成本與私隱權衡。
給學校的取捨
- 如果你要中文對話資料完全不出校網,就把 Qwen3.8-27B 或 qwen2.5:14b 放在 Ollama,並在提示模板裡固定香港用語要求,不要為備課硬上 Max 雲端。
- 如果你堅持使用 Qwen3.8-Max API,就先完成跨境私隱評估與家長告知,且不要把涉及個人資料的批改設為預設路線。
- 如果你需要知識庫與粵語口語同時運作,就仍保留 OpenAI 或 Azure OpenAI 金鑰,並用有 24GB 顯卡的硬件做一個學期並行測試,再決定 14b 還是 27B。
同一家的幾條產品線
同一個供應商往往同時養著旗艦、主力、輕量與推理幾條線,價錢可以差十倍以上,選錯線比選錯供應商更常見。
| 型號 | 定位 | 發佈日期 | 上下文長度 | 輸入/輸出 | 說明 |
|---|---|---|---|---|---|
| Qwen3.8-Max-0902 | 旗艦 | 2026-09-03 | 1,000K | $2 / $6 | 旗艦的最新後訓練快照,2.4 萬億總參數 MoE、每 token 啟動約 950 億,支援文字、圖像與影片輸入。此快照只提供雲端 API,未公開權重。 |
| Qwen3.8-Max | 旗艦 | 2026-08-03 | 1,000K | $2 / $6 | 旗艦正式上線並改為按 token 計費,快取輸入約每 100 萬 token 0.25 美元。 |
| Qwen3.8-2.4T-A95B(開源權重) | 開源權重 | 2026-08-12 | 1,000K | — | 與旗艦同架構的開源權重版本,採自訂授權(公開版本不含圖像輸入,年收入超過 5,000 萬美元的供應商需另取商業授權)。2026 年 9 月的後訓練未同步開源。 |
| Qwen3.8-27B | 開源權重 | 2026-08-14 | 1,000K | — | 278 億參數密集視覺語言模型,Apache 2.0,官方稱可在 24GB 顯示記憶體運行——對學校自架而言是這批模型中最現實的一個。 |
| Qwen3.8-Flash | 輕量 | 2026-08-26 | — | $0.15 / $0.47 | 1,250 億總參數、60 億啟動參數的小型 MoE,上下文由 256K 擴展至 100 萬,價格極低。 |
| Qwen2.5 系列 | 開源權重 | 2024-09-19 | — | — | 至今仍是 Ollama 上最常用的中文開源模型世代,Edor.ai 本地部署建議清單中的 qwen2.5:14b 即屬此代。 |
幾條常被問到的問題
不急。14b 體積小、文件多,日常問答與檢索仍夠用。若學校已有 24GB 顯示卡且需要圖像理解或更長上下文,才值得並行測試一個學期再決定。
Max 是 2.4 萬億 MoE、每 token 啟動約 950 億,且支援文字、圖像與影片;27B 是 278 億密集視覺語言模型,在單機可跑範圍內已是中文科備課的務實選擇。旗艦強在極限任務,不是每節課都需要。
Qwen3.8-2.4T-A95B 需要機構級硬件,公開版不含圖像輸入,且是自訂授權(年收入超過 5,000 萬美元的供應商需商業授權),不是 Apache 2.0。一般香港學校自用不受 5,000 萬門檻影響,但跑不動才是主因。
訓練語境以內地為主,不是能力不足。提示須明確要求繁體中文與香港用語(例如「小五」「工作紙」),並配合校本知識庫;教師覆核仍是必要步驟。
若要用平台知識庫向量索引與粵語口語練習,仍需要 OpenAI 或 Azure OpenAI 的 embedding 與語音模型。Qwen 解決的是中文聊天,不是整個平台基建。
文中價格與規格的取材日期 2026-09
- Qwen — Qwen3.8-Max 發佈公告(參數、上下文與開源計劃)
- Hugging Face — Qwen3.8-27B 模型卡
- Hugging Face — Qwen3.8-2.4T-A95B 模型卡(開源權重與限制)
- Alibaba Cloud — Model Studio 產品頁
- Ollama — qwen2.5 模型庫頁
- · 文中的價格、功能與規格以上列官方文檔為準。供應商隨時會改,採購之前請自行覆核一次。
- · 文中提及的產品名稱與商標屬各自擁有者所有。Edor.ai 與該等公司沒有合作、代理或贊助關係。
- · 這是為教育用途做的獨立整理,不是採購建議,也不是法律意見。
- · 凡涉及學生個人資料的用法,請先按學校政策與《個人資料(私隱)條例》(PDPO)評估,然後才在校內推行。
延伸閱讀
- 中國大模型怎樣選:DeepSeek、Qwen、Kimi、GLM 八家,香港學校真正用得着哪一種
同一個「DeepSeek」,自架權重與呼叫官方 API 是兩件完全不同的事,私隱風險差天共地。這篇把 DeepSeek、Qwen、Kimi、GLM、MiniMax、豆包、混元、文心八家的價錢、上下文、授權與硬件門檻攤開,再按香港學校在《個人資料(私隱)條例》下可以承擔的範圍,交代哪些任務走哪一條路。
- 開源權重對閉源 API:學校自架與租用的真實帳目,以及私隱在甚麼時候改寫答案
不少學校以為買機跑開源模型一定慳錢。把 2026 年 9 月官方價格代入真實用量後,雲端 API 年費往往低過硬件回本線。本文分開算兩邊帳目,列出機房跑得起的開源型號與 24GB 門檻,並說明資料政策在甚麼條件下會令自架成為唯一合理選擇。
- 2026 年 15 家 LLM 供應商比較:價格、上下文,以及學校真正要決定的一件事
用同一組學校用量假設,把 OpenAI、Anthropic、Google、xAI、Meta、Mistral、Cursor Composer,以及 DeepSeek、Qwen、Kimi、GLM、MiniMax、豆包、混元、文心的 2026 年 9 月官方價格換算成年度帳單。能力差距在收窄,價格差距在擴大;學校要決定的不是用哪個型號,而是誰承受價格波動、換代時要付多少代價。