专题 · FULL STORY

Qwen3.8-Flash-Next开源：Qwen4架构预览

阿里通义千问于8月末开源多模态MoE模型Qwen3.8-Flash-Next，总参数125B、激活仅6B，被视为Qwen4架构预览。从官宣、技术报告到FP8量化、社区去审查版与本地部署实测，成本宣称降低20倍，SWE-bench Pro成绩引发热议。

2026-08-25 ~ 2026-08-30 · 7 集 · 57 条

第 1 集 · 阿里官宣 Qwen3.8-Flash-Next 开源，预览 Qwen4 架构(2026-08-25,13 条)

8 月 25 日，阿里通义千问团队通过 ModelScope 官方渠道宣布下一代架构 Qwen4 已就绪，并在 Hugging Face 上线 Qwen/Qwen3.8-Flash-Next 发布预告页，确认该模型于 8 月 26 日正式开源。页面将其定位为「Qwen4 架构的预览」，引发社区高度关注，等待发布通知的人数从发布前的 45 人（@NielsRogge 8 月 25 日观察）增长到 8 月 26 日的 515 人（@victormustar 观察）。

已确认

  • 官方宣布 Qwen3.8-Flash-Next 于 8 月 26 日开源发布，预告页标注时间为 2026 年 8 月 26 日
  • 模型为开放权重的多模态混合专家（MoE）设计
  • 总参数量 1250 亿，其中包含 510 亿 N-gram 参数，每个 Token 仅激活 60 亿参数
  • 模型基于将支撑即将到来的 Qwen4 系列的下一代架构构建
  • 8 月 26 日 @alexcovoeth 转述称 Qwen3.8-120B/51B/A6B MoE 系列将在 24 小时内发布
  • @TheZachMueller 转述称 Qwen3.8 Flash 针对单台 DGX Spark 优化，可用 NVFP4 精度运行

尚未确认

  • @alexcovoeth 转述的「Qwen3.8-120B/51B/A6B 系列 24 小时内发布」是否意味着同系列其他模型一并发布，尚无官方确认
  • 510 亿 N-gram 查表参数的具体作用，@teortaxesTex 帖中评论者 superelesha 的分析仍有待发布后实测验证
  • @TheZachMueller 提到的 DGX Spark 部署信息来自第三方转述，具体支持精度与配置待官方证实

为什么重要

  • 按 @calabiandyau 的说法，此举相当于让开发者提前试用 Qwen4 家族的架构改进，是 Qwen 系列的又一次重大更新
  • @rohanpaulai 指出，大总参数量配合低激活参数量的设计旨在实现高性能推理效率，若表现达标，可能成为高性价比开源模型的新选项
  • 510 亿 N-gram 查表/嵌入参数是此前主流开源模型中少见的配置，@zephyrz9 等社区成员关注这一架构细节
  • 若单台 DGX Spark 即可运行的传闻属实，将进一步降低本地部署门槛

第 2 集 · 阿里开源Qwen3.8-Flash-Next：Qwen4架构预览，6B激活参数引热议(2026-08-26,26 条)

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。

还有 6 条相关讨论 →

第 3 集 · Qwen3.8-Flash发布并支持本地部署，SWE-bench Pro反超Claude(2026-08-26,5 条)

阿里千问发布了基于全新 Next 架构的开放权重多模态 MoE 模型 Qwen3.8-Flash（后续通称 Qwen3.8-Flash-Next），被普遍视为 Qwen4 系列的雏形。Unsloth 随即宣布支持本地运行：125B 参数模型仅需 75GB 内存，并发布 1bit 至 4bit 的 GGUF 量化版本，建议用 llama.cpp 部署。多方实测与转述显示其在 SWE-bench Pro 上得 62.5 分，超过 Claude Opus 4.6 Max 的 53.4，推理成本据称仅约对手的 1/9，引发社区高度关注。已确认 - Qwen3.8-Flash-Next 为 125B 总参数的多模态 MoE 模型，每 token 仅激活约 6B 参数 - @AGI Hunt 转述其外挂 51B N-gram Embedding - Unsloth 提供本地运行方案（75GB 内存）及 1-4bit GGUF 量化版，推荐 llama.cpp 推理（@MaziyarPanahi 亦转述 GGUF 发布） - @Hesamation 实测 SWE-bench Pro 得 62.5 分，对比 Claude Opus 4.6 Max 的 53.4尚未确认 - 跑分与「成本 1/9」均来自发布方与社区转述（@eyishazyer 等），暂无独立复核 - @Hesamation 称该模型预览 Qwen4 架构，Qwen4 正式版细节未知为什么重要 - 开放权重模型在真实工程基准上宣称超越顶级闭源模型，且推理成本大幅更低 - 低激活 MoE 加极限量化使 125B 级模型可在消费级/工作站硬件本地部署，显著降低使用门槛

第 4 集 · Qwen3.8-Flash-Next FP8 量化模型在 Hugging Face 发布(2026-08-27,2 条)

阿里通义团队与社区（unsloth）相继在 Hugging Face 发布 Qwen3.8-Flash-Next-FP8 模型。该模型基于 Qwen3.8-Flash-Next 进行 FP8 量化，在保持能力的同时降低资源消耗，为开发者提供了更易部署的量化版本选择。

第 5 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-Next 模型正式发布，并附带一份内容充实的技术报告，包含大量架构设计与预训练实验结果。报告显示其架构采用 3 个 GDN 层搭配 1 个 QSA 层的混合注意力设计；有分析预测，全局注意力与线性/稀疏注意力混合将成为大型开源模型的主流架构，而小型模型则可能延续 Flash 风格设计。

第 6 集 · Qwen3.8-Flash-Next 去审查化权重及 GGUF 版发布(2026-08-27,2 条)

OrcaRouter 发布了 Qwen3.8-Flash-Next-Uncensored 模型权重，定位面向安全研究与红蓝队场景，支持 262K 上下文，提供原生 MLX 与 GGUF 两种格式，便于本地运行。随后 Hugging Face 上也出现了该去审查化模型的 GGUF 版本，进一步降低了本地部署门槛，引发社区关注。

第 7 集 · 阿里开源 Qwen3.8-Flash：125B MoE 仅激活 6B，成本降 20 倍(2026-08-28,7 条)

阿里 Qwen 团队于 8 月 28 日发布并开源 Qwen3.8-Flash，这是 Qwen3.8 系列中继 Max 和 27B 之后的第三个版本。模型采用新一代 MoE 架构，总参数 125B 但每个 token 仅激活约 6B，推理成本较 Qwen3.8 Max 降低约 20 倍，发布即登顶 Hugging Face 相关榜单，被视为开源小激活模型对商业巨头闭源模型的有力挑战。

已确认

  • 规格：125B 总参数 / 约 6B 激活参数，原生支持 262k 上下文、可扩展至 1M token，并具备多模态能力；已上线 OpenCode Go，面向编码场景开箱即用，模型开源且免费。
  • 成本：推理输入价格 0.16 美元/百万 token，训练成本较上一代降低近 90%；@VraserX 称其训练成本仅约为 Qwen3.7-Plus 的九分之一，并认为「创建智能的成本被大幅削减」这一趋势被普遍低估。
  • 性能：@大模型之路 转述称其在编程、办公等核心任务上超越 Claude Opus 4.6；量子位称 4090 显卡即可跑 1M 长上下文，并以「卷死 DeepSeek」形容其竞争力。
  • 架构：据 @rsasaki0109 转发帖信息，模型整合了 N-gram Embedding 与稀疏注意力等多项近年新技术（该细节来自转发渠道，原始出处待核）。

为什么重要

  • 极低的激活参数量配合 1M 上下文，大幅降低部署门槛与推理成本，让消费级硬件也能运行长上下文多模态模型。
  • Two Minute Papers 等海外频道关注其「免费匹敌数十亿美元级模型」的性价比叙事，反映出开源阵营对闭源商业模型定价压力的持续加大。