ОтветыОпубликовано16 источники
Qwen3.8-Flash-Next: что показывает ранний открытый прототип Qwen4
Alibaba выпустила Qwen3.8 Flash Next 26 августа 2026 года. Это открытая мультимодальная MoE модель и технический preview архитектуры, которую планируют использовать в Qwen4, а не финальный флагман Qwen4.
ОпубликовалОтредактировано с помощью GPT-5.6 LunaИзображения созданы с помощью GPT Image 1.5
Ответ на исследование
Ключевые выводы
- Alibaba выпустила Qwen3.8 Flash Next 26 августа 2026 года. Это открытая мультимодальная MoE модель и технический preview архитектуры, которую планируют использовать в Qwen4, а не финальный флагман Qwen4.
- Основная модель содержит 125 млрд параметров, дополнена 51 миллиардным N gram модулем, но активирует около 6 млрд параметров на каждый токен.
- Гибрид Gated DeltaNet и Qwen Sparse Attention рассчитан на длинный контекст: нативное окно составляет 262 144 токена, а с расширением YaRN заявлена поддержка до 1 млн токенов.
- Qwen заявляет о снижении стоимости обучения примерно в девять раз относительно Qwen3.7 Plus, а также о результатах 58,7 на DeepSWE 1.1, 62,5 на SWE bench Pro и 84,5 на AndroidWorld.
Промпт ИИ
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
Alibaba и команда Qwen 26 августа 2026 года открыли веса Qwen3.8-Flash-Next — мультимодальной модели с архитектурой mixture of experts (MoE). Публикации о релизе вышли также 27 августа. Главное в этой модели не название и не попытка немедленно представить новый флагман, а роль технического прототипа: Qwen называет её ранним открытым preview архитектуры, которая должна лечь в основу семейства Qwen4. 1
2
15
Иными словами, разработчики получили возможность заранее изучить новый дизайн, адаптировать инструменты запуска и проверить модель на собственных задачах — ещё до появления полноценной линейки Qwen4.
Qwen3.8-Flash и Qwen3.8-Flash-Next — не одно и то же
Название Qwen3.8-Flash-Next относится к открытой модели, опубликованной для изучения и самостоятельного запуска. Связанное с ней имя Qwen3.8-Flash используется для производственной версии и API-сервиса. Поэтому релиз Next не означает, что Qwen4 уже вышла: перед нами скорее публичный чертёж следующего поколения, чем готовый итоговый продукт. 1
2
15
Основные характеристики
- Дата релиза: 26 августа 2026 года; дополнительное освещение появилось 27 августа.
1
2
15
- Основная модель: 125 млрд параметров.
- N-gram-эмбеддинги: ещё 51 млрд параметров.
4
- Активные параметры: примерно 6 млрд на токен.
- Контекст: 262 144 токена в нативной конфигурации; расширение до 1 млн токенов возможно с помощью YaRN.
16
- Модальности: текст и изображения.
- Доступность: стандартная и FP8-версии были опубликованы для Hugging Face и ModelScope.
8
Важно не смешивать два показателя контекстного окна. Нативный лимит модели — 262 144 токена. Значение в 1 млн токенов относится к расширенной конфигурации с YaRN, а не к стандартному режиму работы. 1
4
16
Почему архитектура важнее размера модели
Гибридное внимание для длинного контекста
Qwen3.8-Flash-Next объединяет Gated DeltaNet (GDN) и Qwen Sparse Attention (QSA). GDN предназначен для сжатия информации из предыдущего контекста, тогда как QSA с помощью облегчённого индекса выбирает релевантные небольшие блоки, вместо того чтобы одинаково обрабатывать всю историю. 4
Такой подход должен замедлять рост затрат при работе с очень длинными последовательностями. Qwen заявляет ускорение предварительной обработки контекста до 7,6 раза, а декодирования — до 4,9 раза на последовательностях длиной 1 млн токенов. Это показатели самой команды Qwen: фактический результат зависит от оборудования, реализации, длины последовательности и настроек теста. 4
51 млрд N-gram-эмбеддингов
Отдельный N-gram-модуль добавляет модели ёмкость, но не требует задействовать весь набор параметров при обработке каждого токена. Таблицу эмбеддингов можно выгружать в оперативную память хост-системы, а данные — асинхронно подгружать заранее, перекрывая передачу с вычислениями модели. 4
Для операторов крупных моделей это практично: итоговая стоимость запуска зависит не только от числа параметров, но и от того, где они размещены и как перемещаются между памятью и ускорителями. Особенно заметно это при анализе длинных документов и пакетной обработке больших объёмов данных.
Изменения затронули и обучение
Qwen3.8-Flash-Next — не просто прежняя модель с другим механизмом внимания. В preview также заявлены оптимизатор Muon, изменения в его взаимодействии с AdamW и обработкой параметров, а также новая подогнанная scaling law — закономерность масштабирования, используемая для планирования архитектуры и обучения. 4
Вместе эти решения показывают более широкое направление: увеличить общую ёмкость модели, одновременно ограничив объём вычислений, который требуется для отдельного токена.
Стоимость обучения, тесты и API
Qwen утверждает, что обучение Qwen3.8-Flash потребовало примерно одной девятой затрат, необходимых для Qwen3.7-Plus, при этом модель улучшила результаты в программировании и офисных задачах. Эти заявления также освещало агентство Reuters. 1
4
В материалах о релизе приводятся следующие оценки:
- 58,7 балла на DeepSWE 1.1;
- 62,5 на SWE-bench Pro;
- 84,5 на AndroidWorld.
Qwen позиционирует эти результаты выше показателей DeepSeek V4 Flash в ценовом сегменте. Однако приведённые сравнения основаны на данных компании; доступные материалы не подтверждают независимое воспроизведение результатов в полностью одинаковых условиях. 4
Для производственной версии Qwen3.8-Flash заявлена цена 1 юань за 1 млн входных токенов и 3 юаня за 1 млн выходных токенов. В опубликованных материалах не указано разделение на пиковые и непиковые тарифы. Сравнивать эту стоимость с другими моделями напрямую стоит осторожно: на итоговую цену влияют версия модели, кэширование, длина контекста, тарифный уровень и объём требуемого ответа. 1
4
Что релиз даёт разработчикам
Открытые веса превращают Qwen3.8-Flash-Next в площадку для экспериментов ещё до выхода Qwen4. Разработчики могут заранее:
- адаптировать серверное ПО и инструменты инференса;
- тестировать квантование и FP8-запуск;
- оценивать качество на собственных наборах данных;
- проверять поведение модели при работе с длинными документами;
- собирать обратную связь о совместимости архитектуры и стоимости развёртывания.
Дизайн особенно интересен для задач, где ограничениями становятся длина контекста и цена каждого токена:
- анализа больших документов и исследовательских материалов;
- помощи в программировании на уровне целых репозиториев;
- долгоживущих и использующих инструменты AI-агентов;
- продолжительных диалогов с накоплением состояния;
- пакетной обработки текстовых и визуальных данных.
Это потенциальные сценарии, которые логично следуют из заявленной архитектуры, но не гарантия превосходства над любой плотной моделью или системой с полным вниманием. Реальная экономика будет зависеть от оборудования, программного обеспечения для сервинга, качества квантования, стратегии поиска и состава конкретной нагрузки.
Главный вывод: это preview, а не окончательный вердикт
Значимость Qwen3.8-Flash-Next в том, что Alibaba раскрыла архитектурное направление достаточно рано и в форме, пригодной для практического изучения. Теперь сообщество может проверить, способны ли разреженное и сжатое внимание, крупные вспомогательные эмбеддинги и небольшое число активных параметров сделать работу с очень длинным контекстом дешевле — без неприемлемой потери качества.
При этом наиболее громкие показатели — ускорение, лидерство в бенчмарках, снижение стоимости обучения и ценовые преимущества — в основном исходят от Qwen или публикаций, пересказывающих данные компании. Нужны независимые тесты на разном оборудовании, языках, длине контекста, мультимодальных задачах и агентских сценариях.
Самый аккуратный вывод звучит так: Qwen3.8-Flash-Next не доказала, что превосходит все конкурирующие модели. Это открытая мультимодальная MoE-модель и проверяемый технический прототип, который даёт разработчикам ранний доступ к архитектуре, готовящейся для Qwen4, и предлагает новый путь к более эффективной работе ИИ с очень длинным контекстом.
Studio Global AI
Продолжайте свое исследование
На этой странице есть ответ, подтвержденный источником, который вы можете продолжить внутри Studio Global.
Люди также спрашивают
Каков краткий ответ на вопрос «Qwen3.8-Flash-Next: что показывает ранний открытый прототип Qwen4»?
Alibaba выпустила Qwen3.8 Flash Next 26 августа 2026 года. Это открытая мультимодальная MoE модель и технический preview архитектуры, которую планируют использовать в Qwen4, а не финальный флагман Qwen4.
Какие ключевые моменты необходимо проверить в первую очередь?
Alibaba выпустила Qwen3.8 Flash Next 26 августа 2026 года. Это открытая мультимодальная MoE модель и технический preview архитектуры, которую планируют использовать в Qwen4, а не финальный флагман Qwen4. Основная модель содержит 125 млрд параметров, дополнена 51 миллиардным N gram модулем, но активирует около 6 млрд параметров на каждый токен.
Что мне делать дальше на практике?
Гибрид Gated DeltaNet и Qwen Sparse Attention рассчитан на длинный контекст: нативное окно составляет 262 144 токена, а с расширением YaRN заявлена поддержка до 1 млн токенов.
Источники