Qwen3.8-Flash-Next: що відкритий прев’ю-модель Alibaba розповідає про Qwen4

Alibaba та команда Qwen випустили Qwen3.8-Flash-Next 26 серпня 2026 року; додаткове висвітлення релізу з’явилося 27 серпня. Це відкрита за вагами мультимодальна модель класу mixture-of-experts (MoE). Однак називати її повноцінним Qwen4 було б неточно: Qwen позиціонує реліз як раннє, доступне для перевірки прев’ю архітектури, на якій будуватиметься сімейство Qwen4. 1215

Її найцікавіша особливість — співвідношення загального та активного розміру. Основна мережа має 125 млрд параметрів, доповнених 51 млрд параметрів N-gram-ембедингів, але для обробки одного токена активується лише близько 6 млрд параметрів. Ідея полягає в тому, щоб зберегти високу загальну місткість моделі, не сплачуючи повну обчислювальну ціну щокроку. 415

Qwen3.8-Flash і Qwen3.8-Flash-Next — не одне й те саме

Назва Qwen3.8-Flash-Next стосується відкритої моделі, яку можна завантажити та досліджувати. Натомість Qwen3.8-Flash — це виробнича версія та API-пропозиція, орієнтована на використання через хмарні сервіси. Реліз Next задуманий як технічний зразок і своєрідна карта для розробників перед появою повного сімейства Qwen4. 1215

Така відмінність важлива: відкриття ваг не означає, що Qwen4 уже запущено. Розробники отримали можливість заздалегідь перевірити архітектуру на власних навантаженнях, підготувати інструменти інференсу, протестувати квантизацію та повідомити Qwen про проблеми до ширшого релізу. 2315

Основні характеристики

• Дата релізу: 26 серпня 2026 року; додаткові матеріали вийшли 27 серпня. 1215
• Основна модель: 125 млрд параметрів. 15
• N-gram-ембединги: додаткові 51 млрд параметрів. 415
• Активні параметри: приблизно 6 млрд на токен. 15
• Контекст: 262 144 токени нативно, із розширенням до 1 мільйона через YaRN. 1416
• Модальності: текстові та візуальні входи в межах мультимодальної конструкції. 1516
• Доступність: стандартна та FP8-версії для Hugging Face і ModelScope. 38

Важливо не плутати мільйон токенів із нативним контекстним вікном. У стандартній конфігурації модель підтримує 262 144 токени. Позначка в 1 мільйон стосується розширеної конфігурації з YaRN, тому її практичні результати потрібно оцінювати окремо. 1416

Чому архітектура може мати значення

GDN і QSA для довгого контексту

Qwen3.8-Flash-Next поєднує Gated DeltaNet (GDN) та Qwen Sparse Attention (QSA). GDN призначена для стискання інформації з попереднього контексту, тоді як QSA використовує легкий індекс, щоб знаходити релевантні мікроблоки й не застосовувати повну увагу до всієї історії однаково. 4

Мета такого підходу — стримати зростання вартості та затримки під час роботи з дуже довгими послідовностями. Qwen заявляє про прискорення prefill до 7,6 раза та декодування до 4,9 раза на послідовностях довжиною 1 мільйон токенів. Це показники, наведені виробником: вони залежать від обладнання, реалізації, довжини послідовності та методики тестування, тож не є універсальним прогнозом для будь-якого розгортання. 4

N-gram-ембединги та робота з пам’яттю

Окремий компонент N-gram-ембедингів збільшує представницьку здатність системи, не вимагаючи повної обробки всіх параметрів для кожного токена. Qwen також передбачила можливість винесення цієї таблиці до оперативної пам’яті хоста та асинхронного попереднього завантаження даних. Так передавання даних може відбуватися паралельно з обчисленнями моделі. 4

Для операторів, які працюють із великими моделями, це не менш важливо, ніж саме число параметрів. У довгих документах і великих пакетних завданнях розміщення пам’яті та переміщення даних часто визначають економіку системи не менше, ніж пікова обчислювальна потужність.

Зміни стосуються не лише механізму уваги

Прев’ю охоплює також оптимізацію та масштабування. Qwen повідомляє про використання оптимізатора Muon, зміни в його взаємодії з AdamW і роботі з параметрами, а також про нове підігнане правило масштабування для цієї конструкції. 4

Отже, йдеться не просто про черговий чекпойнт із новим блоком уваги. Qwen відкрила для перевірки ширший підхід до створення моделей із великою сумарною місткістю та відносно невеликим обсягом активних обчислень.

Довгий контекст, бенчмарки та вартість

Qwen стверджує, що навчання Qwen3.8-Flash коштувало приблизно в дев’ять разів дешевше, ніж навчання Qwen3.7-Plus, водночас показники в програмуванні та офісних завданнях покращилися. Reuters також повідомило про заяви компанії щодо вищої продуктивності в цих категоріях і нижчої вартості навчання. 14

У матеріалах про реліз наведено такі результати: 58,7 бала на DeepSWE 1.1, 62,5 на SWE-bench Pro та 84,5 на AndroidWorld. Qwen позиціонує ці показники як вищі за результати DeepSeek V4 Flash у ціновому сегменті. Водночас це порівняння, заявлене компанією; надані джерела не підтверджують незалежного відтворення результатів за повністю еквівалентних умов тестування. 4

Заявлена ціна API для виробничої версії Qwen3.8-Flash становить 1 юань за 1 мільйон вхідних токенів і 3 юані за 1 мільйон вихідних токенів. У матеріалах релізу не описано окремих пікових і непікових тарифів. Прямі порівняння з іншими моделями все одно залежать від версії, кешування, довжини контексту, рівня сервісу та вимог до відповіді. 14

Що це дає розробникам

Відкриті ваги роблять Qwen3.8-Flash-Next практичною платформою для експериментів ще до появи Qwen4. Команди можуть:

• адаптувати рушії інференсу та інструменти обслуговування;
• перевіряти різні способи квантизації;
• тестувати роботу з довгими документами й великими репозиторіями;
• оцінювати витрати на власному обладнанні;
• знаходити помилки та надавати Qwen зворотний зв’язок.

Архітектура особливо цікава для таких сценаріїв:

• аналізу великих документів і дослідницьких матеріалів;
• допомоги з програмуванням на рівні великих кодових баз;
• агентів, які користуються інструментами та довго зберігають стан;
• тривалих діалогів із накопиченим контекстом;
• пакетної обробки текстових і візуальних даних.

Це логічні сфери застосування, які випливають із дизайну моделі, а не гарантія, що вона перевершить кожну щільну модель або альтернативу з повною увагою у виробничому середовищі. Реальна економіка залежатиме від обладнання, програмного забезпечення для сервінгу, якості квантизації, стратегії пошуку та конкретного складу навантаження.

Головне застереження: це прев’ю, а не остаточний вердикт

Значення Qwen3.8-Flash-Next полягає в тому, що Qwen рано відкрила архітектурний напрям. Тепер спільнота може перевірити, чи здатні розріджена й стиснена увага, великі допоміжні ембединги та мале число активних параметрів зробити роботу з дуже довгим контекстом дешевшою без неприйнятної втрати якості.

Водночас найсильніші твердження релізу — про прискорення, лідерство в бенчмарках, зменшення вартості навчання та вигідність — переважно походять від Qwen або з матеріалів, що спираються на заяви компанії. Потрібні незалежні тести на різному обладнанні, мовах, довжині контексту, мультимодальних завданнях і виробничих агентських сценаріях.

Найточніший висновок тому звучить скромніше, ніж «Qwen3.8-Flash-Next перемагає всі конкуруючі моделі». Це відкрите мультимодальне технічне прев’ю MoE, яке дає розробникам незвично ранній доступ до системної архітектури, що Alibaba готує для Qwen4, і до перевірюваного плану здешевлення роботи ШІ з наддовгим контекстом.