Qwen 3.8-Flash-Next: הצצה לארכיטקטורה שתניע את Qwen 4

Qwen 3.8-Flash-Next אינו מוצג כפריצת הדרך הסופית של Alibaba, אלא כחלון הצצה לדור הבא של משפחת Qwen. החברה מתכננת להציע אותו למפתחים כגרסה מוקדמת בעלת משקלים פתוחים, כדי שיוכלו לבחון את הארכיטקטורה שאמורה לעמוד בבסיס Qwen 4 — עוד לפני השקת מודל הדגל המלא. 9

המשמעות היא שהמספרים והבטחות הביצועים הנוכחיים עדיין אינם תחליף למשקלים זמינים, תיעוד טכני מלא ומבחנים בלתי תלויים. לכן נכון להתייחס לטענות על עלות, מהירות ואיכות כיעדים או כנתונים מטעם הספק, ולא כמסקנה סופית.

מה מיוחד בארכיטקטורה?

לפי התיאור שפורסם, Flash-Next הוא מודל מולטימודלי מסוג Mixture of Experts, או בקיצור MoE. הוא כולל 125 מיליארד פרמטרים בסך הכול, מתוכם 51 מיליארד פרמטרי N-gram embedding, אך מפעיל בערך 6 מיליארד פרמטרים בלבד בכל טוקן. 9

במודל צפוף רגיל, כמעט כל הפרמטרים משתתפים בעיבוד כל קטע טקסט. ב-MoE, לעומת זאת, קיימים מאגר גדול של "מומחים" — תתי-רשתות שמתמחות בסוגים שונים של משימות — ומנגנון ניתוב בוחר רק חלק מהם עבור כל טוקן. כך ניתן לשמור על קיבולת כוללת גדולה, בלי לשלם בכל שלב את מלוא עלות החישוב של מודל בגודל כזה.

בפועל, ניתוב דליל עשוי להפחית את מספר פעולות החישוב, את דרישות רוחב הפס של הזיכרון ואת עלות ההרצה. עם זאת, הוא אינו הופך מודל של 125 מיליארד פרמטרים למודל קטן מבחינת אחסון או פריסה: עדיין צריך לשמור ולנהל מאגר פרמטרים גדול, והיעילות בפועל תלויה בתשתית ההרצה ובאיכות מנגנון הניתוב.

מדוע הדגש הוא על תכנות?

קוד הוא תחום שבו התמחות דלילה עשויה להשתלם במיוחד. מומחים שונים יכולים ללמוד דפוסים של שפות תכנות, מבני מאגרים, שימוש בכלים, איתור באגים, בדיקות וניתוח פרויקטים ארוכי-טווח. מודל מולטימודלי יכול להוסיף לכך גם הבנה של תמונות, תרשימים או סרטונים הקשורים לתהליך הפיתוח.

Alibaba מייחסת ל-Flash-Next ביצועים הקרובים לחזית התחום, בעלות אימון של בערך תשיעית מזו של Qwen 3.7-Plus. אך זו אינה הוכחה לכך שהמודל ישתווה למודלים סגורים מובילים בכל מבחן או בכל סביבת פיתוח אמיתית. הטענה משקפת יעד של יעילות, הנובע מהניתוב הדליל, משינויי הארכיטקטורה וממערך ה-embedding — ולא תוצאה עצמאית שכבר אומתה.

למה זו גרסת תצוגה ולא מודל דגל?

המיתוג כ-preview נועד להשאיר מרחב לשיפורים שיגיעו עם Qwen 4. מפתחים יוכלו לבחון באמצעותו התאמות, fine-tuning, תשתיות inference ותהליכי עבודה מולטימודליים. במקביל, ל-Alibaba נותרת האפשרות להרחיב את האימון, לשפר את ה-post-training, לבצע עבודת בטיחות רחבה יותר, להשיק גרסאות גדולות נוספות ולהציג תוצאות benchmark סופיות.

לכן, מבחינת קהילת המפתחים, מדובר בעיקר בערכת הכנה מוקדמת לאקוסיסטם הבא של Qwen — ולא בהכרזה ש-Qwen 4 כבר הגיע.

היכן הוא משתלב בסדרת Qwen 3.8?

Alibaba כבר הפיצה את Qwen3.8-27B, מודל מולטימודלי טבעי בסדר גודל של 27 מיליארד פרמטרים, תחת רישיון Apache 2.0. לפי הדיווחים, הוא תומך בחלון הקשר טבעי של 262 אלף טוקנים, שניתן להרחיב עד מיליון טוקנים. 6

בקצה העליון נמצאת Qwen3.8-Max. עם זאת, הדיווחים מצביעים על כך שהמשקלים של גרסת Max כפופים לרישיון נפרד ומגביל יותר, ולא לתנאי Apache 2.0 הפשוטים של גרסת 27B. 12 ההבדל מאפשר הפצה רחבה יחסית של מודל קטן ונגיש, תוך שמירה על שליטה מסחרית רבה יותר ביכולות היקרות ביותר להפעלה.

נקודת התורפה: מה באמת אומר "משקלים פתוחים"?

אם רישיון Max או Flash-Next כולל ספי שימוש, חובה לחתום על הסכם נפרד או תנאים של חלוקת הכנסות בפריסות מסחריות גדולות, הרי שמדובר במגבלה מהותית על משמעות המונח "open weights".

המידע הקיים תומך בכך של-Max יש מגבלות רישוי, אך את סף ההכנסות המדויק ואת תנאי חלוקת ההכנסות יש לאמת מול נוסח הרישיון עצמו. בשלב זה אין להתייחס לטענה על חובת revenue sharing כעובדה מבוססת לחלוטין. 12

הקשר לגיוס הענק של Alibaba

ההשקות הן חלק מאסטרטגיית AI מקצה לקצה: להעמיד מודלי Qwen נגישים לרשות מפתחים, ליצור ביקוש לשירותי Alibaba Cloud, ובמקביל להשקיע בשבבים, בדאטה סנטרים ובתשתית הדרושה לאימון ולהפעלת מערכות מתקדמות. Alibaba מסרה כי הכנסות מהנפקת המניות בהונג קונג יופנו ליכולות AI מסוג "full-stack". 2

במסגרת העסקה גייסה החברה 80 מיליארד דולר הונג־קונגי — כ-10.2 מיליארד דולר — באמצעות מכירת 710 מיליון מניות במחיר של 112.70 דולר הונג־קונגי למניה. 3 המחיר שיקף הנחה של 8.4% ביחס לשער הסגירה הקודם, וספר ההזמנות משך לפי הדיווחים ביקוש של כ-28 מיליארד דולר. 4

מבחינת המשקיעים, התמונה מורכבת: ההון החדש מאפשר ל-Alibaba להאיץ השקעות ב-AI, אך הנפקת מניות חדשות מדללת את בעלי המניות הקיימים ומגדילה את סיכון הביצוע. אם ההוצאות על AI לא יהפכו בזמן להכנסות משירותי ענן, ממשקי API ומוצרים, התשואה על ההשקעה עלולה להתעכב. 4

לא רק מבחן ביצועים — גם מלחמה על מפתחים

במרוץ המודלים בעלי המשקלים הפתוחים בסין, המטרה אינה רק לנצח בטבלת benchmark. Alibaba רוצה למשוך מפתחים, fine-tuning, עומסי ענן, כלי פיתוח ותמיכה מצד ספקי תוכנה — לפני שמתחרים כמו DeepSeek יתפסו את אותה שכבה באקוסיסטם.

אזכורים למערכות אפשריות כמו "Ox Alpha" נשארים ספקולטיביים כל עוד אין לצדם השקה מיוחסת, משקלים זמינים או דוח טכני. באותה מידה, טענות על אקוסיסטם הכולל יותר מ-460 מודלים ותמיכה ב-119 שפות הן מדדי אקוסיסטם של Alibaba, ולא מדד ליכולת של מודל Qwen יחיד.

השורה התחתונה

ההימור של Alibaba ברור: מודלים מולטימודליים, דלילים וזולים יותר לאימון עשויים לאפשר לה להתחרות בשני הקצוות — גם באימוץ רחב של מודלים פתוחים וגם בפריסה פרימיום בענן.

השאלות החשובות עדיין פתוחות: האם מבחנים בלתי תלויים יאשרו את איכות הקוד ואת יתרון עלות האימון? האם Flash-Next אכן יוכל להציע ביצועים קרובים לחזית התחום? והאם תנאי הרישוי יאפשרו לארגונים גדולים להשתמש בו בלי לרוקן מתוכן את ההבטחה של "מודל פתוח"?