# Qwen3.8发布，参数规模达2.4T

- 来源：ginobefun (@hongming731)
- 发布时间：2026-07-20 07:51
- AIHOT 分数：35
- AIHOT 链接：https://aihot.virxact.com/items/cmrsibzvq09b0biwm16wspgre
- 原文链接：https://x.com/hongming731/status/2078991141673021682

## AI 摘要

Qwen 推出 Qwen3.8，拥有 2.4T 参数，性能媲美前沿模型，预览版已开放。Netflix CPTO 认为 AI 加速流程但未替代品味与责任。Vidu S1 将视频扩散推理压至约 4 步，在消费级 GPU 上实现 540P、25–42 FPS 的实时生成。

## 正文

BestBlogs 早报 · 07-20

# Vidu S1 / Agent 云 / Netflix / Qwen3.8 / 政府 AI 治理

【1】 ★ 精讲|Netflix CPTO Elizabeth Stone 谈 AI 与产品、技术角色的未来 【视频】
Netflix 技术负责人 Elizabeth Stone 的判断很克制：AI 加快原型和生产流程，却没有替代品味、责任与创作者选择。她把真正的准备工作落到可信数据、访问控制、安全护栏和人才密度，给管理者一套比追逐模型更新更耐用的组织检查表。
来源：Lenny's Podcast
https://www.bestblogs.dev/video/0be2bd934

【2】 ★ 精讲|Vidu S1 如何让视频生成跨过实时门槛 【播客】
Vidu S1 把视频扩散推理压到约 4 步，并从算子、模型到集群服务逐层优化，在消费级 GPU 上实现 540P、25-42 FPS 的持续生成。文章的价值不只在速度数字，更在于拆清实时视频从模型能力走向可部署系统时，计算、显存与调度瓶颈如何转移。
来源：十字路口 Crossing
https://www.bestblogs.dev/podcast/50fbde638

【3】 ★ 精讲|对话 PPIO 姚欣：Token 工厂的第一客户不再是人，而是 Agent
PPIO 把 Agent 云拆成模型网关、上下文工程、沙箱与 Harness 四层：前者处理多模型路由、缓存和故障切换，后者为代码执行提供隔离环境。文中的降本增效数据来自公司披露，仍需外部验证；更值得关注的是，云基础设施正围绕 Agent 的长任务形态重构。
来源：智东西
https://www.bestblogs.dev/article/31cecd3bba

【4】 Qwen3.8 发布：拥有 2.4T 参数（官方）
Qwen 宣布推出 Qwen3.8，这是一款拥有 2.4T 参数的模型，性能媲美前沿模型，目前预览版已开放。
来源：Qwen（@Alibaba_Qwen）
https://www.bestblogs.dev/status/2078759124914098291

【5】 SK 海力士崛起史：一个荒诞又狗血的财阀故事，如何卡住全球 AI 的脖子
本文梳理了 SK 海力士从纺织起家到垄断 HBM 内存、助力 AI 算力的崛起历程，并分析其财阀背景、技术押注及市场影响。
来源：硅谷 101
https://www.bestblogs.dev/article/5146b9f154

【6】 Netflix 如何构建 GenPage：一个用于构建个性化主页的单一 GenAI 模型
Netflix 的 GenPage 用单一的生成模型取代了多阶段推荐流水线，直接利用用户上下文作为提示词来创建个性化主页，实现了更高的用户参与度，并将端到端服务延迟降低了 20%。
来源：InfoQ
https://www.bestblogs.dev/article/10f2209b8a

【7】 用 Claude 重写 SQL 解析器，性能暴涨 70 倍：程序员做的不是写代码，而是搭建验证闭环
本文详述了作者如何利用多个并行 Claude Code 会话，通过测试驱动开发与基于属性的测试，将 PostHog 的 SQL 解析器用 Rust 重写，最终在生产环境中实现 454 倍性能提升的完整过程。
来源：AI 前线
https://www.bestblogs.dev/article/aa14b861b1

【8】 Demo 跑通了，上线就翻车？Java Agent 生产的那些坑，我们帮你填了
Java Agent 在生产环境落地的关键难点在于运行时的稳定性、记忆管理、工具溢出保护与可观测性，本文通过 Spring-Ai-Trip 框架系统性填补这些空白。
来源：携程技术
https://www.bestblogs.dev/article/c6ed45e1af

【9】 自主科学任务智能体如何突破研究瓶颈 【视频】
Sina Shahandeh 解释了自主编码智能体为何会在开放式科学任务中陷入停滞，并提出以显式层级脚手架、多模态审查与推理模型批评来形成更强假设、维持实验循环。
来源：AI Engineer
https://www.bestblogs.dev/video/f12ac16f4

【10】 一个关于政府 AI 合同的红线与监督框架 - LessWrong
一位前谷歌 DeepMind 工程师提出了一个详细的治理框架，包含两条红线（人类对瞄准目标的控制；禁止无目标的 AI 画像分析）和一个审查机构，以在政府 AI 合同中强制执行透明度。
来源：LessWrong
https://www.bestblogs.dev/article/5a876dae18

---
http://BestBlogs.dev · 发现真正适合你的高质量内容
BestBlogs 是 AI 驱动的私人阅读助手，帮助你发现真正适合你的高质量内容，关注你感兴趣的来源和主题，每天生成一份更适合自己的「我的早报」，欢迎体验和关注我们。
在线阅读：https://www.bestblogs.dev/explore/brief/2026-07-20

### 引用推文

> ginobefun：http://x.com/i/article/2078990250987442176