Spesifikasi Teknikal Qwen3.8-Flash-Next
| Spesifikasi | Qwen3.8-Flash-Next |
|---|---|
| Pembangun | Pasukan Qwen, Kumpulan Alibaba |
| Jenis model | Model bahasa kausal multimodal dengan penyandi penglihatan; MoE ultra-jarang |
| Parameter model utama | 125B |
| Parameter diaktifkan | 6B setiap token |
| Parameter pembenaman N-gram | 51B tambahan |
| Parameter MTP | 4B |
| Lapisan | 48 |
| Corak perhatian hibrid | 12 x [3 lapisan DeltaNet berpagar + 1 lapisan Qwen Sparse Attention] |
| Pakar MoE | 512 keseluruhan; 10 dirutekan + 1 dikongsi setiap token |
| Residu berpagar | 4 cabang; pangkat bottleneck 320 |
| Tetingkap konteks asli | 262,144 token |
| Konteks diperluas | Sehingga 1,000,000 token dengan YaRN |
| Modaliti | Teks, imej, input video; output teks |
| Kawalan pemikiran | Pemikiran/tanpa pemikiran serta kawalan usaha penaakulan dalam API yang disokong |
| Penggelaran | Transformers, vLLM, SGLang, TokenSpeed dan rangka kerja lain yang disokong |
| Berat model terbuka | Ya |
| ID model CometAPI | qwen3.8-flash-next |
Apakah Qwen3.8-Flash-Next?
Qwen3.8-Flash-Next ialah model MoE multimodal dengan berat terbuka yang akan datang daripada pasukan Qwen Alibaba. Yang lebih penting, ia diposisikan sebagai pratonton awal bagi seni bina yang dimaksudkan untuk memacu keluarga model Qwen4 pada masa hadapan, dan bukannya sekadar satu lagi titik semak Qwen3.8 yang bertambah.
Qwen menggunakan keluaran ini untuk memperlihatkan arah seni bina generasi seterusnya kepada ekosistem sumber terbuka sebelum keluarga Qwen4 yang lebih luas tiba. Ini memberi pembangun enjin inferens, projek pengkuantuman, rangka kerja penyajian model, dan pembangun aplikasi peluang untuk bersiap awal menghadapi perubahan seni bina.
Seni bina yang didedahkan buat masa ini memperkenalkan dua komponen penting: sebuah senibina hibrid berasaskan GDN dan Qwen Sparse Attention (QSA). GDN merujuk kepada pendekatan perhatian linear gaya DeltaNet berpagar yang mengikuti arah perhatian hibrid yang telah diteroka sebelum ini dalam Qwen3-Next. QSA diketengahkan sebagai mekanisme perhatian jarang baharu, walaupun spesifikasi teknikal lengkapnya belum didokumenkan secara umum.
Ciri Utama Qwen3.8-Flash-Next
- Pratonton seni bina Qwen4: Qwen3.8-Flash-Next secara jelas diposisikan sebagai pelaksanaan awal bagi arah seni bina yang akan memacu keluarga Qwen4 yang akan datang.
- Reka bentuk MoE multimodal: Model ini digambarkan sebagai model Mixture-of-Experts (MoE) multimodal, memperluas strategi model jarang yang cekap milik Qwen ke arah generasi baharu seni bina.
- Senibina hibrid GDN: Model ini meneruskan arah penyelidikan perhatian hibrid yang diperkenalkan dengan Qwen3-Next, menggabungkan mekanisme perhatian linear yang cekap dengan perhatian konvensional di mana pengambilan yang tepat adalah penting. Qwen3-Next menunjukkan bahawa pendekatan ini boleh meningkatkan kecekapan inferens konteks panjang dengan ketara.
- Qwen Sparse Attention: QSA ialah salah satu daripada dua perubahan seni bina yang dihebahkan secara umum untuk Flash-Next. Pelaksanaan terperinci dan manfaat kuantitatifnya masih menunggu untuk didokumenkan oleh Qwen.
- Orientasi ekosistem berat model terbuka: Keluaran ini bertujuan memberi komuniti sumber terbuka akses awal kepada perubahan seni bina supaya runtime dan peralatan hiliran boleh menyesuaikan diri sebelum Qwen4 tiba.
- Prestasi Pengkodan dan Agen bagi Qwen3.8-Flash-Next
| Penanda aras | Qwen3.8-Flash-Next | Qwen3.8-27B | Qwen3.7-Plus | DeepSeek V4 Flash | Claude Opus 4.6 |
|---|---|---|---|---|---|
| DeepSWE 1.1 | 58.7 | 42.2 | 16.5 | 54.4 | -- |
| SWE-bench Pro | 62.5 | 61.7 | 55.8 | 56.0 | 53.4 |
| 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 |
Qwen3.8-Flash-Next vs Qwen3.8-Max vs Qwen3.8-27B
| Model | Pemposisian | Seni bina / Skala | Multimodal | Status semasa |
|---|---|---|---|---|
| Qwen3.8-Flash-Next | Pratonton seni bina Qwen4 / model terbuka berorientasikan kecekapan | MoE multimodal; spesifikasi lengkap belum tersedia | Ya | Akan datang |
| Qwen3.8-Max | Model Qwen3.8 dihoskan bertaraf perdana | MoE berskala besar | Ya | Tersedia |
| Qwen3.8-27B | Model Qwen3.8 dengan berat terbuka | model padat 27B | Keupayaan khusus model | Tersedia |
Qwen3.8-Max sudah tersedia melalui ekosistem awan Alibaba dan diposisikan untuk penaakulan lanjutan, pemahaman visual, pengkodan, dan beban kerja beragen. Dokumentasi semasa Qwen menyenaraikan Qwen3.8-Max dengan tetingkap konteks 1M-token, manakala CometAPI sudah mendedahkan qwen3.8-max.
Oleh itu, Flash-Next harus dilihat secara berbeza: kepentingan utamanya pada tahap ini adalah dari segi seni bina dan bukannya berdasarkan penanda aras. Ia mempratonton arah teknikal Qwen4 dan memberikan ekosistem sumber terbuka sasaran lebih awal untuk pengoptimuman runtime dan penggelaran.