RespostasPublicado16 fontes
Qwen3.8-Flash-Next é a prévia aberta da arquitetura do Qwen4
Lançado em 26 de agosto de 2026, o Qwen3.8 Flash Next é um modelo multimodal de pesos abertos e uma prévia técnica da arquitetura planejada para o Qwen4. O sistema reúne um modelo principal de 125 bilhões de parâmetros e 51 bilhões de parâmetros adicionais em embeddings N gram, mas ativa apenas cerca de 6 bilhões po...
Publicado porEditado com GPT-5.6 LunaImagens geradas com GPT Image 1.5
Resposta de pesquisa
Principais conclusões
- Lançado em 26 de agosto de 2026, o Qwen3.8 Flash Next é um modelo multimodal de pesos abertos e uma prévia técnica da arquitetura planejada para o Qwen4.
- O sistema reúne um modelo principal de 125 bilhões de parâmetros e 51 bilhões de parâmetros adicionais em embeddings N gram, mas ativa apenas cerca de 6 bilhões por token.
- A arquitetura combina Gated DeltaNet e Qwen Sparse Attention, oferece contexto nativo de 262.144 tokens — expansível para 1 milhão com YaRN — e foi projetada para reduzir o custo de inferências longas.
Prompt de IA
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Alibaba’s Qwen3.8-Flash—also released as Qwen3.8-Flash-Next—and why is it significant as an open multimodal mixture-of-experts techn. Article summary: Qwen3.8-Flash, released as the open-weight Qwen3.8-Flash-Next, is Alibaba Qwen’s multimodal mixture-of-experts (MoE) technical-preview model for the architecture intended to underpin Qwen4. It matters less as a conventio. Topic tags: general, news, general web. 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, watermarks, charts with fake numbers
A equipe Qwen, da Alibaba, lançou em 26 de agosto de 2026 o Qwen3.8-Flash-Next, com novas informações e cobertura publicadas no dia seguinte. Disponibilizado com pesos abertos, o modelo não é apresentado como o futuro carro-chefe Qwen4. Trata-se de uma prévia técnica, aberta e inspecionável da arquitetura que, segundo a Qwen, servirá de base para a família Qwen4. 1
2
15
A proposta chama atenção pelos números: o modelo tem uma rede principal de 125 bilhões de parâmetros e um componente adicional de 51 bilhões de parâmetros em embeddings N-gram, mas ativa apenas cerca de 6 bilhões de parâmetros por token. A ideia é manter uma grande capacidade total sem arcar, a cada etapa do processamento, com o custo computacional de um modelo denso de tamanho equivalente. 4
15
Qwen3.8-Flash-Next não é o Qwen4 final
O nome Qwen3.8-Flash-Next identifica o modelo aberto lançado pela Qwen. Já Qwen3.8-Flash é o nome associado à versão voltada a produção e à oferta de API. Na prática, o “Next” funciona como uma indicação de que o modelo é um demonstrador da próxima geração de arquitetura, e não o lançamento completo da linha Qwen4. 1
2
15
Essa diferença é importante para interpretar o anúncio. O lançamento serve como um mapa técnico para pesquisadores e desenvolvedores: eles podem estudar o desenho, adaptar ferramentas de inferência, testar formas de servir o modelo e enviar feedback antes da chegada da família Qwen4. 2
3
15
Principais especificações
- Lançamento: 26 de agosto de 2026; a cobertura adicional veio em 27 de agosto.
1
2
15
- Modelo principal: 125 bilhões de parâmetros.
- Embeddings N-gram: 51 bilhões de parâmetros adicionais.
4
- Parâmetros ativos: aproximadamente 6 bilhões por token.
- Janela de contexto nativa: 262.144 tokens, com extensão para 1 milhão por meio do YaRN.
16
- Modalidades: entradas de texto e imagens, em um desenho multimodal.
- Disponibilidade: versões padrão e FP8 foram reportadas no Hugging Face e no ModelScope.
8
Há uma ressalva importante sobre o contexto de 1 milhão de tokens. O limite nativo indicado para a configuração padrão é de 262.144 tokens; a janela maior depende da extensão via YaRN. Portanto, os dois números não devem ser tratados como se representassem exatamente a mesma configuração de uso. 1
4
16
Por que a arquitetura é relevante
Atenção híbrida para contextos muito longos
O Qwen3.8-Flash-Next combina Gated DeltaNet (GDN) com Qwen Sparse Attention (QSA). O GDN busca comprimir informações do histórico, enquanto o QSA usa um índice leve para localizar e selecionar microblocos relevantes, em vez de aplicar atenção completa de maneira uniforme a todo o contexto anterior. 4
O objetivo é evitar que o custo e a demora da inferência cresçam tanto à medida que as sequências ficam maiores. A Qwen afirma ter observado até 7,6 vezes mais velocidade no prefill e 4,9 vezes mais velocidade na decodificação em sequências de 1 milhão de tokens. Esses números são divulgados pela própria empresa e dependem do hardware, da implementação, da sequência e das condições do benchmark; não devem ser interpretados como resultados universais em qualquer implantação. 4
Embeddings N-gram ampliam a capacidade
O componente separado de embeddings N-gram acrescenta capacidade de representação sem exigir que todo o conjunto de parâmetros seja processado ativamente para cada token. O desenho também permite transferir essa tabela para a memória do sistema e fazer prefetching assíncrono, sobrepondo a movimentação de dados ao cálculo do modelo. 4
Para quem opera modelos grandes, esse ponto é particularmente relevante. A forma como os dados ficam distribuídos na memória e o custo de movimentá-los podem pesar tanto quanto a quantidade bruta de parâmetros — especialmente em tarefas com documentos extensos ou processamento em lotes de alto volume.
O treinamento também faz parte do experimento
A prévia inclui mudanças no processo de otimização e escalonamento. A Qwen relata o uso do otimizador Muon, ajustes na interação com o AdamW e no tratamento dos parâmetros, além de uma nova lei de escalonamento ajustada para esse desenho de modelo. 4
Por isso, o lançamento vai além de um checkpoint com um bloco de atenção diferente. Ele coloca em público uma receita mais ampla para combinar grande capacidade total com uma quantidade relativamente pequena de computação ativa.
Contexto longo, benchmarks e custos
A Qwen afirma que o treinamento do Qwen3.8-Flash exigiu aproximadamente um nono do custo do Qwen3.7-Plus, ao mesmo tempo que trouxe melhorias em programação e tarefas de escritório. A Reuters também relatou as alegações da empresa sobre desempenho superior nessas atividades e custos de treinamento menores. 1
4
Os resultados divulgados incluem 58,7 no DeepSWE 1.1, 62,5 no SWE-bench Pro e 84,5 no AndroidWorld. A Qwen posiciona esses números à frente do DeepSeek V4 Flash no segmento de modelos de melhor relação entre custo e desempenho. As comparações, porém, são reportadas pela empresa; o material disponível não comprova uma reprodução independente em condições de avaliação equivalentes. 4
Para a oferta de produção Qwen3.8-Flash, o preço informado é de 1 yuan por 1 milhão de tokens de entrada e 3 yuans por 1 milhão de tokens de saída, sem distinção entre horários de pico e fora de pico no material do lançamento. Comparar esse valor diretamente com outros modelos exige cuidado, já que versões, cache, tamanho do contexto, níveis de serviço e requisitos de saída podem variar. 1
4
O que o lançamento muda para desenvolvedores
Os pesos abertos tornam o Qwen3.8-Flash-Next uma plataforma de experimentação antes da chegada do Qwen4. Desenvolvedores podem começar a adaptar ferramentas de inferência, avaliar quantização e métodos de serving e observar o comportamento do modelo em suas próprias cargas de trabalho, sem precisar esperar pela implementação final do Qwen4. 2
3
15
O desenho é especialmente interessante para tarefas limitadas pelo tamanho do contexto ou pelo custo por token, como:
- análise de documentos extensos e materiais de pesquisa;
- assistência de programação em escala de repositórios inteiros;
- agentes que usam ferramentas e executam tarefas longas;
- conversas prolongadas com estado acumulado; e
- processamento em lote de grandes volumes de dados textuais e visuais.
Esses usos são consequências plausíveis do contexto longo e da baixa quantidade de parâmetros ativos, não uma garantia de que o modelo superará qualquer alternativa densa ou baseada em atenção completa. A economia real dependerá do hardware, do software de serving, da qualidade da quantização, da estratégia de recuperação de informações e da composição de cada carga de trabalho.
A principal ressalva: é uma prévia, não um veredito
A importância do Qwen3.8-Flash-Next está em expor antecipadamente uma direção arquitetural. O modelo oferece uma forma concreta de investigar se atenção esparsa e comprimida, embeddings auxiliares de grande escala e poucos parâmetros ativos podem melhorar a economia de contextos muito longos sem gerar perdas de qualidade inaceitáveis.
Ao mesmo tempo, os números mais fortes do anúncio — incluindo ganhos de velocidade, liderança em benchmarks, redução no custo de treinamento e alegações de competitividade — vêm principalmente da Qwen ou de reportagens baseadas nas informações divulgadas pela empresa. Ainda são necessários testes independentes em diferentes hardwares, idiomas, tamanhos de contexto, tarefas multimodais e fluxos de agentes em produção.
A conclusão mais segura é, portanto, mais específica do que dizer que o Qwen3.8-Flash-Next supera todos os concorrentes. Ele é uma prévia técnica multimodal e aberta, baseada em Mixture of Experts (MoE), que oferece à comunidade de desenvolvedores um olhar antecipado sobre a arquitetura que a Alibaba está preparando para o Qwen4 — além de um projeto testável para tornar a inteligência artificial com contexto muito longo mais eficiente.
Studio Global AI
Continue sua pesquisa
Esta página inclui uma resposta baseada na fonte que você pode continuar em Studio Global.
As pessoas também perguntam
Qual é a resposta curta para "Qwen3.8-Flash-Next é a prévia aberta da arquitetura do Qwen4"?
Lançado em 26 de agosto de 2026, o Qwen3.8 Flash Next é um modelo multimodal de pesos abertos e uma prévia técnica da arquitetura planejada para o Qwen4.
Quais são os pontos-chave para validar primeiro?
Lançado em 26 de agosto de 2026, o Qwen3.8 Flash Next é um modelo multimodal de pesos abertos e uma prévia técnica da arquitetura planejada para o Qwen4. O sistema reúne um modelo principal de 125 bilhões de parâmetros e 51 bilhões de parâmetros adicionais em embeddings N gram, mas ativa apenas cerca de 6 bilhões por token.
O que devo fazer a seguir na prática?
A arquitetura combina Gated DeltaNet e Qwen Sparse Attention, oferece contexto nativo de 262.144 tokens — expansível para 1 milhão com YaRN — e foi projetada para reduzir o custo de inferências longas.
Fontes