AI 快讯 | 阿里开源 Qwen3.8-Flash-Next：6B 激活即可对打闭源旗舰，Qwen4 架构提前预览

文档资源
, , , ,
1

:fire: 阿里 Qwen 团队 8 月 26 日开源 Qwen3.8-Flash-Next：125B 总参数、每个 Token 仅激活 6B，以约 1/9 的 Qwen3.7-Plus 训练成本跑赢上一代多项基准，是下一代 Qwen4 架构的公开预览。

benchmark
benchmark1536×1024 156 KB

这是千问首次把「下一代的架构」提前拿出来给社区玩——不是发布一个新旗舰，而是把 Qwen4 的技术路线做了一次可落地的预演。

关键细节

  1. 架构换新，省到极致：Gated DeltaNet + Qwen 稀疏注意力（QSA，微块级选择替代逐 token 选择，大幅降低长上下文延迟）、Gated Residual 残差门控、N-gram Embedding（新增 51B 参数仅用于索引，低成本扩展参数量）、Muon 优化器 + 精简训练配方（省去 batch-size warmup）。一句话：用更少的钱，跑出更高的分。

  2. 训练成本约为 Qwen3.7-Plus 的 1/9，能力反而全面反超：编码、办公 agent 任务均反超上一代，生产版 Qwen3.8-Flash 即将上线 QwenCloud API。

  3. 超长上下文：原生 262K 上下文，经 YaRN 可扩展到 1M；这是首个采用该架构的开源权重发布。

参数 / 性能对比

项 Qwen3.8-Flash-Next Qwen3.8-27B Qwen3.7-Plus DeepSeek-V4-Flash-0731 Claude-Opus-4.6(Max)
总参数 125B(+51B n-gram+4B MTP) 27B 397B 284B 未公开
激活参数/Token 6B 27B 17B 13B —
DeepSWE 1.1（编码） 58.7 42.2 16.5 54.4 —
SWE-bench Pro 62.5 61.7 55.8 56.0 53.4
SWE-bench 多语言 81.0 73.8 75.8 — 77.5
CoWorkBench（办公 agent） 73.9 70.7 65.1 45.1 68.2
JobBench 55.7 33.4 27.6 41.3 36.6
AndroidWorld（多模态） 84.5 81.9 81.0 — 62.0
MathVision (with CI) 95.7 94.6 88.7 — 65.5
RealWorldQA 88.5 85.9 86.9 — 73.9
HLE（推理） 35.9 30.8 34.7 33.8 40.0

（加粗为该行最佳；数据来自官方 model card，Claude 用官方公布值）

价格对比

模型 输入 /M token 输出 /M token
Qwen3.8-Flash（生产版，即将上线） $0.16 $0.47
Qwen3.8-Max（旗舰，已上线） $2.00 $6.00

Qwen3.8-Flash 价格约为旗舰 Qwen3.8-Max 的 1/12（输入）/ 1/13（输出），主打极致成本效率。横向看，它与同月智谱 GLM-5.3-Flash（$0.15/$0.50，9/9 前半价 $0.075/$0.25）构成国产 Flash 级模型的正面对垒——两家都在把「1M 上下文 + 多模态 + 低价开源」往下沉。

影响评估

国内开源模型在「成本效率」维度再下一城：6B 激活即可对打海外闭源旗舰，1M 上下文 + 多模态 + 极低价格的组合，将显著降低自主部署与 API 调用成本，加速开源生态在 agent、办公、长文档场景的落地。Qwen4 架构提前定调，QSA 稀疏注意力有望成为下一代长上下文模型的标配。

来源