Qwen3.8-Flash-Next 是 2026 年 8 月 26 日发布的版本，扮演的角色就像当年的 Qwen3-Next 之于 Qwen3.5：用开放权重预览下一代——Qwen4——将采用的架构。它是一个多模态混合专家模型，主参数 125B，另配 51B 的 N-gram Embedding 表，每 token 仅激活 6B。
主打的是效率。阿里称其训练成本仅约为 Qwen3.7-Plus 的九分之一，编码与办公任务得分反而更高；在 1M token 上下文、前缀缓存命中率 90% 时，预填充吞吐是后者的 8.6 倍。生产版本 qwen3.8-flash 国际站定价为每百万 token $0.15 / $0.47。
架构有什么新东西
- GDN + QSA 注意力。 每四层中三层用 Gated DeltaNet 把历史压缩成固定状态；第四层保留全局注意力，并替换为 Qwen Sparse Attention，其轻量索引器按 micro-block 而不是单个 token 打分。在 1M token 下，QSA 内核预填充最高快 7.6 倍、解码最高快 4.9 倍。
- Gated Residual。 残差流被拆成四条动态门控分支，阿里称这改善了跨层信息流动与训练稳定性；残差状态可用 FP8 存储。
- N-gram Embedding。 一张 51B 参数的查表，以短局部上下文为键，几乎不增加每 token 计算就扩充了容量，可放在主机内存并异步预取。
- Muon 优化器，并重新拟合了 Scaling Law，允许更大的学习率与批量，因此取消了批量大小预热。
基准测试
阿里自报（2026 年 8 月 26 日），纯文本表格。各行评测框架不同（Claude Code 或 mini-SWE-agent；DeepSWE 报告较高者）。
| 基准 | Flash-Next（激活 6B） | Qwen3.8-27B | Qwen3.7-Plus | DeepSeek V4-Flash-0731 | Claude Opus 4.6（Max） |
|---|---|---|---|---|---|
| SWE-bench Pro | 62.5 | 61.7 | 55.8 | 56.0 | 53.4 |
| DeepSWE v1.1 | 58.7 | 42.2 | 16.5 | 54.4 | — |
| SWE-bench Multilingual | 81.0 | 73.8 | 75.8 | — | 77.5 |
| NL2Repo-Bench | 48.1 | 42.3 | 41.1 | 54.2 | 47.6 |
| CoWorkBench | 73.9 | 70.7 | 65.1 | 45.1 | 68.2 |
| JobBench | 55.7 | 33.4 | 27.6 | 41.3 | 36.6 |
| Toolathlon Verified | 73.5 | 67.1 | 50.6 | 70.3 | — |
| IFBench | 81.3 | 79.5 | 79.1 | 79.2 | 62.5 |
| GPQA Diamond | 91.7 | 89.2 | 90.3 | 90.8 | 91.3 |
| HLE | 35.9 | 30.8 | 34.7 | 33.8 | 40.0 |
| LiveCodeBench v6 | 91.9 | 90.3 | 89.6 | 90.6 | 88.8 |
多模态方面，阿里报告 AndroidWorld 84.5、OSWorld 2.0 为 19.4（binary）/ 52.3（partial）、Vision2Web 64.0、RealWorldQA 88.5、LVBench 76.6。
定价
| 每 1M token | 国际站 | 中国大陆 |
|---|---|---|
| 输入 | $0.15 | ¥0.8 |
| 输出 | $0.47 | ¥2.7 |
开放权重本身可按 Qwen 社区许可证免费下载。阿里云价格页对全球区域与批量调用另有折扣。
规格
| 规格 | 数值 |
|---|---|
| 参数 | 125B 主参数 + 51B N-gram Embedding；每 token 激活 6B |
| 架构 | MoE，GDN + Qwen Sparse Attention，Gated Residual，N-gram Embedding，MTP |
| 上下文窗口 | 原生 262,144；YaRN 最长 1M（托管版 qwen3.8-flash：1M） |
| 模态 | 文本、图像、视频输入；文本输出 |
| API 模型 | qwen3.8-flash（推理强度 xhigh / medium / low） |
| 权重 | Hugging Face 与 ModelScope 上的 Qwen/Qwen3.8-Flash-Next 及 FP8 版本 |
| 许可证 | Qwen 社区许可证 1.0 |
对比
- 对比 Qwen3.8-Max： Max 是 2.4T 的旗舰；Flash-Next 是便宜、高效的架构预览。
- 对比 GLM-5.3-Flash： 激活更小（6B）、价格相近；GLM-5.3-Flash 在 DeepSWE v1.1 上报告 63.4，对 Qwen 的 58.7（评测框架不同），且为 MIT 许可。
- 对比 DeepSeek V4.1-Flash： DeepSeek 新发布的 552B 模型大得多，DeepSWE v1.1 得分更高（74.2）；Flash-Next 是更轻量的架构路线。
- 对比 Qwen3.8-Omni-Flash： Omni-Flash 增加了音频，侧重音视频智能体。
局限
- 预览性质。 阿里说 Qwen4 家族还在后面。
- 基线较旧。 表格对比的是 Claude Opus 4.6、Qwen3.7-Plus 与 DeepSeek V4-Flash-0731，不是最新的前沿模型。
- 厂商自报，各行评测框架不同。
- 社区许可证而非标准开源许可证。
更大的版图请见 2026 LLM 指南。
适用场景
- 高并发、低成本的编码与办公智能体
- 长上下文的工具驱动工作流
- 移动端与电脑操作的多模态智能体（AndroidWorld 84.5）
- 研究 Qwen4 架构及其稀疏注意力
优缺点
优势
- 每 token 仅激活 6B 参数，却在阿里的表格里取得 SWE-bench Pro 62.5、DeepSWE v1.1 58.7——领先 Qwen3.8-27B 与激活 13B 的 DeepSeek V4-Flash-0731
- Qwen4 架构的预览——Gated DeltaNet 加 Qwen Sparse Attention、四分支 Gated Residual，以及存放在主机内存里的 51B N-gram Embedding
- 训练成本约为 Qwen3.7-Plus 的 1/9；1M 上下文、前缀缓存命中 90% 时预填充吞吐是后者的 8.6 倍
- 开放权重已发布在 Hugging Face 与 ModelScope，另有 FP8 版本，生产 API 每百万 token $0.15 / $0.47，可接入 Claude Code、Codex 与 Qwen Code
局限
- 这是架构预览——阿里说完整的 Qwen4 家族还在后面，所以应视为研究与效率类发布，而非旗舰
- Qwen 社区许可证不是 MIT 或 Apache——商用前请先阅读条款
- 125B 主权重加 51B N-gram 表，自托管仍需多卡服务器（或主机内存卸载）
- 在高难度知识题上落后于前沿——HLE 35.9，Claude Opus 4.6 为 40.0
常见问题
Qwen3.8-Flash-Next 什么时候发布的？
阿里于 2026 年 8 月 26 日在 Hugging Face 与 ModelScope 发布开放权重，技术报告见 GitHub。生产版本在千问 AI 平台（Qwen Cloud）以 `qwen3.8-flash` 提供服务。
Qwen3.8-Flash-Next 与 Qwen3.8-Flash 是一回事吗？
基本是。Flash-Next 是开放权重模型；Qwen3.8-Flash 是默认 1M 上下文、内置官方工具的生产版本。国际站 API 价格为每百万输入 token $0.15、输出 $0.47。
这里的"Next"是什么意思？
与当年 Qwen3-Next 之于 Qwen3.5 一样，它预览下一代将采用的架构。Flash-Next 把 Gated DeltaNet 与 Qwen Sparse Attention（QSA）结合，把残差流扩展为四条门控分支，加入 N-gram Embedding，并用 Muon 优化器训练。
它有多大？
主参数 125B，外加 51B 的 N-gram Embedding 表，每 token 激活 6B。该表采用确定性查表，不计入每 token 的矩阵乘预算，可以放在主机内存里。
它支持多长上下文？
开放权重原生支持 262,144 token，借助 YaRN 最长可达 1,000,000。托管的 qwen3.8-flash 默认即为 1M。