AnswersPublished16 sources
Qwen 3.8-Flash-Next: ставка Alibaba на дешевші мультимодальні AI-моделі
Qwen 3.8 Flash Next позиціонують як ранній open weight тест архітектури майбутнього Qwen 4, а не як завершену флагманську модель. Заявлена мультимодальна MoE архітектура має 125 млрд параметрів, зокрема 51 млрд N грамових embedding параметрів, але активує близько 6 млрд параметрів на токен.
ОпублікувавВідредаговано за допомогою GPT-5.6 LunaЗображення створено за допомогою GPT Image 1.5
Research answer
Key takeaways
- Qwen 3.8 Flash Next позиціонують як ранній open weight тест архітектури майбутнього Qwen 4, а не як завершену флагманську модель.
- Заявлена мультимодальна MoE архітектура має 125 млрд параметрів, зокрема 51 млрд N грамових embedding параметрів, але активує близько 6 млрд параметрів на токен.
- Alibaba пов’язує розріджену архітектуру з високою ефективністю та потенційною якістю в програмуванні, однак ці твердження ще потребують незалежної перевірки.
- Реліз є частиною ширшої стратегії Alibaba: розвивати моделі, хмарні сервіси та інфраструктуру паралельно, профінансувавши AI напрям через розміщення акцій на HK$80 млрд.
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
Alibaba готує Qwen 3.8-Flash-Next як ранній відкритий для розробників тест архітектури, яка має лягти в основу майбутнього сімейства Qwen 4. Це не фінальний флагман компанії, а радше технологічний попередній перегляд: розробники зможуть заздалегідь перевірити нові підходи до донавчання, інференсу, мультимодальних сценаріїв і розгортання моделей. 9
Головна інтрига — не лише в розмірі моделі, а в тому, скільки обчислень потрібно для обробки кожного токена. Alibaba заявляє про поєднання великої загальної ємності з набагато меншою кількістю активних параметрів. Водночас усі характеристики, оцінки вартості та обіцянки щодо продуктивності поки варто сприймати як заяви розробника — до публікації ваг, повної технічної документації та незалежних тестів.
Як працює архітектура Qwen 3.8-Flash-Next
Заявлена модель є нативно мультимодальною системою Mixture of Experts (MoE) — «сумішшю експертів». Вона нібито містить:
- 125 млрд загальних параметрів;
- 51 млрд параметрів N-грамових embedding-компонентів;
- лише близько 6 млрд активних параметрів на токен.
9
У щільній моделі всі параметри беруть участь в обробці кожного токена. У MoE-моделі система маршрутизації спрямовує конкретний токен лише до частини спеціалізованих експертів. Це дає змогу зберігати велику сукупну «пам’ять» моделі, але не витрачати повний обсяг обчислень на кожен запит.
Теоретично такий підхід може зменшити потребу у FLOPs, пропускній здатності пам’яті й ресурсах для обслуговування запитів порівняно зі щільною моделлю аналогічного загального розміру. N-грамові embedding-параметри, своєю чергою, мають допомагати швидше виконувати локальні токенові зіставлення, хоча реальний ефект стане зрозумілим лише після технічних тестів.
Чому Alibaba робить акцент на програмуванні
Програмний код особливо добре підходить для спеціалізації експертів. Різні частини MoE-моделі можуть краще засвоювати закономірності окремих мов програмування, структуру репозиторіїв, роботу з інструментами, пошук помилок і аналіз довгих фрагментів коду.
Alibaba пов’язує цю архітектуру із заявою про наближення до передових результатів приблизно за одну дев’яту вартості навчання Qwen 3.7-Plus. Однак це слід розуміти як заявлену ціль ефективності, а не як доказ паритету з найкращими закритими моделями в усіх тестах і практичних сценаріях розробки.
Підсумковий результат залежатиме не тільки від кількості активних параметрів. Важливі також дані, методи маршрутизації, навчання, посттренування, якість роботи з контекстом і здатність моделі користуватися інструментами. Незалежних оцінок саме coding-продуктивності Flash-Next поки недостатньо.
Чому це попередній перегляд, а не флагман
Формат релізу має практичний сенс. Alibaba може дати розробникам ранній доступ до нової архітектури, щоб ті встигли адаптувати:
- власні пайплайни донавчання;
- системи інференсу та оптимізації;
- мультимодальні застосунки;
- агентські та програмні інструменти;
- інфраструктуру для майбутніх моделей Qwen 4.
Водночас фінальний Qwen 4 потенційно матиме довше навчання, сильніше посттренування, ширші роботи з безпекою, додаткові варіанти розміру та повну верифікацію за бенчмарками. Тому Flash-Next не варто автоматично сприймати як остаточний показник можливостей наступного флагманського сімейства.
Як Flash-Next вписується в лінійку Qwen 3.8
Alibaba вже розвиває Qwen 3.8 у кількох напрямках. Qwen3.8-27B доступна за ліцензією Apache 2.0. Це нативно мультимодальна модель класу 27 млрд параметрів із контекстним вікном на 262 тисячі токенів, яке можна розширити до 1 мільйона токенів. 6
На верхньому рівні розташована Qwen3.8-Max. За повідомленнями, її ваги поширюються не на звичайних умовах Apache 2.0, а за окремою, більш обмежувальною ліцензією. 12 Такий поділ дає змогу Alibaba широко розповсюджувати компактнішу модель, водночас зберігаючи більше контролю над найдорожчими флагманськими можливостями.
Для компаній важливо не плутати поняття open weights і повністю вільної open-source-ліцензії. Відкриті ваги дають змогу завантажити модель і запускати її самостійно, але конкретні умови комерційного використання визначає ліцензійний текст.
Якщо ліцензія Max або Flash-Next передбачає порогові значення для великих сервісів, обов’язкову окрему угоду чи відрахування від доходу, це суттєво обмежує практичну «відкритість» моделі. Наявні повідомлення підтверджують, що для Max діють спеціальні умови, але точні тригери та механізм можливого revenue sharing потрібно перевіряти за офіційним текстом ліцензії. Твердження про конкретні відрахування не слід вважати доведеними без такого підтвердження. 12
AI-стратегія Alibaba: від моделей до інфраструктури
Релізи Qwen є частиною ширшої full-stack AI-стратегії Alibaba. Компанія прагне одночасно розвивати моделі, хмарні сервіси, обчислювальні потужності, дата-центри та інші інфраструктурні компоненти. Логіка проста: доступні моделі залучають розробників, а їхні проєкти можуть створювати попит на Alibaba Cloud, API та корпоративні AI-рішення. Alibaba заявила, що кошти від розміщення акцій у Гонконзі спрямує на розвиток повного стеку AI-можливостей. 2
Компанія залучила HK$80 млрд, або близько $10,2 млрд, розмістивши 710 млн нових акцій за ціною HK$112,70 за акцію. 3 Ціна була на 8,4% нижчою за попереднє закриття, а попит у книзі заявок, за повідомленнями, сягнув приблизно $28 млрд.
4
Для інвесторів це має очевидний компроміс. З одного боку, новий капітал прискорює AI-інвестиції. З іншого — випуск акцій розмиває частки наявних акціонерів і підвищує ризик виконання плану: витрати на AI мають досить швидко перетворитися на доходи від хмарних сервісів, API та прикладних продуктів. Саме побоювання щодо розмивання та окупності стали однією з причин негативної реакції ринку. 4
Китайська гонка відкритих моделей
У китайській конкуренції open-weight-моделей недостатньо просто показати високий результат в одному бенчмарку. Компанії змагаються за розробників, донавчені похідні моделі, корпоративні обчислювальні навантаження та підтримку інструментів. У цьому контексті Alibaba прагне не відстати від конкурентів, зокрема DeepSeek.
Згадки про можливі системи на кшталт «Ox Alpha» залишаються спекулятивними, якщо немає офіційного релізу, доступних ваг або технічного звіту. Так само заяви про екосистему Qwen із понад 460 моделями та підтримкою 119 мов варто розглядати як показники екосистеми Alibaba, а не як оцінку можливостей будь-якої окремої моделі.
Що стане вирішальним тестом
Стратегічна ставка Alibaba полягає в тому, що дешевші у навчанні розріджені мультимодальні моделі дадуть компанії перевагу одразу на двох рівнях: через масове використання відкритих моделей і через преміальні хмарні розгортання.
Але ключові питання поки залишаються без відповіді: чи підтвердять незалежні тести заявлену якість програмування та перевагу у вартості навчання, наскільки стабільно модель працюватиме в реальних агентських сценаріях і чи дозволять ліцензійні умови великим компаніям користуватися нею без втрати головної переваги «відкритих ваг».
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: ставка Alibaba на дешевші мультимодальні AI-моделі"?
Qwen 3.8 Flash Next позиціонують як ранній open weight тест архітектури майбутнього Qwen 4, а не як завершену флагманську модель.
What are the key points to validate first?
Qwen 3.8 Flash Next позиціонують як ранній open weight тест архітектури майбутнього Qwen 4, а не як завершену флагманську модель. Заявлена мультимодальна MoE архітектура має 125 млрд параметрів, зокрема 51 млрд N грамових embedding параметрів, але активує близько 6 млрд параметрів на токен.
What should I do next in practice?
Alibaba пов’язує розріджену архітектуру з високою ефективністю та потенційною якістю в програмуванні, однак ці твердження ще потребують незалежної перевірки.
Sources
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 ...