Qwen3.8-Flash-Next pokazuje, jak może wyglądać Qwen4

Alibaba i zespół Qwen udostępniły Qwen3.8-Flash-Next 26 sierpnia 2026 r.; kolejne omówienia pojawiły się dzień później. To otwarty model wagowy, który nie jest przedstawiany jako finalny flagowiec Qwen4. Ma być raczej wczesnym, możliwym do zbadania podglądem architektury, na której ma opierać się rodzina Qwen4. 1215

Najciekawsza cecha modelu tkwi w proporcji między jego całkowitą wielkością a kosztem obliczeń. Główna sieć ma 125 mld parametrów, a dodatkowy moduł embeddingów N-gram obejmuje kolejne 51 mld parametrów. Jednocześnie na potrzeby pojedynczego tokenu aktywowanych jest około 6 mld parametrów. To podejście ma zachować dużą pojemność modelu bez konieczności przetwarzania całej sieci przy każdym kolejnym tokenie. 415

Qwen3.8-Flash a Qwen3.8-Flash-Next

Warto rozdzielić dwie nazwy. Qwen3.8-Flash-Next to otwarty model udostępniony społeczności. Z kolei Qwen3.8-Flash oznacza wersję produkcyjną i ofertę API. Doniesienia opisują Qwen3.8-Flash-Next jako multimodalny system typu mixture of experts, czyli MoE, zbudowany wokół technologii przygotowywanej dla Qwen4. 1215

To ważne zastrzeżenie: premiera nie oznacza, że cała rodzina Qwen4 została już wydana. Otwarty model pełni funkcję technicznego podglądu i swoistego planu dla deweloperów. Mogą oni wcześniej testować architekturę, przygotować narzędzia do inferencji i zgłaszać uwagi, zanim pojawi się pełna seria Qwen4. 2315

Najważniejsze parametry

• Premiera: 26 sierpnia 2026 r.; dodatkowe omówienia ukazały się 27 sierpnia. 1215
• Główna sieć: 125 mld parametrów. 15
• Embeddingi N-gram: dodatkowe 51 mld parametrów. 415
• Aktywne parametry: około 6 mld na token. 15
• Kontekst: natywnie 262 144 tokeny, z możliwością rozszerzenia do 1 mln tokenów za pomocą YaRN. 1416
• Modalności: tekst i obrazy, zgodnie z multimodalną konstrukcją modelu. 1516
• Dostępność: zgłoszono wersje standardową i FP8 w serwisach Hugging Face oraz ModelScope. 38

Liczby 262 144 i 1 mln tokenów nie oznaczają tego samego. Pierwsza wartość to natywne okno kontekstu w standardowej konfiguracji. Milion tokenów wymaga zastosowania rozszerzenia YaRN, dlatego należy traktować go jako konfigurację rozszerzoną, a nie podstawowy limit modelu. 1416

Co zmienia architektura?

Hybrydowa uwaga dla bardzo długiego kontekstu

Qwen3.8-Flash-Next łączy Gated DeltaNet, w skrócie GDN, z Qwen Sparse Attention, czyli QSA. GDN ma kompresować informacje z wcześniejszej części kontekstu. QSA korzysta natomiast z lekkiego indeksu, który pomaga wyszukać i wybrać istotne mik ব্লoki zamiast stosować pełny mechanizm uwagi równomiernie do całej historii. 4

Celem jest ograniczenie wzrostu kosztu i opóźnień podczas pracy z długimi sekwencjami. Qwen deklaruje do 7,6 raza szybsze przygotowanie kontekstu oraz do 4,9 raza szybsze generowanie przy sekwencjach o długości 1 mln tokenów. Są to jednak wyniki podawane przez producenta, zależne między innymi od sprzętu, implementacji, długości sekwencji i konfiguracji testu. Nie należy traktować ich jako uniwersalnych rezultatów dla każdego wdrożenia. 4

Embeddingi N-gram zwiększają pojemność

Oddzielny moduł embeddingów N-gram zapewnia dodatkową zdolność reprezentowania informacji, a jednocześnie ogranicza ilość pełnych obliczeń wykonywanych dla każdego tokenu. Qwen przewidział także możliwość przeniesienia tej dużej tablicy embeddingów do pamięci hosta i asynchronicznego pobierania danych. Transfer może być wtedy nakładany na obliczenia modelu. 4

Dla operatorów uruchamiających duże modele to istotny kierunek rozwoju. W praktyce o kosztach może decydować nie tylko liczba parametrów, lecz także rozmieszczenie danych w pamięci i ich przesyłanie — szczególnie przy analizie długich dokumentów oraz przetwarzaniu dużych partii danych.

Zmiany obejmują także trening

Podgląd Qwen4 nie ogranicza się do nowego mechanizmu uwagi. Qwen informuje również o wykorzystaniu optymalizatora Muon, modyfikacjach jego współpracy z AdamW i obsługi parametrów, a także o nowo dopasowanym prawie skalowania dla tej architektury. 4

W efekcie Qwen3.8-Flash-Next jest publicznym testem szerszej recepty na budowę modeli, które łączą dużą całkowitą pojemność z relatywnie niewielką liczbą parametrów aktywowanych przy każdym tokenie.

Wyniki, koszty i deklarowana cena API

Qwen twierdzi, że trening Qwen3.8-Flash wymagał około dziewięć razy mniejszych nakładów niż trening Qwen3.7-Plus, przy jednoczesnej poprawie wyników w programowaniu i zadaniach biurowych. Reuters niezależnie opisał deklaracje firmy dotyczące wyższej skuteczności w tych obszarach i niższych kosztów treningu. 14

W materiałach dotyczących premiery wymieniono wyniki 58,7 pkt w DeepSWE 1.1, 62,5 pkt w SWE-bench Pro oraz 84,5 pkt w AndroidWorld. Qwen pozycjonuje je powyżej DeepSeek V4 Flash w segmencie modeli nastawionych na korzystny stosunek możliwości do ceny. Są to jednak porównania raportowane przez firmę; dostępne materiały nie dowodzą, że zostały niezależnie odtworzone w identycznych warunkach oceny. 4

Dla produkcyjnej wersji Qwen3.8-Flash podawana cena API wynosi 1 juan za milion tokenów wejściowych i 3 juany za milion tokenów wyjściowych. W materiałach dotyczących premiery nie opisano rozróżnienia na stawki szczytowe i pozaszczytowe. Bezpośrednie porównania z innymi modelami nadal zależą od wersji, buforowania, długości kontekstu, poziomu usługi i wymaganej długości odpowiedzi. 14

Co oznacza to dla deweloperów?

Otwarte wagi sprawiają, że Qwen3.8-Flash-Next może stać się platformą do eksperymentów jeszcze przed premierą Qwen4. Deweloperzy mogą wcześniej dostosować narzędzia do inferencji, przetestować kwantyzację i metody serwowania modelu, a także sprawdzić jego zachowanie na własnych danych. 2315

Architektura jest szczególnie interesująca w zastosowaniach, w których ograniczeniem pozostaje długość kontekstu albo koszt tokenów, na przykład:

• analizie dużych dokumentów i materiałów badawczych;
• pomocy programistycznej obejmującej całe repozytoria;
• agentach korzystających z narzędzi i działających przez dłuższy czas;
• długich rozmowach z narastającym stanem kontekstu;
• przetwarzaniu dużych partii danych tekstowych i wizualnych.

To potencjalne zastosowania wynikające z projektu modelu, a nie gwarancja, że Qwen3.8-Flash-Next będzie lepszy od każdej gęstej sieci lub alternatywy wykorzystującej pełną uwagę. O rzeczywistej ekonomice wdrożenia zdecydują między innymi sprzęt, oprogramowanie serwujące, jakość kwantyzacji, strategia wyszukiwania informacji oraz charakter obciążenia.

Najważniejsze zastrzeżenie: to dopiero podgląd

Znaczenie Qwen3.8-Flash-Next polega przede wszystkim na tym, że Alibaba pokazuje kierunek architektoniczny wcześniej niż zwykle. Społeczność otrzymuje konkretny model do sprawdzenia, pozwalający ocenić, czy rzadka i skompresowana uwaga, duże dodatkowe embeddingi oraz niewielka liczba aktywnych parametrów mogą obniżyć koszt obsługi bardzo długiego kontekstu bez zbyt dużego spadku jakości.

Najmocniejsze deklaracje — dotyczące przyspieszenia, przewagi w benchmarkach, niższych kosztów treningu i korzystnej ceny — pochodzą jednak w dużej mierze od Qwen lub z materiałów opartych na ujawnionych przez Qwen danych. Potrzebne są niezależne testy obejmujące różny sprzęt, języki, długości kontekstu, zadania multimodalne i produkcyjne przepływy pracy agentów.

Najostrożniejszy wniosek brzmi więc nie „Qwen3.8-Flash-Next pokonuje każdy konkurencyjny model”, lecz: to otwarty, multimodalny model MoE, który daje deweloperom wyjątkowo wczesny wgląd w architekturę przygotowywaną dla Qwen4. Jest też sprawdzalnym planem tego, jak można próbować uczynić sztuczną inteligencję działającą na bardzo długim kontekście tańszą i szybszą.