AnswersPublished16 sources
Qwen 3.8-Flash-Next är en testkörning för nästa Qwen-generation
Qwen 3.8 Flash Next beskrivs som en tidig open weight preview av tekniken bakom Qwen 4, inte som Alibabas färdiga flaggskeppsmodell. Modellen uppges ha 125 miljarder parametrar, däribland 51 miljarder N gram inbäddningsparametrar, men aktivera omkring 6 miljarder parametrar för varje token.
Publicerad avRedigerad med GPT-5.6 LunaBilder genererade med GPT Image 1.5
Research answer
Key takeaways
- Qwen 3.8 Flash Next beskrivs som en tidig open weight preview av tekniken bakom Qwen 4, inte som Alibabas färdiga flaggskeppsmodell.
- Modellen uppges ha 125 miljarder parametrar, däribland 51 miljarder N gram inbäddningsparametrar, men aktivera omkring 6 miljarder parametrar för varje token.
- Den glesa Mixture of Experts arkitekturen ska ge hög kapacitet med lägre tränings och inferenskostnad – särskilt för kod – men påståendena återstår att verifiera oberoende.
- Lanseringen passar in i Alibabas större strategi: öppna Qwen modeller ska locka utvecklare och molnkunder, samtidigt som bolaget investerar 10,2 miljarder dollar i AI infrastruktur.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Alibaba’s planned Qwen 3.8 Flash Next release, how does its multimodal Mixture of Experts architecture (125 billion total parameters. Article summary: Qwen 3.8 Flash Next is being positioned as an early, open weight developer test of the architecture intended for Qwen 4—not as Alibaba’s finished flagship.. Topic tags: general web, agents, ai, workflow, productivity. 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, clickbait thumbnails, icons, and tiny thum
Kort svar
Qwen 3.8-Flash-Next positioneras som en tidig, öppen utvecklarversion av arkitekturen som ska ligga till grund för Qwen 4 – inte som Alibabas färdiga flaggskepp. Det centrala löftet är hög kapacitet i förhållande till mängden beräkningskraft som krävs för träning och körning. Men prestanda, kostnad och lanseringsdetaljer bör tills vidare betraktas som leverantörens egna uppgifter. Oberoende tester kräver att modellvikter och teknisk dokumentation blir tillgängliga. 9
Vad betyder 125 miljarder parametrar – och 6 miljarder aktiva?
Den rapporterade modellen är multimodal och bygger på en Mixture-of-Experts-arkitektur, ofta förkortad MoE. Den ska ha totalt 125 miljarder parametrar, inklusive 51 miljarder parametrar i en N-gram-baserad inbäddningsdel, men bara aktivera omkring 6 miljarder parametrar per token. 9
I praktiken fungerar det ungefär som ett stort team av specialister: modellen har tillgång till många experter, men skickar varje del av indata till endast ett begränsat urval av dem. Det gör att den totala modellkapaciteten kan vara stor utan att varje token måste bearbetas av hela modellen.
En sådan gles aktivering kan minska behovet av flyttalsberäkningar, minnesbandbredd och kostnader vid drift jämfört med en tät modell med motsvarande totala storlek. Det betyder dock inte att modellen automatiskt blir billig eller enkel att köra. De stora totala vikterna kan fortfarande ställa höga krav på minne, lagring och infrastruktur.
Därför lyfts kodning fram
Kodning är ett område där specialisering kan ge särskilt stor effekt. Olika experter kan lära sig mönster för programmeringsspråk, kodbaser, verktygsanvändning, felsökning och långsiktig struktur i stora projekt.
Påståendet att modellen kan nå prestanda nära den tekniska frontlinjen till ungefär en niondel av träningskostnaden för Qwen 3.7-Plus bör därför främst ses som ett effektivitetsmål. Fördelen ska enligt resonemanget komma från gles expertstyrning, arkitekturförändringar och den stora inbäddningsdelen – inte från att modellen på förhand har bevisats matcha de ledande slutna modellerna i alla tester och verkliga kodarbetsflöden.
Det saknas fortfarande tillräckligt många oberoende utvärderingar för att avgöra om den påstådda fördelen håller i praktiken.
Varför är det en preview och inte ett flaggskepp?
Alibabas beskrivning antyder att Flash-Next framför allt ska fungera som en kompatibilitets- och ekosystemlansering. Utvecklare får möjlighet att prova nästa generations arkitektur, finjustering, inferensmotorer och multimodala arbetsflöden innan Qwen 4-familjen kommer. 9
Det lämnar samtidigt utrymme för den slutliga flaggskeppsmodellen att få:
- mer omfattande träning,
- starkare efterträning,
- bredare säkerhetsarbete,
- fler eller större modellvarianter,
- samt slutlig validering mot etablerade riktmärken.
Att kalla modellen en preview är därför också ett sätt att sänka förväntningarna. Ett tidigt testbygge behöver inte representera den färdiga Qwen 4-prestandan.
Hur passar modellen ihop med Qwen 3.8?
Alibaba har redan gjort Qwen3.8-27B tillgänglig under Apache 2.0. Det är en inbyggt multimodal modell i 27-miljardersklassen med ett inbyggt kontextfönster på 262 000 token, som enligt Alibaba kan byggas ut till 1 miljon token. 6
Qwen3.8-Max är den mer avancerade motsvarigheten. Rapporteringen tyder dock på att dess vikter omfattas av en separat och mer restriktiv licens, snarare än de vanliga Apache 2.0-villkoren som gäller för 27B-modellen. 12
Skillnaden visar hur Alibaba försöker kombinera bred spridning med kommersiell kontroll: den mindre modellen kan få stor användning bland utvecklare, medan villkoren kring den dyraste flaggskeppskapaciteten ger bolaget större förhandlingsutrymme.
Den viktiga licensfrågan
Begreppet ”öppna vikter” betyder inte alltid att ett företag fritt kan använda modellen i vilken kommersiell skala som helst. Om licensen för Max eller Flash-Next innehåller omsättningströsklar, krav på ett separat avtal eller villkor om intäktsdelning vid mycket stora kommersiella installationer, skulle det vara en betydande begränsning.
Tillgänglig rapportering stöder att Max har licensrestriktioner. Däremot måste den exakta gränsen för eventuell intäktsdelning och de fullständiga villkoren bekräftas i den faktiska licenstexten. Påståendet om intäktsdelning bör därför inte behandlas som fastslaget utifrån det underlag som finns här. 12
En del av Alibabas fullskaliga AI-satsning
Qwen-modellerna är inte bara ett forskningsprojekt. De ingår i en bredare strategi där öppna eller lättillgängliga modeller ska locka utvecklare, finjusteringar, API-användning och molntrafik till Alibaba Cloud.
Samtidigt investerar Alibaba i beräkningskapacitet, datacenter och annan infrastruktur som krävs för att träna och köra avancerade AI-system. Bolaget har sagt att nettolikviden från aktieförsäljningen i Hongkong ska användas till AI-kapacitet i hela teknikstacken. 2
Alibaba tog in 80 miljarder Hongkongdollar, motsvarande cirka 10,2 miljarder dollar, genom att sälja 710 miljoner nya aktier för 112,70 Hongkongdollar styck. 3 Priset låg 8,4 procent under föregående stängningskurs, medan orderboken enligt uppgifter lockade efterfrågan på omkring 28 miljarder dollar.
4
För aktieägarna är avvägningen tydlig: kapitalet kan påskynda AI-investeringarna, men nya aktier späder ut befintliga ägares andel. Det ökar också genomföranderisken om investeringarna inte tillräckligt snabbt leder till intäkter från molntjänster, API:er och AI-applikationer. 4
Kampen om utvecklarna
I Kinas konkurrens om öppna AI-modeller handlar kampen inte enbart om att vinna ett enskilt benchmark. Lika viktigt är att bygga ett ekosystem av utvecklare, vidareutbildade modeller, molnarbetslaster och verktyg innan konkurrenter som DeepSeek hinner etablera sig.
Uppgifter om möjliga framtida system, exempelvis ”Ox Alpha”, bör däremot betraktas som spekulativa så länge de inte stöds av en identifierbar lansering, modellvikter eller en teknisk rapport. På samma sätt bör uppgifterna om ett Qwen-ekosystem med över 460 modeller och stöd för 119 språk ses som mått på Alibabas ekosystem – inte som ett bevis på kapaciteten hos en enskild Qwen-modell.
Slutsats
Alibabas satsning bygger på en tydlig idé: glesa, multimodala modeller som är billigare att träna och köra kan göra bolaget konkurrenskraftigt både genom bred användning av öppna modeller och genom premiumtjänster i molnet.
Qwen 3.8-Flash-Next ska i så fall bli ett viktigt test av den strategin och av arkitekturen bakom Qwen 4. De avgörande frågorna är fortfarande obesvarade: håller den påstådda kodningskvaliteten i oberoende tester, blir kostnadsfördelen verklig i drift – och låter licensen stora företag använda modellen utan att urholka värdet i att den kallas öppen?
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 "Qwen 3.8-Flash-Next är en testkörning för nästa Qwen-generation"?
Qwen 3.8 Flash Next beskrivs som en tidig open weight preview av tekniken bakom Qwen 4, inte som Alibabas färdiga flaggskeppsmodell.
What are the key points to validate first?
Qwen 3.8 Flash Next beskrivs som en tidig open weight preview av tekniken bakom Qwen 4, inte som Alibabas färdiga flaggskeppsmodell. Modellen uppges ha 125 miljarder parametrar, däribland 51 miljarder N gram inbäddningsparametrar, men aktivera omkring 6 miljarder parametrar för varje token.
What should I do next in practice?
Den glesa Mixture of Experts arkitekturen ska ge hög kapacitet med lägre tränings och inferenskostnad – särskilt för kod – men påståendena återstår att verifiera oberoende.
Sources
cnbc.comAlibaba plunges after announcing $10.2 billion share placement to fund AI push
thenews.com.pkAlibaba announces massive $10B Hong Kong share sale to fund AI expansion
finance.yahoo.comAlibaba shares fall 8% after $10 billion Hong Kong share sale
reuters.comAlibaba launches $10 billion Hong Kong share placement ...