阿里发布Qwen3.8-Flash-Next开源权重：125B参数MoE模型，训练成本约为Qwen3.7-Plus的1/9
Qwen团队发布Qwen3.8-Flash-Next开源权重，作为Qwen4架构的先导预览。模型总参数量125B，每token激活6B，原生支持262,144 token上下文，在千问AI平台以Qwen3.8-Flash名称提供API服务，输入每百万Tokens 0.8元。
AI解读：Qwen团队此次提前发布Qwen3.8-Flash-Next的开源权重，目的是让社区在Qwen4完整模型家族构建前检验其结构改动。模型在注意力、残差、嵌入和优化四个方向做了升级，引入了QSA稀疏注意力、Gated Residual、N-gram Embedding等新机制，其中N-gram Embedding以51B参数拓展容量但几乎不增加每token计算量。相比Qwen3.7-Plus，训练开销约为其1/9，但官方称在编码和办公任务上能力更强——注意这是Qwen团队自己的基准测试结果，例如在DeepSWE 1.1上得分58.7对比16.5、CoWorkBench上73.9对比65.1。对开发者而言，模型以开放权重和API两种形式提供：开源权重可在Hugging Face和ModelScope下载，生产版本在千问AI平台以qwen3.8-flash名称提供服务，支持262K原生上下文并可扩展到1M token。这一变化意味着高并发应用或工具驱动型工作流可能降低推理成本，但实际效果仍需独立复现。普通用户无需立即行动，因为这是模型发布公告，实际性价比需要看第三方评测和真实场景表现。
Qwen团队于2026年8月发布Qwen3.8-Flash-Next的开源权重，这是一个多模态MoE模型，官方称其作为Qwen4所用模型结构的先导预览，与Qwen3-Next对Qwen3.5系列的角色一致。主模型参数量125B，额外配备51B N-gram Embedding，每token激活6B参数。相比Qwen3.7-Plus，官方称训练开销约为其1/9，但在编码和办公任务上能力更强。模型原生支持262,144 token上下文，并可通过YaRN扩展至1,000,000 token。权重已在Hugging Face与ModelScope发布；千问AI平台以Qwen3.8-Flash名称提供服务，默认1M上下文并内置官方工具，定价为每百万Tokens输入0.8元、输出2.7元。
架构改动与创新点
- Attention：采用GDN + QSA Hybrid架构。Gated DeltaNet（GDN）在每四层中占三层，将历史信息压缩到固定大小状态；另一层保留全局Attention，并引入Qwen Sparse Attention（QSA），通过压缩式轻量Indexer在micro-block粒度筛选重要上下文。官方称在1M token上，QSA的Attention Kernel在Prefill和Decode阶段分别实现最高7.6×和4.9×加速。
- Residual：引入Gated Residual（GR），将Residual Stream扩展为4条并行分支，通过动态Gate控制信息读写。分析显示其中一条branch会自然形成连接第一层Attention和大部分中后层的长距离通道。Residual State支持FP8存储。
- Embedding：引入N-gram Embedding，结合当前token与前几个token的局部上下文查表，额外提供51B参数。这些参数可存放在Host Memory，通过异步Prefetch与模型计算重叠，无需长期占用GPU显存。
- Optimization：采用Muon Optimizer，针对正交化精度、Muon与AdamW的参数分工、融合参数拆分进行优化。Attention、GDN、MoE Expert主要权重使用Muon；Embedding、MoE Router、GR低秩参数使用AdamW。重新拟合了Scaling Law，可稳定使用更大Learning Rate和Batch Size。
- 其他：固定激活专家数量而持续增加专家池参数量；MTP模块以多步方式训练；保留Zero-Centered RMSNorm、注意力输出门控、MoE router初始化归一化。
文本与多模态基准成绩
官方在技术报告中列出了基准测试结果，其中最佳分数的项用粗体标出。所有结果均为Qwen团队自行测试，评测框架与模型版本不同可能影响可比性。
- 纯文本：在DeepSWE 1.1上得分58.7（对比Qwen3.8-27B 42.2、Qwen3.7-Plus 16.5、DeepSeek-V4-Flash-0731 54.4、Claude-Opus-4.6 Max--）；SWE-bench Pro上62.5（对比27B 61.7、3.7-Plus 55.8）；CoWorkBench上73.9（对比3.7-Plus 65.1）；JobBench上55.7（对比3.7-Plus 27.6）；Agents' Last Exam Pass@1 24.3（对比3.7-Plus 13.2）；Toolathlon Verified Pass@1 73.5（对比3.7-Plus 50.6）；IFBench 81.3；GPQA Diamond 91.7；HLE 35.9；LiveCodeBench v6 91.9。注：DeepSWE用Claude Code和mini-SWE-agent评测，报告最高分，Qwen3.8-Flash-Next在mini-SWE-agent上最佳。
- 多模态：ClawEval-MM Pass@3 64.4（对比3.8-27B 57.4、3.7-Plus 57.4、Claude-Opus-4.6 52.5）；RecreationBench 49.9（对比3.7-Plus 30.2）；AndroidWorld 84.5（对比3.7-Plus 81.0）；OSWorld 2.0 Binary 19.4 Partial 52.3；Vision2Web 64.0（对比3.7-Plus 42.1）。注：ClawEval-MM分数格式为pass@3/平均分；OSWorld 2.0分数格式为binary/partial。
- Base模型：在6B激活参数下，Qwen3.8-Flash-Next-Base在14个benchmark中的8个上取得最优成绩，包括MMLU-Pro 73.23、SuperGPQA 51.36、BBH 90.87、GSM8K 93.29、EvalPlus 78.76、SWEBench-Pretrain 50.99、MGSM 89.33、MMMLU 84.86。MMLU 90.36、MMLU-Redux 90.68、GPQA 51.42、MATH 72.78与MultiPL-E 79.09与Qwen3.7-Plus-Base接近（后者MMLU 90.43略有优势）。注：51B N-gram embedding是确定性寻址，不进入每token矩阵乘预算。
API与工具集成信息
- 千问AI平台：模型以qwen3.8-flash名称提供，支持OpenAI兼容的Chat Completions和Responses API，以及Anthropic兼容接口。支持推理等级xhigh、medium、low，可启用thinking模式。
- 集成工具：千问办公已接入Qwen3.8-Flash-Next驱动其“标准”模式；Claude Code可通过配置ANTHROPIC_MODEL环境变量使用；Codex通过model-catalog.json和config.toml配置；Qwen Code和OpenClaw也已支持。