Qwen3.8-Flash-Next: Intai Awal Seni Bina Qwen4 Alibaba

Alibaba melalui pasukan Qwen melancarkan Qwen3.8-Flash-Next pada 26 Ogos 2026, dengan liputan susulan pada 27 Ogos. Model berwajaran terbuka ini bukanlah model utama Qwen4 yang telah dilancarkan, sebaliknya pratonton awal yang boleh diperiksa oleh penyelidik dan pembangun terhadap seni bina yang menurut Qwen akan menjadi asas keluarga Qwen4. 1215

Perkara paling menarik ialah gabungan saiz keseluruhan yang besar dengan jumlah pengiraan aktif yang kecil: model ini mempunyai 125 bilion parameter utama, ditambah 51 bilion parameter embeddings N-gram, tetapi hanya mengaktifkan kira-kira 6 bilion parameter bagi setiap token. Pendekatan ini cuba mengekalkan kapasiti model tanpa menanggung kos pengiraan model padat sepenuhnya untuk setiap token. 415

Qwen3.8-Flash-Next sebenarnya apa?

Nama Qwen3.8-Flash-Next merujuk kepada model sumber terbuka yang dikeluarkan oleh Qwen. Nama Qwen3.8-Flash pula digunakan untuk versi berorientasikan pengeluaran dan tawaran API. Ringkasnya, versi “Next” ialah pratonton seni bina untuk pembangun, manakala “Flash” ialah model yang disediakan untuk penggunaan perkhidmatan. 1215

Model ini dibina sebagai sistem multimodal Mixture-of-Experts (MoE), iaitu model yang mempunyai banyak “pakar” tetapi hanya mengaktifkan bahagian tertentu apabila memproses setiap token. Qwen menggambarkannya sebagai pratonton awal teknologi yang dirancang untuk Qwen4, bukannya bukti bahawa seluruh keluarga Qwen4 sudah tersedia. 2315

Penerbitan pemberat model secara terbuka memberi peluang kepada komuniti untuk menguji seni bina tersebut, membina sokongan perisian, mencuba kaedah kuantisasi dan memberikan maklum balas sebelum keluaran Qwen4 yang lebih luas.

Spesifikasi utama

• Tarikh keluaran: 26 Ogos 2026; liputan tambahan diterbitkan pada 27 Ogos. 1215
• Model utama: 125 bilion parameter. 15
• Embeddings N-gram: 51 bilion parameter tambahan. 415
• Parameter aktif: kira-kira 6 bilion bagi setiap token. 15
• Konteks asli: 262,144 token, dengan peluasan kepada 1 juta token menggunakan YaRN. 1416
• Mod: input teks dan visual melalui reka bentuk multimodal. 1516
• Ketersediaan: versi biasa dan FP8 dilaporkan tersedia melalui Hugging Face serta ModelScope. 38

Angka 1 juta token perlu difahami dengan tepat. Had konteks asli dalam konfigurasi standard ialah 262,144 token. Sokongan sehingga 1 juta token bergantung pada peluasan YaRN, jadi ia bukan had asli model dan prestasinya wajar dinilai sebagai konfigurasi lanjutan. 1416

Mengapa seni binanya penting?

Gabungan perhatian untuk konteks yang sangat panjang

Qwen3.8-Flash-Next menggabungkan Gated DeltaNet (GDN) dengan Qwen Sparse Attention (QSA). GDN direka untuk memampatkan maklumat daripada konteks terdahulu, manakala QSA menggunakan pengindeks ringan untuk mengenal pasti dan memilih blok mikro yang berkaitan. Dengan itu, model tidak perlu menggunakan perhatian penuh secara seragam terhadap keseluruhan sejarah input. 4

Matlamatnya ialah mengurangkan kos dan kelewatan apabila jumlah token meningkat. Qwen melaporkan sehingga 7.6 kali lebih pantas ketika prefill dan 4.9 kali lebih pantas ketika decoding pada jujukan sepanjang 1 juta token. Namun, angka ini datang daripada laporan vendor dan bergantung pada perkakasan, pelaksanaan, panjang jujukan serta tetapan penanda aras. Ia tidak sepatutnya dianggap sebagai keputusan sejagat untuk semua deployment. 4

Embeddings N-gram menambah kapasiti tanpa kos sama bagi setiap token

Komponen embeddings N-gram yang berasingan memberikan kapasiti perwakilan tambahan, sambil mengehadkan jumlah parameter yang perlu diproses secara aktif bagi setiap token. Qwen turut menyokong pemindahan jadual embeddings ini ke memori hos dan melakukan prefetch secara tidak segerak, supaya pemindahan data boleh berlaku serentak dengan pengiraan model. 4

Bagi pengendali infrastruktur AI, ini merupakan hala tuju yang penting. Lokasi memori dan pergerakan data kadangkala sama pentingnya dengan jumlah parameter, khususnya apabila sistem perlu memproses dokumen panjang atau tugasan kelompok pada skala tinggi.

Perubahan latihan turut menjadi sebahagian daripada pratonton

Pratonton ini bukan sekadar checkpoint dengan blok perhatian yang berbeza. Qwen melaporkan penggunaan pengoptimum Muon, penyesuaian terhadap cara Muon berinteraksi dengan AdamW dan pengendalian parameter, serta satu hukum penskalaan baharu yang dipadankan dengan seni bina tersebut. 4

Gabungan perubahan ini menguji satu resipi yang lebih luas: membina model dengan kapasiti keseluruhan yang besar tetapi pengiraan aktif yang relatif rendah.

Konteks panjang, penanda aras dan dakwaan kos

Qwen berkata latihan Qwen3.8-Flash memerlukan kira-kira sembilan kali lebih rendah kos berbanding Qwen3.7-Plus, sambil meningkatkan prestasi dalam pengekodan dan tugasan pejabat. Reuters turut melaporkan dakwaan syarikat bahawa model itu menawarkan keputusan lebih baik untuk tugasan tersebut dengan kos latihan yang lebih rendah. 14

Laporan keluaran menyebut skor 58.7 dalam DeepSWE 1.1, 62.5 dalam SWE-bench Pro dan 84.5 dalam AndroidWorld. Qwen meletakkan keputusan ini mengatasi DeepSeek V4 Flash dalam segmen nilai. Bagaimanapun, perbandingan tersebut ialah dakwaan syarikat; bahan yang tersedia belum membuktikan bahawa keputusan itu telah diulang secara bebas dalam keadaan penilaian yang benar-benar setara. 4

Bagi tawaran API produksi Qwen3.8-Flash, harga yang dinyatakan ialah 1 yuan bagi setiap juta token input dan 3 yuan bagi setiap juta token output. Bahan keluaran tidak menyatakan perbezaan harga waktu puncak dan luar puncak. Perbandingan dengan model lain tetap bergantung pada versi model, penggunaan cache, panjang konteks, tahap perkhidmatan dan keperluan output. 14

Apa maknanya untuk pembangun?

Pemberat terbuka menjadikan Qwen3.8-Flash-Next sebuah platform percubaan sebelum Qwen4 tiba. Pembangun boleh mula menyesuaikan alat inferens, menguji kuantisasi dan kaedah penyajian, serta melihat prestasinya pada beban kerja sebenar mereka tanpa perlu menunggu pelaksanaan Qwen4 yang muktamad. 2315

Reka bentuknya amat relevan untuk tugasan yang terhad oleh panjang konteks atau kos token, termasuk:

• analisis dokumen besar dan bahan penyelidikan;
• bantuan pengekodan pada skala keseluruhan repositori;
• ejen AI yang menggunakan alat dan berjalan untuk tempoh panjang;
• perbualan panjang dengan keadaan yang terus terkumpul; dan
• pemprosesan kelompok berjumlah tinggi untuk data teks serta visual.

Namun, ini ialah kegunaan yang dicadangkan oleh reka bentuk model, bukannya jaminan bahawa ia akan mengatasi setiap model padat atau sistem perhatian penuh dalam pengeluaran. Keperluan perkakasan, perisian penyajian, kualiti kuantisasi, strategi mendapatkan semula maklumat dan jenis beban kerja akan menentukan kos sebenar.

Kesimpulan: pratonton, bukan keputusan muktamad

Kepentingan Qwen3.8-Flash-Next terletak pada keterbukaan arah seni binanya. Komuniti pembangun kini boleh menguji sama ada perhatian jarang dan termampat, embeddings tambahan berskala besar serta jumlah parameter aktif yang rendah mampu memberikan pemprosesan konteks panjang yang lebih menjimatkan tanpa mengorbankan kualiti secara ketara.

Pada masa yang sama, angka paling menonjol—termasuk peningkatan kelajuan, kedudukan penanda aras, pengurangan kos latihan dan dakwaan nilai—sebahagian besarnya datang daripada Qwen atau laporan berdasarkan pendedahan Qwen. Ujian bebas masih diperlukan merentasi perkakasan, bahasa, panjang konteks, tugasan multimodal dan aliran kerja ejen dalam pengeluaran.

Kesimpulan yang paling berhati-hati bukanlah bahawa “Qwen3.8-Flash-Next mengatasi semua model pesaing”. Lebih tepat, ia ialah pratonton teknikal MoE multimodal yang terbuka dan memberi komuniti pembangun gambaran awal tentang seni bina sistem yang sedang disediakan Alibaba untuk Qwen4—serta pelan tindakan yang boleh diuji untuk menjadikan AI berkonteks sangat panjang lebih cekap.