A Qwen lançou os pesos quantizados em FP8 de seu modelo Qwen3.5-397B-A17B, um modelo de linguagem causal com 397 bilhões de parâmetros e capacidades visuais que ativa apenas 17 bilhões de parâmetros por etapa de inferência.
O modelo utiliza uma arquitetura híbrida combinando Gated Delta Networks e Mixture-of-Experts esparsos para fornecer inferência de alta taxa de transferência com latência mínima. Ele suporta comprimentos de contexto nativos de 262.144 tokens, extensíveis até 1.010.000, e cobre 201 idiomas e dialetos.
A quantização FP8 emprega um método de granulação fina com um tamanho de bloco de 128, mantendo as métricas de desempenho quase idênticas ao modelo original enquanto reduz os requisitos de recursos.