Qwen 3.8-Flash-Next skal teste Alibabas neste AI-arkitektur

Qwen 3.8-Flash-Next skal etter planen bli en tidlig, åpen utviklerversjon av arkitekturen Alibaba ser for seg for Qwen 4. Det er altså mer en teknologisk forsmak enn et ferdig flaggskip.

Hovedpåstanden er at modellen skal levere svært høy kapasitet i forhold til hvor mye trenings- og inferensberegning den krever. Men inntil modellvekter, teknisk dokumentasjon og uavhengige tester er tilgjengelige, bør påstandene om ytelse, kostnader og lansering behandles som foreløpige og leverandørrapporterte. 9

En stor modell som ikke aktiveres i sin helhet

Den rapporterte arkitekturen er en innebygd multimodal Mixture-of-Experts-modell (MoE) med totalt 125 milliarder parametere. Av disse skal 51 milliarder være N-gram-embedding-parametere, mens bare rundt 6 milliarder parametere aktiveres for hvert token. 9

I praksis fungerer MoE omtrent som et team av spesialister: Modellen har tilgang til en stor samling eksperter, men sender hvert token gjennom bare et utvalg av dem. Det kan redusere behovet for flyttallsberegninger, minnebåndbredde og kostbar modellkjøring sammenlignet med en tett modell med tilsvarende totalstørrelse.

N-gram-embeddingene skal samtidig kunne gi raske lokale oppslag for tekstmønstre. Sammen med sparsom ruting og andre arkitekturgrep – blant annet mekanismer omtalt som GDN og QSA – er målet å få mye modellkapasitet uten at hver forespørsel må bruke hele parameterbudsjettet.

Hvorfor Alibaba fremhever programmering

Kode er et område der spesialisering kan gi særlig stor effekt. Ulike eksperter kan lære mønstre for programmeringsspråk, kodebaser, verktøybruk, feilsøking og lange avhengigheter i store prosjekter.

Påstanden om ytelse «nær fronten» til omtrent én niendedel av treningskostnaden for Qwen 3.7-Plus bør likevel forstås som et effektiviseringsmål – ikke som et bevis på at modellen vil matche de ledende lukkede modellene i alle tester eller praktiske utviklerarbeidsflyter. Uavhengige kodeevalueringer er foreløpig ikke omfattende nok til å bekrefte dette.

Hvorfor dette er en forhåndsvisning, ikke Qwen 4

At Alibaba omtaler Flash-Next som en preview, signaliserer at modellen først og fremst skal hjelpe utviklere med å teste:

• neste generasjons arkitektur
• finjustering og treningsmetoder
• inferensverktøy og serveringsstakker
• multimodale arbeidsflyter
• kompatibilitet før Qwen 4 lanseres 9

Den endelige Qwen 4-familien kan derfor fortsatt få mer trening, bedre ettertrening, bredere sikkerhetsarbeid, større varianter og en endelig benchmark-gjennomgang. Flash-Next bør ikke leses som en ferdig fasit på hva Qwen 4 vil prestere.

Slik passer den inn med Qwen 3.8-modellene

Alibaba har allerede gjort Qwen3.8-27B tilgjengelig under Apache 2.0. Det er en multimodal modell i 27-milliardersklassen med et innebygd kontekstvindu på 262 000 tokens, som kan utvides til én million tokens. 6

Qwen3.8-Max er den kraftigere motparten, men rapporteringen tyder på at vektene leveres under en egen og mer restriktiv lisens – ikke de vanlige Apache 2.0-vilkårene som gjelder for 27B-modellen. 12

Denne todelingen kan gi bred bruk og videreutvikling i den mindre enden, samtidig som Alibaba beholder større kontroll over den mest ressurskrevende flaggskipkapasiteten.

«Åpne vekter» betyr ikke nødvendigvis fri kommersiell bruk

Lisensen blir derfor et viktig spørsmål for større virksomheter. Dersom Max- eller Flash-Next-lisensen har terskler, krav om en separat avtale eller bestemmelser om inntektsdeling ved svært store kommersielle utrullinger, vil det være en reell begrensning på hvor åpen modellen er.

Tilgjengelig rapportering støtter at Max har lisensbegrensninger, men den konkrete terskelen for eventuell inntektsdeling og de nøyaktige vilkårene må bekreftes i den faktiske lisens teksten. Påstanden om inntektsdeling bør derfor ikke regnes som fastslått på grunnlag av materialet som foreligger her. 12

En del av Alibabas «full-stack»-satsing

Qwen-lanseringene er del av en større strategi. Alibaba vil bruke åpne eller lett tilgjengelige modeller til å bygge et utviklerøkosystem og skape etterspørsel etter Alibaba Cloud, samtidig som selskapet investerer i datakraft, datasentre og infrastrukturen som trengs for å trene og kjøre avanserte modeller.

Selskapet har sagt at pengene fra aksjeplasseringen i Hongkong skal brukes på AI-kapasitet i hele verdikjeden – det Alibaba omtaler som «full-stack» AI. 2

Alibaba hentet inn 80 milliarder HK-dollar, eller rundt 10,2 milliarder dollar, ved å selge 710 millioner nye aksjer til 112,70 HK-dollar stykket. 3 Prisen lå 8,4 prosent under foregående sluttkurs, mens ordreinngangen ifølge Reuters skal ha vært på rundt 28 milliarder dollar. 4

For aksjonærene er bytteforholdet tydelig: Kapitalen kan fremskynde AI-investeringene, men nye aksjer utvanner eksisterende eiere. Samtidig øker gjennomføringsrisikoen dersom investeringene ikke raskt nok gir inntekter fra nettsky, API-er og AI-tjenester. 4

Konkurransen handler om mer enn benchmark-resultater

I Kinas kamp om åpne AI-modeller er målet ikke bare å toppe en enkelt test. Alibaba må også vinne utviklere, finjusterte videreutviklinger, skykunder og støtte i verktøykjedene før konkurrenter som DeepSeek får et sterkere fotfeste.

Henvisninger til mulige systemer som «Ox Alpha» er fortsatt spekulative så lenge de ikke følges av en identifiserbar lansering, modellvekter eller en teknisk rapport. På samme måte bør påstander om et Qwen-økosystem med over 460 modeller og støtte for 119 språk forstås som Alibaba-tall for økosystemet – ikke som et mål på kapasiteten til én bestemt Qwen-modell.

Den store testen gjenstår

Alibabas strategiske veddemål er at sparsomme, multimodale modeller som er billige å trene, kan gjøre selskapet konkurransedyktig både blant utviklere som vil kjøre åpne modeller selv, og i premiumtjenester i nettskyen.

Det avgjørende spørsmålet er om uavhengige tester bekrefter den lovede kodekvaliteten og kostnadsfordelen. Like viktig blir det å se om lisensvilkårene gjør det mulig for store selskaper å ta modellene i bruk uten at «åpen» i praksis får en langt snevrere betydning.