Câu trả lờiĐã xuất bản16 nguồn
Qwen3.8-Flash-Next là gì và vì sao đáng chú ý?
Alibaba Qwen phát hành Qwen3.8 Flash Next ngày 26/8/2026, với các bài đưa tin tiếp theo xuất hiện ngày 27/8. Mô hình gồm mạng chính 125 tỷ tham số và mô đun embedding N gram bổ sung 51 tỷ tham số, nhưng chỉ kích hoạt khoảng 6 tỷ tham số cho mỗi token.
Đăng bởiBiên tập bằng GPT-5.6 LunaHình ảnh được tạo bằng GPT Image 1.5
Câu trả lời nghiên cứu
Bài học chính
- Alibaba Qwen phát hành Qwen3.8 Flash Next ngày 26/8/2026, với các bài đưa tin tiếp theo xuất hiện ngày 27/8.
- Mô hình gồm mạng chính 125 tỷ tham số và mô đun embedding N gram bổ sung 51 tỷ tham số, nhưng chỉ kích hoạt khoảng 6 tỷ tham số cho mỗi token.
- Thiết kế kết hợp Gated DeltaNet với Qwen Sparse Attention, hỗ trợ ngữ cảnh gốc 262.144 token và có thể mở rộng lên 1 triệu token qua YaRN; các mức tăng tốc và điểm benchmark hiện chủ yếu là số liệu do Qwen công bố.
Prompt AI
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 Qwen đã phát hành Qwen3.8-Flash-Next vào ngày 26/8/2026, sau đó nhận được thêm nhiều bài đưa tin vào ngày 27/8. Đây là mô hình đa phương thức dạng Mixture-of-Experts (MoE), được mở trọng số để cộng đồng có thể kiểm tra và thử nghiệm. Qwen giới thiệu sản phẩm như một bản xem trước sớm của kiến trúc dự kiến làm nền tảng cho dòng Qwen4. 1
2
15
Điểm đáng chú ý nằm ở cách mô hình cân bằng giữa quy mô và chi phí tính toán: mạng chính có 125 tỷ tham số, cộng thêm 51 tỷ tham số trong mô-đun embedding N-gram, nhưng chỉ kích hoạt khoảng 6 tỷ tham số cho mỗi token. Nói cách khác, mô hình vẫn sở hữu năng lực biểu diễn lớn mà không phải xử lý toàn bộ số tham số ở mọi bước. 4
15
Đây là mô hình nào?
Tên Qwen3.8-Flash-Next dùng cho phiên bản mở trọng số được Qwen công bố. Trong khi đó, Qwen3.8-Flash là tên của phiên bản hướng đến vận hành thực tế và cung cấp qua API. Hai tên gọi có liên quan, nhưng không nên đánh đồng Qwen3.8-Flash-Next với một bản phát hành Qwen4 chính thức. 1
2
15
Cách hiểu chính xác hơn là đây vừa là một mô hình có thể thử nghiệm, vừa là “bản thiết kế công khai” cho hướng kiến trúc tiếp theo của Qwen. Việc mở trọng số sớm cho phép nhà phát triển chuẩn bị công cụ suy luận, kiểm thử phương thức triển khai và gửi phản hồi trước khi toàn bộ dòng Qwen4 xuất hiện. 2
3
15
Thông số chính
- Ngày phát hành: 26/8/2026; các bài đưa tin bổ sung xuất hiện ngày 27/8.
1
2
15
- Mạng chính: 125 tỷ tham số.
- Embedding N-gram: bổ sung 51 tỷ tham số.
4
- Tham số hoạt động: khoảng 6 tỷ cho mỗi token.
- Ngữ cảnh: 262.144 token ở cấu hình gốc, có thể mở rộng lên 1 triệu token bằng YaRN.
16
- Dữ liệu đầu vào: văn bản và hình ảnh trong thiết kế đa phương thức.
- Phân phối: có phiên bản tiêu chuẩn và FP8 trên Hugging Face và ModelScope.
8
Cần phân biệt rõ giữa ngữ cảnh gốc 262.144 token và con số 1 triệu token thường được nhắc đến. Mức 1 triệu token phụ thuộc vào việc mở rộng bằng YaRN, vì vậy nên được xem là một cấu hình mở rộng chứ không phải giới hạn gốc của mô hình. 1
4
16
Vì sao kiến trúc này quan trọng?
Kết hợp hai cách xử lý attention cho ngữ cảnh dài
Qwen3.8-Flash-Next kết hợp Gated DeltaNet (GDN) với Qwen Sparse Attention (QSA). GDN được thiết kế để nén thông tin từ phần ngữ cảnh trước đó, còn QSA sử dụng một bộ lập chỉ mục nhẹ để tìm và chọn các khối thông tin liên quan thay vì áp dụng attention đầy đủ lên toàn bộ lịch sử. 4
Mục tiêu là hạn chế chi phí và độ trễ khi chuỗi đầu vào ngày càng dài. Qwen cho biết thiết kế này đạt mức tăng tốc tối đa 7,6 lần khi nạp ngữ cảnh (prefill) và 4,9 lần khi giải mã (decode) trên các chuỗi dài 1 triệu token. Đây là số liệu do nhà phát triển công bố, và kết quả thực tế còn phụ thuộc vào phần cứng, phần mềm triển khai, độ dài chuỗi cũng như cách thiết lập benchmark. 4
Embedding N-gram tăng năng lực mà không làm tăng tương ứng chi phí mỗi token
Mô-đun embedding N-gram bổ sung thêm năng lực biểu diễn cho hệ thống, trong khi giới hạn lượng tham số phải xử lý thực tế ở mỗi token. Qwen cũng cho biết bảng embedding này có thể được chuyển sang bộ nhớ máy chủ và nạp trước theo cơ chế bất đồng bộ, để việc truyền dữ liệu diễn ra đồng thời với tính toán của mô hình. 4
Đây là hướng đi có ý nghĩa thực tế với các đơn vị vận hành mô hình lớn. Khi xử lý tài liệu dài hoặc các lô dữ liệu lớn, vị trí lưu trữ tham số và tốc độ di chuyển dữ liệu đôi khi quan trọng không kém tổng số tham số trên giấy.
Không chỉ thay đổi một khối attention
Bản xem trước còn bao gồm các thay đổi ở tầng tối ưu hóa và mở rộng quy mô. Qwen cho biết họ sử dụng bộ tối ưu Muon, điều chỉnh cách Muon tương tác với AdamW và cách xử lý tham số, đồng thời xây dựng một quy luật scaling mới phù hợp với thiết kế này. 4
Vì vậy, Qwen3.8-Flash-Next không đơn thuần là một checkpoint thay attention truyền thống bằng một khối khác. Đây là phép thử công khai cho một “công thức” rộng hơn: kết hợp tổng dung lượng lớn với lượng tính toán hoạt động tương đối nhỏ.
Hiệu năng, chi phí và giá API
Qwen cho biết chi phí huấn luyện Qwen3.8-Flash chỉ bằng khoảng một phần chín so với Qwen3.7-Plus, đồng thời cải thiện kết quả ở các tác vụ lập trình và công việc văn phòng. Reuters cũng đưa tin về tuyên bố của công ty rằng mô hình mới đạt hiệu năng tốt hơn trong các nhóm tác vụ này với chi phí huấn luyện thấp hơn. 1
4
Các mức điểm được dẫn lại gồm 58,7 trên DeepSWE 1.1, 62,5 trên SWE-bench Pro và 84,5 trên AndroidWorld. Qwen đặt các kết quả này cao hơn DeepSeek V4 Flash trong phân khúc chú trọng hiệu quả chi phí. Tuy nhiên, đây vẫn là các so sánh do công ty công bố; những tài liệu hiện có chưa chứng minh rằng kết quả đã được tái lập độc lập trong các điều kiện đánh giá tương đương. 4
Mức giá được nêu cho dịch vụ API Qwen3.8-Flash là 1 nhân dân tệ cho mỗi triệu token đầu vào và 3 nhân dân tệ cho mỗi triệu token đầu ra, không đề cập cơ chế giá cao điểm/thấp điểm trong tài liệu phát hành. Việc so sánh trực tiếp với các mô hình khác vẫn phụ thuộc vào phiên bản, bộ nhớ đệm, độ dài ngữ cảnh, cấp dịch vụ và yêu cầu về chất lượng đầu ra. 1
4
Nhà phát triển có thể làm gì với Qwen3.8-Flash-Next?
Việc mở trọng số biến Qwen3.8-Flash-Next thành một nền tảng để thử nghiệm trước khi Qwen4 ra mắt. Nhà phát triển có thể bắt đầu điều chỉnh công cụ suy luận, kiểm thử lượng tử hóa và hệ thống phục vụ, đồng thời đánh giá mô hình trên chính dữ liệu và quy trình của mình thay vì chờ bản Qwen4 hoàn chỉnh. 2
3
15
Thiết kế này đặc biệt phù hợp để nghiên cứu trong các nhóm tác vụ bị giới hạn bởi độ dài ngữ cảnh hoặc chi phí token, chẳng hạn:
- phân tích tài liệu lớn và tài liệu nghiên cứu;
- hỗ trợ lập trình trên quy mô toàn bộ kho mã nguồn;
- tác vụ tự động sử dụng công cụ và agent hoạt động trong thời gian dài;
- hội thoại kéo dài với trạng thái tích lũy; và
- xử lý hàng loạt dữ liệu văn bản, hình ảnh với sản lượng lớn.
Đây là những ứng dụng hợp lý được gợi ra từ thiết kế ngữ cảnh dài và số tham số hoạt động thấp, không phải lời đảm bảo rằng mô hình sẽ vượt qua mọi lựa chọn dense hoặc attention đầy đủ trong môi trường sản xuất. Phần cứng, phần mềm phục vụ, chất lượng lượng tử hóa, chiến lược truy xuất dữ liệu và đặc điểm từng workload mới quyết định hiệu quả kinh tế thực tế.
Kết luận: Một bản xem trước đáng kiểm chứng, không phải phán quyết cuối cùng
Qwen3.8-Flash-Next đáng chú ý vì công khai hướng kiến trúc mới tương đối sớm. Mô hình cung cấp một đối tượng cụ thể để cộng đồng kiểm tra xem attention thưa và nén, embedding bổ trợ quy mô lớn cùng số tham số hoạt động thấp có thể cải thiện hiệu quả xử lý ngữ cảnh rất dài mà không đánh đổi quá nhiều chất lượng hay không.
Dù vậy, các tuyên bố nổi bật nhất—từ mức tăng tốc, vị trí trên benchmark, mức giảm chi phí huấn luyện đến lợi thế giá trị—phần lớn đến từ Qwen hoặc các bài đưa tin dựa trên thông tin do Qwen cung cấp. Cần thêm kiểm thử độc lập trên nhiều loại phần cứng, ngôn ngữ, độ dài ngữ cảnh, tác vụ đa phương thức và quy trình agent thực tế.
Kết luận thận trọng nhất không phải là “Qwen3.8-Flash-Next đánh bại mọi mô hình cạnh tranh”. Chính xác hơn, đây là một mô hình MoE đa phương thức, mở trọng số và có giá trị như bản xem trước kỹ thuật của kiến trúc Qwen4—đồng thời là một bản thiết kế có thể kiểm chứng cho mục tiêu làm AI ngữ cảnh cực dài nhanh và tiết kiệm hơn.
Studio Global AI
Tiếp tục nghiên cứu của bạn
Trang này bao gồm câu trả lời dựa trên nguồn mà bạn có thể tiếp tục bên trong Studio Global.
Người ta cũng hỏi
Câu trả lời ngắn gọn cho "Qwen3.8-Flash-Next là gì và vì sao đáng chú ý?" là gì?
Alibaba Qwen phát hành Qwen3.8 Flash Next ngày 26/8/2026, với các bài đưa tin tiếp theo xuất hiện ngày 27/8.
Những điểm chính cần xác nhận đầu tiên là gì?
Alibaba Qwen phát hành Qwen3.8 Flash Next ngày 26/8/2026, với các bài đưa tin tiếp theo xuất hiện ngày 27/8. Mô hình gồm mạng chính 125 tỷ tham số và mô đun embedding N gram bổ sung 51 tỷ tham số, nhưng chỉ kích hoạt khoảng 6 tỷ tham số cho mỗi token.
Tôi nên làm gì tiếp theo trong thực tế?
Thiết kế kết hợp Gated DeltaNet với Qwen Sparse Attention, hỗ trợ ngữ cảnh gốc 262.144 token và có thể mở rộng lên 1 triệu token qua YaRN; các mức tăng tốc và điểm benchmark hiện chủ yếu là số liệu do Qwen công bố.
Nguồn