阿里开源Qwen3.8-Flash-Next：6B激活参数的超稀疏MoE预览Qwen4架构

8月26日，阿里通义千问团队在Hugging Face与ModelScope发布并开源多模态MoE模型Qwen3.8-Flash-Next，定位为Qwen4架构的早期预览，并同步发布技术报告与详细性能评测。模型主参数125B、外加约51B N-gram嵌入参数，每token仅激活6B参数，官方与媒体称训练成本降至前代约1/9；vLLM、SGLang与NVIDIA NeMo均已实现Day-0支持。社区转述其基准表现以约一半参数量击败DeepSeek V4 Flash并超越Claude Opus 4.6，编码榜单上拿下ClawEval与多语言SWE-Bench第一，是当日最受关注的开源模型事件，8月27日起量子位、智东西等媒体跟进报道进一步扩散。

已确认

• 官方（@AlibabaQwen、@Qwen）确认模型为多模态MoE架构，主模型总参数125B，每token仅激活6B参数，主打极致性价比（@智东西称价格腰斩、训练成本降至前代1/9）。
• 架构升级包括GDN+QSA混合注意力、GatedResidual多分支残差、N-gram Embedding扩展容量（额外约51B N-gram嵌入参数）；@智东西提到引入Qwen Sparse Attention；@量子位称51B的N-gram Embedding受DeepSeek Engram启发；社区技术帖（@ying11231转述）给出更多细节：36层Gated DeltaNet加12层Qwen Sparse Attention的组合，并称显存占用降低23.5GB。
• 模型支持image-text-to-text图文多模态输入，兼容safetensors格式与API，Hugging Face上提供FP8版本开源；@量子位确认全部权重已开放。
• 上下文与定价：@AlibabaQwen宣布Qwen3.8-Flash已在QwenCloud上线，原生支持26.2万token上下文并可扩展至100万token。国内API定价方面，@AlchainHust称每百万token输入0.8元、输出2.7元、缓存命中0.1元，全程一口价无峰谷阶梯，并称缓存命中价为全球最低；@MaziyarPanahi补充海外口径为输入每百万token 0.15美元、输出0.47美元、缓存命中仅0.016美元，适合处理长文档和代码库。
• 推理与微调生态实现Day-0支持：vLLM宣布支持该模型（@AlibabaQwen转述）；阿里官方确认可通过SGLang进行Day-0部署；NVIDIA（@NVIDIAAI）宣布首发日支持，开发者可使用NeMo AutoModel和NeMo RL进行领域特定微调，并通过SGLang、vLLM等部署。
• @jiqizhixin确认模型已在Hugging Face与ModelScope上线，并发布了技术报告与详细性能评测。
• 评测方面：@qinzytech转述称该模型在Agents' Last Exam评测中得分51.2、Pass@1达24.3%；@elemental-mind称其参数量约为DeepSeek V4 Flash的一半但性能更强，并超越Opus 4.6；@SimplyAnnisa称9项对比基准中胜出8项；@kimmonismus转述其击败Claude Opus；@jyangballin转述的编码基准成绩显示其在ClawEval和多语言SWE-Bench上排名第一、DeepSWE排名第二、SWE-Bench Pro位列第三。8月28日@bindureddy进一步称其性能超越GLM 5.3 Flash和DeepSeek Flash、开放权重且定价极具竞争力，并认为这是"智能廉价化"趋势的体现；其引用的输入价为0.16美元，与@MaziyarPanahi的0.15美元口径略有出入。
• @sammcj开设集中讨论区，主题涵盖量化版本、微调与反微调、聊天模板、推理服务器支持配置及模型对比。

尚未确认

• @ariG23498称模型参数量为180B，与官方125B总参数+51B N-gram嵌入口径不一致，可能是两者合计的另一种统计方式，以官方口径为准。
• "6B激活参数击败Claude Opus/DeepSeek V4 Flash/GLM 5.3 Flash"等结论及各项榜单排名均来自社区转述，具体测试条件需以官方技术报告与完整榜单为准；36层/12层结构与23.5GB显存节省等架构细节亦来自社区转述帖，未经官方技术报告逐条核对。@AlchainHust关于"缓存命中价全球最低"、@bindureddy关于"目前市场上最好的Flash模型"的对比表述也属作者个人评价。

为什么重要

• 作为Qwen4架构的首次预览，其极稀疏MoE设计（6B/125B激活比）与GDN+QSA、GatedResidual、N-gram Embedding等新架构代表了阿里下一代模型的技术方向；其中N-gram Embedding对DeepSeek Engram思路的借鉴也反映出开源社区架构创新的接力。
• 极低激活参数带来大幅成本下降（国内每百万token输出2.7元一口价、缓存命中0.1元，海外输入0.15美元、缓存命中低至0.016美元、可扩展至100万上下文），若基准表现（含编码与Agent评测榜单）得到验证，将对闭源高端模型（如Claude Opus）及同级Flash模型的性价比构成直接挑战；全部权重开放及vLLM、SGLang、NVIDIA NeMo的快速支持也显著降低了部署与微调门槛。

2026-08-26 ~ 2026-08-28 · 25 条相关

事件全程(共 6 集)→

• 第 1 集:阿里官宣 Qwen3.8-Flash-Next 开源，预览 Qwen4 架构(2026-08-25,13 条)
• 第 2 集:阿里开源Qwen3.8-Flash-Next：6B激活参数的超稀疏MoE预览Qwen4架构(2026-08-26,25 条)
• 第 3 集:Qwen3.8 Flash 登顶 SWE-bench Pro，成本仅竞品九分之一(2026-08-26,2 条)
• 第 4 集:Qwen3.8-Flash 支持 75GB 内存本地运行并推量化版(2026-08-26,2 条)
• 第 5 集:Qwen3.8-Flash-Next FP8 量化模型在 Hugging Face 发布(2026-08-27,2 条)
• 第 6 集:Qwen 3.8-Next 发布，技术报告详解架构与预训练(2026-08-27,2 条)

• Qwen 3.8 Flash Next 模型发布日，量化和微调讨论开启 — sammcj · 2026-08-26
• 【源头】阿里发布 Qwen3.8-Flash 预览版，架构升级成本大降 — Alibaba_Qwen · 2026-08-26
• 阿里千问发布 Qwen3.8-Flash：每Token激活6B，成本降9倍 — 千问大模型 · 2026-08-26
• Qwen 3.8 Flash-Next 发布：6B 激活参数击败 Claude Opus — kimmonismus · 2026-08-26
• 阿里通义 Qwen3.8-Flash-Next 模型发布 — ariG23498 · 2026-08-26
• 【源头】阿里 Qwen 发布多模态模型 Qwen3.8-Flash-Next — Qwen · 2026-08-26
• Qwen3.8-Flash-Next 架构解构：125B 参数与稀疏 MoE — Alibaba_Qwen · 2026-08-26
• 阿里发布 Qwen3.8-Flash：性价比惊人，规格暗示 Qwen4 架构 — jiqizhixin · 2026-08-26
• Qwen 3.8 Flash Next 发布：半参击败 DS V4 — elemental-mind · 2026-08-26
• 阿里 Qwen3.8 搭配 51B N-gram 嵌入，现已支持 SGLang 部署 — Alibaba_Qwen · 2026-08-26
• 阿里开源 Qwen3.8-Flash-Next：架构重构，成本降九成 — AI寒武纪 · 2026-08-26
• 阿里Qwen3.8-Flash-Next发布：每Token仅激活6B参数，价格腰斩 — 智东西 · 2026-08-27
• Qwen3.8-Flash-Next发布，主打极致成本效益 — petrusenko_max · 2026-08-27
• Qwen3.8-Flash-Next 技术解构：GDN+QSA 混合注意力，显存占用降低 23.5GB — ying11231 · 2026-08-27
• Qwen3.8-Flash-Next 评测创新高，小参数模型表现强 — qinzytech · 2026-08-27
• 阿里开源 Qwen3.8-Flash-Next：架构借鉴 DeepSeek — 量子位 · 2026-08-27
• NVIDIA 首发 Qwen3.8-Flash-Next，NeMo 支持微调 — Alibaba_Qwen · 2026-08-27
• NVIDIA NeMo 宣布首发支持通义 Qwen 微调 — NVIDIAAI · 2026-08-27
• Qwen3.8-Flash-Next 发布，登顶 ClawEval 与多语言 SWE-Bench — jyangballin · 2026-08-27
• 【源头】Qwen3.8-Flash 上线：百万上下文，输入每百万仅需 0.15 美元 — Alibaba_Qwen · 2026-08-27
• Qwen3.8-Flash 缓存命中仅 $0.016/百万 tokens — MaziyarPanahi · 2026-08-27
• Qwen3.8-Flash杀价：输出2.7元一口价，缓存命中全球最低 — AlchainHust · 2026-08-27
• 通义 Qwen Flash 性能超越 DeepSeek 与 GLM 5.3 — bindureddy · 2026-08-28

另有 2 条近重复转述:SimplyAnnisa · bindureddy