JawabanDipublikasikan17 sumber
Qwen3.8-Flash dan Flash-Next: Strategi AI Murah Alibaba Menuju Qwen4
Alibaba memasangkan Qwen3.8 Flash, model multimodal untuk produksi dengan harga US$0,16 per juta token input dan US$0,47 per juta token output, dengan Flash Next sebagai pratinjau arsitektur Qwen4 berbobot terbuka. Flash Next menggabungkan model utama 125 miliar parameter dengan 51 miliar parameter embedding N gram,...
Diterbitkan olehDiedit dengan GPT-5.6 LunaGambar dibuat dengan GPT Image 1.5
Jawaban penelitian
Poin-poin penting
- Alibaba memasangkan Qwen3.8 Flash, model multimodal untuk produksi dengan harga US$0,16 per juta token input dan US$0,47 per juta token output, dengan Flash Next sebagai pratinjau arsitektur Qwen4 berbobot terbuka.
- Flash Next menggabungkan model utama 125 miliar parameter dengan 51 miliar parameter embedding N gram, tetapi hanya mengaktifkan 6 miliar parameter untuk setiap token demi menekan biaya komputasi.
- Strategi ini sejalan dengan ekspansi AI Alibaba: pendapatan cloud tumbuh 45%, sementara belanja modal naik 75% dan laba bersih kuartalan turun 75%.
AI Perintah
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Alibaba announce with the release of the multimodal Qwen3.8-Flash and the open-weight Qwen3.8-Flash-Next prototype for its future Q. Article summary: Alibaba is pairing a low-cost production model with an open-weight architectural preview: it is trying to make Qwen a widely deployed cloud service while seeding the developer ecosystem for the forthcoming Qwen4 generati. Topic tags: general, documentation, general web, user generated, news. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, water
Alibaba meluncurkan dua produk Qwen yang saling berkaitan, tetapi memiliki fungsi berbeda. Qwen3.8-Flash ditujukan sebagai model multimodal untuk penggunaan produksi dan tersedia melalui QwenCloud dengan tarif yang sangat rendah. Sementara itu, Qwen3.8-Flash-Next merupakan model berbobot terbuka yang menjadi pratinjau arsitektur untuk keluarga Qwen4 mendatang. 5
15
Strateginya cukup jelas: Alibaba ingin menarik beban kerja perusahaan lewat layanan inferensi cloud murah, sekaligus membangun adopsi di kalangan pengembang melalui bobot model terbuka, alat bantu, dan ekosistem Qwen. Klaim teknisnya menarik, tetapi sebagian besar angka performa dan efisiensi biaya berasal dari Alibaba atau kartu modelnya, bukan dari pengujian independen.
Dua model, dua tujuan
Qwen3.8-Flash ditujukan untuk produksi
Alibaba menggambarkan Qwen3.8-Flash sebagai model multimodal berbasis mixture of experts (MoE) untuk pemrograman, pekerjaan kantor, dan tugas dengan konteks panjang. Perusahaan menyebut jendela konteks bawaannya mencapai 262.144 token, dan dapat diperluas hingga 1 juta token untuk menangani berkas besar, percakapan panjang, serta alur kerja riset. 5
15
Harga yang diumumkan untuk QwenCloud adalah US$0,16 per juta token input dan US$0,47 per juta token output. Alibaba menyatakan API produksi akan segera tersedia, sementara laporan berikutnya menyebut QwenCloud melayani model tersebut dengan tarif itu. 4
15
Harga ini membuat Flash bukan sekadar peluncuran model, melainkan juga produk infrastruktur. Dengan tarif tersebut, pengembang dapat menguji pemrosesan dokumen, agen pemrograman, dan alur kerja bervolume tinggi tanpa membayar premi yang biasanya melekat pada model AI kelas terdepan.
Flash-Next adalah pratinjau berbobot terbuka untuk Qwen4
Flash-Next bukan sekadar tingkat layanan API tambahan. Model ini dirilis dengan bobot terbuka untuk memperkenalkan gagasan arsitektur yang menurut Alibaba akan menjadi dasar Qwen4. Repositorinya mencantumkan 125 miliar parameter pada model utama, tambahan 51 miliar parameter pada embedding N-gram, dan hanya 6 miliar parameter yang diaktifkan untuk setiap token.
Desain tersebut merupakan arsitektur MoE yang jarang atau sparse. Model menyimpan kumpulan parameter yang besar, tetapi hanya menggunakan sebagian kecilnya saat memproses setiap token. Secara teori, pendekatan ini dapat menurunkan kebutuhan komputasi per token sekaligus mempertahankan kapasitas yang lebih besar dibandingkan model padat dengan ukuran sebanding.
Informasi pada kartu model mencantumkan konteks asli 262.144 token, yang dapat diperluas hingga 1 juta token menggunakan YaRN. 13 Karena Flash dan Flash-Next adalah dua rilis berbeda, pengembang tetap perlu memeriksa batas konteks, perilaku layanan, dan kebutuhan memori pada dokumentasi versi yang akan digunakan.
Spesifikasi, harga, dan waktu rilis
| Fitur | Qwen3.8-Flash | Qwen3.8-Flash-Next |
|---|---|---|
| Peran utama | Model produksi yang di-hosting | Pratinjau arsitektur berbobot terbuka untuk Qwen4 |
| Modalitas dan penggunaan | Multimodal untuk pemrograman, pekerjaan kantor, dan alur kerja berbasis agen | Multimodal untuk pemrograman, pekerjaan kantor, dan tugas agen jangka panjang |
| Konteks | 262.144 token secara default; dapat diperluas hingga 1 juta | 262.144 token secara native; dilaporkan dapat diperluas hingga 1 juta dengan YaRN |
| Harga layanan | US$0,16 per juta token input; US$0,47 per juta token output | Belum ada harga API Alibaba yang ditetapkan untuk bobot terbuka |
| Angka arsitektur utama | Alibaba menyebut lini Flash sebagai MoE multimodal | Model utama 125 miliar parameter, 51 miliar embedding N-gram, dan 6 miliar parameter aktif per token |
| Ketersediaan | API produksi QwenCloud diumumkan untuk dirilis | Bobot dan informasi kartu model muncul pada akhir Agustus 2026 |
Waktu peluncurannya memperkuat hubungan kedua produk tersebut. Repositori dan materi kartu model Flash-Next tersedia sebelum atau bersamaan dengan pengumuman API produksi, sehingga pengembang dapat melihat lebih awal arsitektur yang sedang disiapkan Alibaba untuk layanan cloud-nya. 7
Klaim biaya pelatihan agresif, tetapi belum diaudit secara independen
Alibaba menyatakan lini Flash membutuhkan sekitar sepersembilan biaya pelatihan Qwen3.7-Plus, sekaligus menawarkan performa yang lebih baik—terutama dalam pemrograman dan pekerjaan kantor. 5
15
Itu merupakan klaim besar yang sebaiknya dibaca sebagai perbandingan dari perusahaan, bukan studi biaya yang telah diaudit secara independen. Biaya pelatihan dapat dipengaruhi harga perangkat keras, durasi pelatihan, persiapan data, percobaan yang gagal, dan metode akuntansi yang digunakan.
Meski demikian, arsitektur yang jarang memberikan dasar teknis yang masuk akal bagi penekanan Alibaba pada efisiensi pelatihan dan inferensi: hanya sebagian kecil parameter yang diaktifkan untuk setiap token.
Bagi pembeli, perbedaannya lebih praktis. Harga layanan Flash dapat langsung digunakan untuk menyusun anggaran API, sedangkan klaim biaya sepersembilan lebih tepat diperlakukan sebagai sinyal arsitektur dan strategi sampai tersedia pengukuran pembanding dari pihak luar.
Apa yang ditunjukkan oleh tolok ukur yang dipublikasikan?
Kartu model Flash-Next dari Alibaba mencantumkan hasil berikut:
- DeepSWE 1.1: 58,7
- SWE-bench Pro: 62,5
- SWE-bench Multilingual: 81,0
- CoWorkBench: 73,9
- JobBench: 55,7
- AndroidWorld: 84,5
- MathVision: 95,7
Dalam tabel perbandingan yang dimuat di kartu model, Flash-Next mencatat skor lebih tinggi daripada hasil Claude Opus 4.6 Max yang tercantum untuk SWE-bench Pro, SWE-bench Multilingual, CoWorkBench, dan JobBench. Misalnya, perbandingan yang dilaporkan adalah 62,5 berbanding 53,4 untuk SWE-bench Pro dan 81,0 berbanding 77,5 untuk SWE-bench Multilingual.
Angka tersebut menunjukkan potensi kuat dalam rekayasa perangkat lunak dan tugas agen untuk pekerjaan kantor. Namun, angka itu belum membuktikan bahwa Flash-Next secara universal lebih baik daripada Claude atau sistem AI kelas terdepan lainnya. Hasilnya berasal dari vendor, metode evaluasi dapat berbeda, dan skor Flash-Next tidak boleh otomatis dianggap mewakili setiap penerapan Qwen3.8-Flash dalam produksi.
Lisensi perlu diperiksa sebelum deployment
Sumber-sumber yang tersedia menyebut Flash-Next sebagai model berbobot terbuka. Salah satu ringkasan model mencantumkan lisensi qwen-community-1.0, tetapi pengembang sebaiknya memeriksa lisensi yang berlaku di repositori dan kartu model resmi sebelum melakukan redistribusi komersial, fine-tuning, atau deployment melalui layanan sendiri. 6
Istilah “berbobot terbuka” tidak otomatis berarti semua penggunaannya bebas tanpa batas. Lisensi dapat memuat ketentuan tentang redistribusi, atribusi, penggunaan yang dapat diterima, atau model turunan. Bukti yang tersedia belum cukup untuk menyimpulkan izin komersial yang lebih luas bagi setiap komponen rilis ini.
Belanja AI Alibaba menjelaskan strategi harga murah
Peluncuran ini berlangsung ketika Alibaba mengeluarkan dana besar untuk memperluas infrastruktur AI. Reuters melaporkan pendapatan cloud kuartalan naik 45%, sementara belanja modal meningkat 75% dan laba bersih kuartalan turun 75%. 18
Reuters juga melaporkan bahwa Alibaba menghimpun US$10 miliar melalui penempatan saham di Hong Kong untuk membiayai ambisi AI-nya. Angka-angka tersebut memperlihatkan pertukaran yang sedang diambil perusahaan: permintaan cloud dan komputasi AI meningkat, tetapi biaya membangun kapasitas juga menekan laba dan arus kas dalam jangka pendek.
Karena itu, harga inferensi yang murah dapat menjadi langkah strategis meskipun membatasi margin model dalam waktu dekat. Tarif rendah berpotensi meningkatkan pemanfaatan infrastruktur cloud Alibaba, menarik beban kerja perusahaan, dan menjadikan Qwen pilihan awal bagi pengembang yang membangun aplikasi dengan konteks panjang.
Mengapa bobot terbuka penting bagi Alibaba?
Rilis Flash-Next memperluas jangkauan Alibaba di luar API miliknya sendiri. Pengembang dapat menguji, mengadaptasi, dan menjalankan model secara mandiri, sehingga mereka mengenal alat serta arsitektur Qwen tanpa harus langsung berkomitmen pada QwenCloud.
Model distribusi ini dapat membantu Alibaba melalui beberapa jalur:
- Adopsi pengembang: bobot terbuka mendorong eksperimen dan integrasi komunitas.
- Konversi ke cloud: tim yang membutuhkan inferensi terkelola, skalabilitas, atau dukungan perusahaan dapat beralih ke layanan hosting Alibaba.
- Umpan balik arsitektur: pratinjau Qwen4 memberi komunitas teknis kesempatan mempelajari desain tersebut sebelum keluarga model lengkapnya hadir.
- Posisi biaya: tarif API rendah membuat Qwen kompetitif untuk beban kerja yang lebih dipengaruhi volume inferensi daripada selisih kecil dalam skor tolok ukur.
Bukti yang tersedia mendukung pembacaan ini sebagai interpretasi strategis, bukan bukti bahwa Qwen telah memenangkan ekosistem pengembang China. Sumber yang ada tidak menyediakan angka terverifikasi mengenai jumlah pengembang aktif, unduhan, atau deployment perusahaan.
Dampaknya terhadap posisi Alibaba dalam persaingan AI China
Alibaba tampak sebagai pesaing serius dengan dukungan pendanaan kuat, tetapi belum dapat disebut sebagai pemimpin tanpa tanding. Keunggulannya mencakup bisnis cloud besar, modal, serta ekosistem model terbuka yang berkembang cepat. Di sisi lain, perusahaan menghadapi biaya infrastruktur yang mahal, tekanan terhadap laba jangka pendek, kebutuhan pendanaan, dan pesaing tangguh yang juga memiliki sumber pendapatan besar. 18
Dengan kata lain, Qwen bukan hanya proyek untuk menjual model AI. Alibaba sedang menggunakannya sebagai pintu masuk menuju layanan inferensi, pelatihan, cloud, dan produk perusahaan. API murah dan bobot terbuka adalah dua cara untuk memperluas distribusi—yang satu menarik pengguna lewat biaya, yang lain lewat fleksibilitas.
Kesimpulan
Qwen3.8-Flash dan Flash-Next paling tepat dipahami sebagai dua bagian dari satu strategi produk. Flash adalah layanan cloud dengan konteks panjang dan harga murah, sedangkan Flash-Next merupakan langkah membangun ekosistem sekaligus pratinjau arsitektur yang diarahkan ke Qwen4.
Kombinasi harga input US$0,16 per juta token, konteks hingga 1 juta token, jalur 6 miliar parameter aktif dari model yang jauh lebih besar, serta skor coding dan agen yang kuat menurut publikasi vendor membuat rilis ini penting bagi pengembang yang memperhatikan ekonomi inferensi. 4
Namun, sejumlah catatan tetap penting. Model produksi dan model pratinjau tidak boleh disamakan, klaim biaya pelatihan belum diaudit secara independen, perbandingan tolok ukur berasal dari vendor, dan tingkat adopsi Qwen belum dapat diukur dari bukti yang tersedia.
Alibaba tampak sebagai pesaing serius dalam perlombaan AI China—bukan pemimpin yang tak terbantahkan. Kesediaannya membelanjakan dana besar menunjukkan bahwa Qwen diperlakukan sebagai taruhan jangka panjang untuk cloud dan ekosistem, bukan sekadar sumber laba dalam waktu dekat. 18
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Orang-orang juga bertanya
Apa jawaban singkat untuk "Qwen3.8-Flash dan Flash-Next: Strategi AI Murah Alibaba Menuju Qwen4"?
Alibaba memasangkan Qwen3.8 Flash, model multimodal untuk produksi dengan harga US$0,16 per juta token input dan US$0,47 per juta token output, dengan Flash Next sebagai pratinjau arsitektur Qwen4 berbobot terbuka.
Apa poin penting yang harus divalidasi terlebih dahulu?
Alibaba memasangkan Qwen3.8 Flash, model multimodal untuk produksi dengan harga US$0,16 per juta token input dan US$0,47 per juta token output, dengan Flash Next sebagai pratinjau arsitektur Qwen4 berbobot terbuka. Flash Next menggabungkan model utama 125 miliar parameter dengan 51 miliar parameter embedding N gram, tetapi hanya mengaktifkan 6 miliar parameter untuk setiap token demi menekan biaya komputasi.
Apa yang harus saya lakukan selanjutnya dalam latihan?
Strategi ini sejalan dengan ekspansi AI Alibaba: pendapatan cloud tumbuh 45%, sementara belanja modal naik 75% dan laba bersih kuartalan turun 75%.
Sumber
yahoo.comAlibaba's Qwen launches Qwen3.8-Flash AI model with lower training costs
x.com⚡Meet Qwen3.8-Flash, a multimodal MoE and an early ...
runtimewire.comAlibaba switches on Qwen3.8-Flash API at $0.16 per million input tokens
the-decoder.comAlibaba releases Qwen3.8-Flash-Next, targeting "ultimate cost efficiency"