AnswersPublished17 sources
Alibaba satser på KI til 1,70 kroner per million input-tokens
Alibaba kombinerer Qwen3.8 Flash, en multimodal skymodell til 0,16 dollar per million input tokens og 0,47 dollar per million output tokens, med Flash Next, en åpen arkitekturforhåndsvisning av Qwen4. Flash Next har en hovedmodell på 125 milliarder parametere og ytterligere 51 milliarder parametere i N gram embeddin...
Publisert avRedigert med GPT-5.6 LunaBilder generert med GPT Image 1.5
Research answer
Key takeaways
- Alibaba kombinerer Qwen3.8 Flash, en multimodal skymodell til 0,16 dollar per million input tokens og 0,47 dollar per million output tokens, med Flash Next, en åpen arkitekturforhåndsvisning av Qwen4.
- Flash Next har en hovedmodell på 125 milliarder parametere og ytterligere 51 milliarder parametere i N gram embedding, men aktiverer bare 6 milliarder parametere per token.
- Lanseringen passer inn i Alibabas bredere KI satsing: Inntektene fra skyvirksomheten økte med 45 prosent, samtidig som investeringene økte med 75 prosent og kvartalsresultatet falt med 75 prosent.
AI Prompt
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 lanserer to nært beslektede Qwen-modeller, men de har ulike roller. Qwen3.8-Flash er den produksjonsrettede, multimodale modellen som skal leveres gjennom QwenCloud til svært lave tokenpriser. Qwen3.8-Flash-Next er en modell med åpne vekter og en forhåndsvisning av arkitekturen Alibaba sier skal brukes i den kommende Qwen4-familien. 5
15
Strategien er tydelig: Alibaba vil trekke til seg bedriftskunder med billig, driftet KI-inferens, samtidig som åpne vekter skal bygge utvikleradopsjon, verktøystøtte og kjennskap til Qwen4-arkitekturen. De tekniske påstandene er interessante, men flere av tallene for ytelse og kostnader kommer fra Alibaba selv eller modellkortet – ikke fra uavhengige tester.
To modeller, to formål
Qwen3.8-Flash er skymodellen for produksjon
Alibaba beskriver Qwen3.8-Flash som en multimodal mixture-of-experts-modell for blant annet programmering, kontorarbeid og oppgaver med svært lang kontekst. Standard kontekstvindu er oppgitt til 262 144 tokens, med mulighet for utvidelse til 1 million tokens for store filer, lange samtaler og arbeidsflyter innen research. 5
15
Den annonserte prisen i QwenCloud er 0,16 dollar per million input-tokens og 0,47 dollar per million output-tokens. Alibaba opplyste at produksjons-API-et skulle bli tilgjengelig snart, mens senere omtale beskrev QwenCloud som en tjeneste som tilbyr modellen til disse prisene. 4
15
Det gjør Flash til mer enn bare en ny modell. Den er også et infrastrukturprodukt. Med slike priser blir det billigere å eksperimentere med dokumentbehandling, kodeagenter og arbeidsflyter med høyt volum – uten kostnadsnivået som vanligvis forbindes med de største frontmodellene.
Flash-Next er et åpent Qwen4-forvarsel
Flash-Next er ikke bare et rimeligere API-nivå. Det er en modell med åpne vekter som skal vise frem arkitekturideer for Qwen4. Modellmaterialet oppgir en hovedmodell på 125 milliarder parametere, ytterligere 51 milliarder parametere i N-gram-embedding og bare 6 milliarder aktive parametere per token.
Dette er en såkalt sparsom mixture-of-experts-arkitektur. Modellen inneholder en stor samling parametere, men hvert token behandles bare av en mindre del av dem. I prinsippet kan dette redusere beregningene per token, samtidig som modellen beholder en større kapasitetsreserve enn en tilsvarende tett modell.
Modellkortet oppgir et innebygd kontekstvindu på 262 144 tokens, som kan utvides til 1 million tokens ved hjelp av YaRN. 13 Ettersom Flash og Flash-Next er to ulike utgivelser, bør utviklere likevel kontrollere nøyaktige grenser, minnekrav og hvordan modellene oppfører seg i den planlagte driftsløsningen.
Spesifikasjoner, pris og tilgjengelighet
| Egenskap | Qwen3.8-Flash | Qwen3.8-Flash-Next |
|---|---|---|
| Hovedrolle | Driftet produksjonsmodell | Åpen arkitekturforhåndsvisning for Qwen4 |
| Bruksområder | Multimodal programmering, kontorarbeid og agentbaserte arbeidsflyter | Multimodal programmering, kontorarbeid og langsiktige agentoppgaver |
| Kontekst | 262 144 tokens som standard, utvidbart til 1 million | 262 144 tokens innebygd, oppgitt utvidelse til 1 million med YaRN |
| Skytjenestepris | 0,16 dollar per million input-tokens og 0,47 dollar per million output-tokens | Ingen fastsatt Alibaba-pris for de åpne vektene |
| Arkitektur | Alibaba omtaler Flash-serien som multimodal MoE | 125 milliarder hovedparametere, 51 milliarder N-gram-embedding-parametere og 6 milliarder aktive per token |
| Tilgjengelighet | Produksjons-API i QwenCloud ble varslet for lansering | Vekter og modellkort ble publisert i slutten av august 2026 |
Tidspunktet understreker forbindelsen mellom produktene. Repositoryet og modellkortet for Flash-Next ble tilgjengelig før eller samtidig med kunngjøringen av produksjons-API-et. Utviklere fikk dermed et tidlig innblikk i arkitekturen mens Alibaba klargjorde den driftede tjenesten. 7
Påstanden om én niendedel av treningskostnaden
Alibaba sier at den nye Flash-serien krever omtrent én niendedel av treningskostnaden til Qwen3.7-Plus, samtidig som den gir bedre resultater – særlig innen programmering og kontoroppgaver. 5
15
Det er en betydelig påstand, men den bør leses som en selskapsrapportert sammenligning, ikke som en uavhengig revisjon av kostnadene. Treningskostnader påvirkes blant annet av maskinvarepriser, treningstid, databehandling, mislykkede kjøringer og hvordan regnskapet settes opp.
Den sparsomme arkitekturen gir likevel en teknisk forklaring på hvorfor Alibaba fremhever effektivitet. Bare en del av parameterne aktiveres for hvert token, noe som i prinsippet kan redusere både trenings- og inferenskostnader.
For kunder er skillet praktisk: API-prisen kan brukes direkte i budsjetteringen, mens påstanden om én niendedel foreløpig bør behandles som et signal om arkitektur og strategi inntil uavhengige målinger foreligger.
Hva viser testene?
Modellkortet for Flash-Next oppgir følgende resultater:
- 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
I sammenligningstabellen som er gjengitt i modellkortet, scorer Flash-Next høyere enn den oppførte Claude Opus 4.6 Max-resultatet på SWE-bench Pro, SWE-bench Multilingual, CoWorkBench og JobBench. På SWE-bench Pro er sammenligningen oppgitt som 62,5 mot 53,4, mens den på SWE-bench Multilingual er 81,0 mot 77,5.
Tallene peker mot sterk ytelse innen programvareutvikling og agentbaserte arbeidsoppgaver. De viser imidlertid ikke at Flash-Next er bedre enn Claude eller andre frontmodeller i alle sammenhenger. Resultatene er publisert av leverandøren, testoppsettene kan variere, og Flash-Next-tallene kan ikke automatisk overføres til enhver produksjonsdistribusjon av Qwen3.8-Flash.
Lisensen må undersøkes før kommersiell bruk
Kildene omtaler Flash-Next som en modell med åpne vekter. En publisert modelloppsummering oppgir lisensen qwen-community-1.0, men utviklere bør kontrollere den gjeldende lisensen i det offisielle repositoryet og modellkortet før kommersiell redistribusjon, finjustering eller drift av modellen som tjeneste. 6
«Åpne vekter» betyr ikke nødvendigvis at all bruk er uten begrensninger. Lisensen kan inneholde vilkår for videre distribusjon, kreditering, akseptabel bruk eller avledede modeller. Det tilgjengelige materialet er ikke tilstrekkelig til å konkludere om kommersielle rettigheter for alle komponentene i utgivelsen.
Dyr KI-satsing forklarer prisstrategien
Lanseringen kommer mens Alibaba investerer tungt i KI-infrastruktur. Reuters meldte at inntektene fra skyvirksomheten økte med 45 prosent, mens investeringene økte med 75 prosent og kvartalsresultatet falt med 75 prosent. 18
Reuters meldte også at Alibaba hentet inn 10 milliarder dollar gjennom en aksjeplassering i Hongkong for å finansiere KI-satsingen. Tallene viser avveiningen bak Qwen-strategien: Etterspørselen etter sky- og KI-kapasitet vokser, men kostnadene ved å bygge kapasiteten presser både resultat og kontantstrøm på kort sikt.
Lav pris kan derfor være strategisk nyttig selv om den begrenser modellmarginene. Billig inferens kan øke utnyttelsen av Alibabas skyinfrastruktur, trekke til seg bedriftskunder og gjøre Qwen til et naturlig valg for utviklere som bygger applikasjoner med lang kontekst.
Hvorfor åpne vekter er viktige
Flash-Next gjør at Alibaba kan nå lenger enn sitt eget API. Utviklere kan teste, tilpasse og kjøre modellen selv, og dermed bli kjent med Qwens verktøy og arkitektur uten å binde seg til QwenCloud fra første dag.
Det kan gi Alibaba flere fordeler:
- Utvikleradopsjon: Åpne vekter gjør det enklere å eksperimentere og bygge integrasjoner.
- Overgang til skyen: Team som trenger drift, skalering eller bedriftsstøtte, kan senere velge Alibabas tjenester.
- Tilbakemeldinger på arkitekturen: En tidlig Qwen4-forhåndsvisning gir et større teknisk miljø mulighet til å prøve designet før hele modellfamilien lanseres.
- Kostnadsposisjonering: Lave API-priser gjør Qwen konkurransedyktig i arbeidsbelastninger der volumet av inferens betyr mer enn små forskjeller i testresultater.
Kildene støtter dette som en strategisk tolkning, men dokumenterer ikke at Qwen allerede har vunnet det kinesiske utviklerøkosystemet. Det finnes ingen verifisert, aktuell tallfesting av aktive utviklere, nedlastinger eller bedriftsinstallasjoner i materialet.
Konklusjonen
Qwen3.8-Flash og Flash-Next bør forstås som to deler av samme produktstrategi. Flash er den rimelige skytjenesten med lang kontekst, mens Flash-Next er økosystem- og arkitektursporet mot Qwen4.
Kombinasjonen av 0,16 dollar per million input-tokens, opptil 1 million tokens i kontekst, en oppgitt bane med 6 milliarder aktive parametere gjennom en langt større modell og sterke leverandørpubliserte resultater innen programmering og agentoppgaver gjør lanseringen viktig for utviklere som følger kostnaden ved KI-inferens. 4
Forbeholdene er likevel avgjørende. Produksjonsmodellen og forhåndsvisningen må ikke blandes sammen, treningskostnadspåstanden er ikke uavhengig kontrollert, testresultatene er leverandørpubliserte, og adopsjonen kan ikke kvantifiseres ut fra de tilgjengelige kildene.
Alibaba fremstår som en seriøs og godt finansiert konkurrent i Kinas KI-kappløp – men ikke som en ubestridt leder. Selskapets vilje til å bruke store summer viser at Qwen behandles som en langsiktig sky- og økosysteminvestering, ikke som et prosjekt som må bli en kortsiktig lønnsdriver. 18
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Alibaba satser på KI til 1,70 kroner per million input-tokens"?
Alibaba kombinerer Qwen3.8 Flash, en multimodal skymodell til 0,16 dollar per million input tokens og 0,47 dollar per million output tokens, med Flash Next, en åpen arkitekturforhåndsvisning av Qwen4.
What are the key points to validate first?
Alibaba kombinerer Qwen3.8 Flash, en multimodal skymodell til 0,16 dollar per million input tokens og 0,47 dollar per million output tokens, med Flash Next, en åpen arkitekturforhåndsvisning av Qwen4. Flash Next har en hovedmodell på 125 milliarder parametere og ytterligere 51 milliarder parametere i N gram embedding, men aktiverer bare 6 milliarder parametere per token.
What should I do next in practice?
Lanseringen passer inn i Alibabas bredere KI satsing: Inntektene fra skyvirksomheten økte med 45 prosent, samtidig som investeringene økte med 75 prosent og kvartalsresultatet falt med 75 prosent.
Sources
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"