Jawapan dahulu: Qwen4 bukan lagi sekadar nama spekulatif. Qwen kini menyifatkan Qwen3.8-Flash-Next sebagai model MoE multimodal dan pratonton eksperimen bagi seni bina yang akan menjadi tunjang Qwen4. Ini mengesahkan hala tuju seni bina yang mengutamakan kecekapan, namun ia tidak membentuk pelancaran produk Qwen4. Barisan model akhir, skala parameter, kad skor penanda aras, pengenal pasti API, lesen, harga, dan jadual keluaran masih belum didedahkan.
Apakah Qwen4?
Qwen4 ialah seni bina Qwen utama seterusnya yang kini diakui oleh pasukan Qwen, walaupun tiada model atau keluarga produk Qwen4 berdiri sendiri telah dilancarkan. Bahan rasmi Qwen3.8-Flash-Next menyebutnya sebagai pratonton seni bina eksperimen untuk Qwen4. Mereka tidak mendedahkan kiraan parameter akhir, barisan produk, kad skor penanda aras, harga, pengenal pasti API, lesen, atau tarikh keluaran. Nilai tepat yang tidak dapat dirujuk kepada Qwen atau Alibaba Cloud masih perlu dianggap tidak disahkan.
Cara paling berguna untuk membincangkan Qwen4 masih dengan memisahkan tiga lapisan bukti. Maklumat yang disahkan kini merangkumi model Qwen semasa, dokumentasi yang diterbitkan, dan pratonton seni bina Qwen3.8-Flash-Next. Arah yang dijangka ialah inferens yang berasaskan isyarat-isyarat tersebut. Yang tidak diketahui ialah butiran produk akhir yang tidak boleh diisi secara bertanggungjawab dengan anggaran. Perbezaan ini penting kerana pratonton mengesahkan niat seni bina tanpa mentakrifkan keluarga Qwen4 pengeluaran.
| Tahap bukti | Cara ia harus digunakan | Contoh dalam artikel ini |
|---|---|---|
| Disahkan | Nyatakan sebagai fakta dengan pautan rasmi langsung | Pratonton seni bina Qwen3.8-Flash-Next; skala dan garis dasar penanda aras Qwen3.8-Max |
| Dijangka | Guna bahasa berhati-hati dan jelaskan inferens | Bagaimana seni bina pratonton boleh diskalakan ke model Qwen4 akhir |
| Tidak diketahui | Jangan cipta nilai atau komitmen keluaran | Barisan model akhir, parameter, kad skor, harga, lesen, dan ID API |
Mengapa Qwen4 Adalah Langkah Logik Seterusnya
Generasi Qwen3 mewujudkan pendekatan hibrid kepada penaakulan. Pengenalan rasminya menerangkan mod thinking dan non-thinking yang membolehkan pembangun menukar kelajuan respons dengan penelitian yang lebih mendalam. Generasi yang sama juga mengembangkan sokongan berbilang bahasa dan mengukuhkan penggunaan alat, termasuk aliran kerja agen berorientasikan MCP.
Pelan hala tuju Qwen kemudiannya menghala ke arah penskalakan data, pemanjangan konteks, peluasan modaliti, dan RL maklum balas persekitaran. Pelan hala tuju itu lebih penting daripada ramalan keluaran berasaskan khabar angin: ia membingkaikan generasi seterusnya sebagai peralihan daripada melatih model kepada melatih agen yang boleh berinteraksi dengan persekitaran dan menyiapkan kerja jangka panjang.
Rangkaian Qwen3.8 kini menyediakan dua garis dasar yang berbeza. Qwen3.8-Max kekal sebagai garis dasar keupayaan utama semasa, dengan sistem MoE 2.4 trilion parameter yang dihoskan untuk pengkodan, kerja pejabat, kefahaman visual, dokumen panjang, video panjang, dan perancangan autonomi. Qwen3.8-Flash-Next memainkan peranan yang berbeza: Qwen secara jelas meletakkannya sebagai pratonton seni bina untuk Qwen4. Qwen4 pada masa depan mesti menggabungkan keluasan model utama dengan reka bentuk berorientasikan kecekapan daripada pratonton.
Apa Yang Didedahkan Qwen3.8-Flash-Next Tentang Qwen4
Qwen3.8-Flash-Next ialah bukti awam konkrit pertama tentang asas Qwen4. Qwen menyebutnya sebagai keluaran open-weight pertama di bawah seni bina baharu dan mengatakan reka bentuk itu akan menjadi tunjang Qwen4. Pratonton itu oleh itu lebih kukuh daripada inferens pelan hala tuju, namun masih membiarkan skala dan konfigurasi model pengeluaran terbuka.
Model ini ialah model bahasa kausal multimodal dengan pengekod visi. Model bahasanya mengandungi 125B parameter dengan 6B diaktifkan, ditambah 51B parameter pembenaman n-gram dan 4B parameter MTP. Ia mempunyai 48 lapisan, 512 pakar dengan 10 dirutekan dan satu pakar kongsi aktif setiap token, konteks asli 262,144 token, dan sokongan peluasan sehingga 1,000,000 token.
| Isyarat seni bina | Disahkan dalam Qwen3.8-Flash-Next | Apa yang disarankan untuk Qwen4 |
|---|---|---|
| MoE ultra-jarang | Model utama 125B; 6B aktif per token; 512 pakar | Keupayaan per unit compute aktif mungkin menjadi objektif utama |
| Perhatian hibrid | Tiga lapisan Gated DeltaNet bagi setiap lapisan Qwen Sparse Attention | Kependaman konteks panjang dan kecekapan KV-cache mungkin lebih penting daripada saiz tetingkap mentah |
| Gated Residual | Empat cabang residual yang dilebarkan dengan pintu bergantung data | Qwen menguji penskalaan mendalam yang lebih ekspresif dengan overhed terkawal |
| Pembenaman n-gram | 51B parameter pembenaman bigram dan trigram | Kapasiti yang boleh dialih keluar dari memori mungkin melengkapi penskalaan MoE berat komput |
| Multimodaliti asli | Model bahasa kausal dengan pengekod visi | Teks dan visi berkemungkinan asas seni bina, bukan varian tambahan |
| Konteks panjang | 262K asli; boleh dilanjutkan ke 1M | Qwen4 berkemungkinan menekankan agen jangka panjang yang cekap |
Keputusan penanda aras yang dilaporkan vendor untuk pratonton juga menunjukkan mengapa seni bina itu penting. Walaupun hanya mengaktifkan 6B parameter per token, ia memperbaiki garis dasar padat Qwen3.8-27B merentasi penilaian pengkodan, kerja pejabat, penggunaan alat, dan agen multimodal terpilih di bawah. Keputusan ini bukan skor Qwen4; ia adalah bukti bahawa seni bina baharu direka untuk meningkatkan keupayaan per parameter aktif.
| Penanda aras | Qwen3.8-Flash-Next | Qwen3.8-27B |
|---|---|---|
| DeepSWE 1.1 | 58.7 | 42.2 |
| SWE-bench Pro | 62.5 | 61.7 |
| CoWorkBench | 73.9 | 70.7 |
| Toolathlon Verified | 73.5 | 67.1 |
| ClawEval-MM (Pass@3) | 64.4 | 57.4 |
| AndroidWorld | 84.5 | 81.9 |
Tafsiran: Flash-Next menukarkan tiga jangkaan Qwen4 kepada isyarat yang lebih kukuh: pengaktifan ultra-jarang, perhatian hibrid untuk konteks panjang, dan multimodaliti asli. Ia tidak mendedahkan kiraan parameter akhir Qwen4, konfigurasi konteks tepat, peringkat produk, atau masa keluaran.
Spesifikasi Qwen4 yang Dijangka
Memandangkan tiada spesifikasi Qwen4 muktamad, jadual di bawah menggunakan Qwen3.8-Max sebagai garis dasar pengeluaran yang disahkan dan Qwen3.8-Flash-Next sebagai isyarat seni bina yang disahkan. Pratonton meningkatkan keyakinan dalam beberapa arah, tetapi setiap medan Qwen4 akhir kekal sama ada dijangka atau tidak diketahui sehingga Qwen menerbitkan model.
| Spesifikasi | Garis dasar disahkan Qwen3.8-Max | Jangkaan Qwen4 | Keyakinan |
|---|---|---|---|
| Status | Dikeluarkan | Pratonton seni bina disahkan; model belum dilancarkan | Disahkan |
| Seni bina | MoE jarang dengan asas perhatian hibrid | Dijangka dibina atas GDN + QSA Flash-Next, Gated Residual, dan pembenaman n-gram | Tinggi |
| Jumlah parameter | 2.4T | Tidak diketahui; mungkin tidak perlu melebihi 2.4T | Rendah |
| Parameter aktif | Kira-kira 95B per langkah dalam model open-weight | Kemungkinan perutean ultra-jarang; compute aktif tepat tidak diketahui | Sederhana-tinggi |
| Tetingkap konteks | 1,000,000 token | Dioptimumkan untuk konteks panjang; had asli dan lalai akhir tidak diketahui | Tinggi |
| Output maksimum | 131,072 token | Berkemungkinan dikekalkan atau diperluas | Sederhana |
| Input dihoskan | Teks, imej, dan video | Arah multimodal disahkan; sokongan audio tepat tidak diketahui | Tinggi |
| Mod output | Teks | Teks berkemungkinan; output media asli tidak disahkan | Sederhana |
| Penaakulan | Aliran kerja thinking dan inferens pantas | Kawalan thinking berkemungkinan; tingkah laku API akhir tidak diketahui | Sederhana-tinggi |
| Sokongan alat | Panggilan fungsi dan output berstruktur | Pemilihan alat yang lebih kukuh, keadaan terpelihara, dan pemulihan dijangka | Tinggi |
| Wajaran dan lesen | Terdapat checkpoint open-weight utama | Pratonton adalah open-weight; lesen dan checkpoint Qwen4 akhir tidak diketahui | Sederhana |
| ID model API | qwen3.8-max | Tidak tersedia | Disahkan |
Tafsiran: Flash-Next meningkatkan keyakinan dalam perutean MoE ultra-jarang, perhatian hibrid konteks panjang, Gated Residual, pembenaman n-gram, dan multimodaliti asli. Ia tidak membuktikan bahawa model Qwen4 akhir akan menggunakan 125B parameter, mengaktifkan 6B per token, atau dihantar dengan had konteks yang sama.
Seni Bina Apakah yang Dijangka Menjadi Asas Qwen4?
MoE Ultra-jarang Kini Isyarat Terkuat
Persoalan seni bina kini kurang spekulatif. Kad model Qwen3.8-Flash-Next mendokumenkan 125B parameter utama dengan hanya 6B diaktifkan per token, ditambah 51B pembenaman n-gram. Reka bentuk ultra-jarang ini mencadangkan bahawa Qwen4 mungkin mengutamakan jumlah keupayaan tugasan per unit compute aktif dan bukannya menambah kiraan parameter aktif seiring dengan kapasiti tersimpan.
Persoalan penting bukan sama ada Qwen4 mengandungi lebih banyak pakar, tetapi sama ada perutean, akses memori, dan pengkhususan pakar kekal stabil sepanjang tugasan panjang. Pembenaman n-gram Flash-Next juga menunjukkan bahawa Qwen meneroka kapasiti yang lebih murah dikira dan lebih mudah dialih keluar dari memori berbanding penskalaan MoE konvensional.
Perhatian Hibrid Menyasarkan Kecekapan Konteks Panjang
Flash-Next menggantikan gandingan Gated DeltaNet dan perhatian penuh terdahulu dengan Gated DeltaNet dan Qwen Sparse Attention yang beroperasi pada peringkat mikro-blok. 48 lapisannya mengulangi tiga blok Gated DeltaNet diikuti satu blok perhatian jarang. Ini ialah tanda paling jelas bahawa Qwen4 mungkin direka untuk mengurangkan kependaman konteks panjang dan tekanan KV-cache dan bukannya bergantung pada tetingkap perhatian padat yang lebih besar.
Konteks Panjang Patut Menjadi Memori Agen, Bukan Sekadar Prompt Lebih Besar
Tetingkap sejuta token hanya berguna apabila model boleh mendapatkan semula bukti yang betul, mengekalkan matlamat, dan mengelak pengumpulan keadaan yang bercanggah. Oleh itu, Qwen4 patut dinilai berdasarkan bagaimana ia menggunakan konteks panjang merentasi panggilan alat, perubahan fail, hasil perantaraan, dan pemulihan ralat. Panjang konteks mentah kurang bermakna berbanding ketepatan capaian dan penyiapan tugas sepanjang trajektori panjang.
Kawalan Penaakulan Mungkin Menjadi Lebih Butiran
Reka bentuk thinking hibrid Qwen3 sudah membenarkan kelakuan pantas dan teliti. Flash-Next menguatkan isyarat dengan menyokong kawalan enable_thinking, preserve_thinking dan reasoning_effort. Peningkatan Qwen4 yang bermakna boleh memperuntukkan penaakulan secara dinamik dan mengekalkan hanya keadaan yang meningkatkan konsistensi berbilang langkah, mengurangkan kos keseluruhan aliran kerja dan bukannya sekadar menghasilkan penaakulan yang lebih panjang.
Multimodaliti Boleh Bergerak Lebih Hampir kepada Penggunaan Komputer
Multimodaliti kini jangkaan yang lebih kuat kerana kedua-dua perkhidmatan Qwen3.8-Max dihoskan dan pratonton open-weight Flash-Next menyokong input visual. Qwen4 boleh menggabungkan persepsi tersebut dengan tindakan yang lebih boleh dipercayai: memahami tangkapan skrin, memilih kawalan UI, menyemak hasil, dan membetulkan pelan. Audio asli, penjanaan imej, output pertuturan, dan penjanaan video masih belum disahkan.
Ciri Qwen4 yang Dijangka
- Agen jangka panjang yang lebih boleh dipercayai. Kadar kegagalan panggilan alat lebih rendah, pengekalan matlamat yang lebih kukuh, pemulihan yang lebih baik, dan hasil yang lebih konsisten selepas ratusan tindakan.
- Kejuruteraan perisian berskala repositori. Perancangan bertambah baik merentasi kod asas besar, ujian, terminal, penjejak isu, dan persekitaran penggunaan.
- Kerja pengetahuan hujung ke hujung. Laluan yang lebih kuat daripada penyelidikan dan analisis dokumen ke hamparan, pembentangan, laporan, dan output sedia keputusan.
- Penggunaan alat multimodal. Pemahaman visual yang memaklumkan interaksi UI, operasi dokumen, dan penaakulan berasaskan persekitaran.
- Bajet penaakulan adaptif. Peningkatan automatik daripada respons pantas ke penaakulan lebih mendalam apabila ketidakpastian atau kerumitan tugas meningkat.
- Keupayaan lebih tinggi per parameter aktif. Perutean pakar yang lebih baik, kapasiti n-gram, perhatian jarang, caching, dan pascalatih berbanding skala semata-mata.
- Keluarga model yang lebih luas. Kemungkinan varian Max, Plus, Coder, MoE kecil, VL, atau Omni, walaupun tiada nama ini disahkan.
Pandangan Penanda Aras Qwen4: Apa yang Ditunjukkan Garis Asas Qwen3.8-Max
Tiada skor penanda aras Qwen4. Flash-Next dan Max menjawab soalan berbeza: kad skor Flash-Next menguji keupayaan berorientasikan kecekapan seni bina baharu, manakala kad skor rasmi Qwen3.8-Max kekal sebagai garis dasar keupayaan pengeluaran yang lebih kuat merentasi agen pengkodan, replikasi penyelidikan, cowork profesional, penaakulan visual, penggunaan mudah alih, dan penggunaan komputer. Qwen4 perlu menggabungkan kedua-dua arah di bawah penilaian yang dipadankan.
| Penanda aras | Skor dilaporkan Qwen3.8-Max | Apa yang perlu dibuktikan Qwen4 |
|---|---|---|
| SWE-Pro | 67.7 | Menutup jurang dalam penyelesaian isu peringkat repositori profesional |
| TerminalBench 2.1 | 86.6 | Memperbaiki kebolehpercayaan agen terminal di bawah harness yang sama |
| PaperBench | 93.0 | Mengekalkan kekuatan penyelidikan dengan replikasi bebas |
| FrontierSWE | 73.5 | Menukar penaakulan jangka panjang kepada lebih banyak kerja siap |
| CoWorkBench | 74.8 | Menghasilkan hasil profesional yang lebih boleh diharap |
| OSWorld-Verified | 86.1 | Mengurangkan ralat tindakan visual dalam aliran kerja penggunaan komputer |
Kedua-dua garis dasar menunjuk kepada keperluan dwi. Flash-Next menunjukkan bahawa compute aktif rendah masih boleh memberikan hasil agen dan multimodal yang kuat; Max menunjukkan siling keupayaan yang lebih tinggi yang mesti diatasi oleh model utama baharu. Oleh itu Qwen4 perlu dinilai berdasarkan kejayaan tugas yang dipadankan dan kos aliran kerja keseluruhan, dengan skor yang dilaporkan vendor diasingkan daripada replikasi bebas.
Keputusan penanda aras rasmi Qwen3.8-Max. Sumber: Siaran rasmi Qwen3.8-Max**.
Qwen4 vs Model Terkini Barisan Hadapan: Garis Asas Disahkan dan Yang Tidak Diketahui
Perbandingan paling berguna bukan sekadar Qwen4 berbanding Qwen3.8-Max. Ia ialah Qwen4 berbanding pilihan reka bentuk yang sudah ketara dalam Kimi K3, DeepSeek V4 Pro, dan GLM-5.3. Jadual berikut membandingkan atribut model semasa yang disahkan dengan lajur Qwen4 yang masih tidak diketahui.
| Dimensi | Qwen4 | Qwen3.8-Max | Kimi K3 | DeepSeek V4 Pro | GLM-5.3 |
|---|---|---|---|---|---|
| Status | Pratonton seni bina disahkan; model belum dikeluarkan | Dikeluarkan | Dikeluarkan | Dikeluarkan | Dikeluarkan |
| Skala | Tidak diketahui | 2.4T / kira-kira 95B aktif | 2.8T / 16 daripada 896 pakar | 1.6T / 49B aktif | Tidak didedahkan untuk keluaran ini |
| Konteks | Dijangka 1M+ | 1M | 1M | 1M | 1M |
| Input | Arah multimodal disahkan; antara muka akhir tidak diketahui | Teks, imej, video | Teks dan visi asli | Berorientasikan teks | Teks sahaja |
| Penaakulan | Tidak diketahui | Aliran kerja thinking dan pantas | Usaha rendah / tinggi / maksimum | Thinking / non-thinking | Sentiasa aktif; rendah / tinggi / maksimum |
| Ekosistem terbuka | Wajaran akhir dan lesen tidak disahkan | Terdapat model utama open-weight | Pendudukan sumber terbuka | Wajaran terbuka | Pendudukan sumber terbuka |
| Fokus teras | Dijangka agen multimodal cekap | Pengkodan, cowork, agen visual | Pengkodan dan kerja pengetahuan | Penaakulan dan pengkodan cekap | Pengkodan dan keselamatan siber |
Skala Model dan Kecekapan Inferens
Dokumentasi Kimi menerangkan 2.8T parameter dan 16 pakar diaktifkan daripada 896. DeepSeek V4 Pro mengambil laluan berbeza dengan 1.6T jumlah dan 49B parameter aktif. Qwen4 tidak perlu menjadi model terbesar untuk memenangi perbandingan ini; ia perlu menukar compute aktif kepada kerja siap yang lebih boleh dipercayai.
Konteks dan Multimodaliti
Sejuta token telah menjadi garis dasar utama biasa, jadi panjang konteks sahaja tidak akan membezakan Qwen4. Peluang yang lebih kuat bagi Qwen ialah penggunaan konteks multimodal: mencari bukti yang betul merentasi dokumen, kod, tangkapan skrin, dan video, kemudian mengambil tindakan yang betul. Kimi K3 juga mempunyai kefahaman visual asli, manakala antara muka semasa GLM-5.3 adalah teks sahaja dengan konteks 1M dan output maksimum 128K.
Pengkodan, Agen, dan Kekuatan Khusus
Qwen3.8-Max membawa profil agen pengkodan, penyelidikan, cowork, dan visual yang luas. Qwen3.8-Flash-Next menambah seni bina multimodal berorientasikan kecekapan dengan keupayaan lebih tinggi per parameter aktif. Kimi K3 menekankan pengkodan jangka panjang dan kerja pengetahuan, DeepSeek V4 Pro menekankan penaakulan cekap dan pengkodan agen, dan GLM-5.3 menambah fokus keselamatan siber yang tersendiri. Pelancaran Qwen4 yang berwibawa perlu menggabungkan kebolehpercayaan agen yang luas dengan prestasi kejuruteraan perisian dan penggunaan komputer visual pada tahap pakar.
Open weights Bukan Seluruh Cerita Pelaksanaan
Open weights boleh menambah baik kawalan, penyesuaian, dan pilihan penyedia, tetapi perbandingan praktikal juga merangkumi terma lesen, keperluan perkakasan, kualiti pengkuantuman, sokongan penalaan lanjut, dan ketersediaan rantaian penyajian yang dioptimumkan. Perkataan open tidak seharusnya digunakan sebagai pengganti untuk menyemak lesen dan syarat pelaksanaan yang tepat bagi setiap keluaran.
Keputusan perbandingan: Kedudukan potensi terkuat Qwen4 ialah agen multimodal yang luas yang menggabungkan kekuatan visual dan cowork Qwen3.8-Max dengan seni bina compute-aktif rendah Flash-Next dan kebolehpercayaan kejuruteraan perisian yang lebih baik. Ia tidak boleh diisytiharkan sebagai pemenang sehingga penilaian yang dipadankan dan tingkah laku pengeluaran tersedia.
Kes Penggunaan Berpotensi untuk Qwen4
Kejuruteraan Perisian Autonomi
Agen Qwen yang lebih kukuh boleh memeriksa repositori, menghasilkan semula isu, mengedit berbilang fail, menjalankan ujian, menyemak kegagalan, dan menyediakan perubahan sedia pull request. Metrik penting ialah peratusan tugas yang disiapkan tanpa penyelamatan manusia, bukan jumlah kod yang dijana.
Kerja Pengetahuan Perusahaan
Konteks panjang dan pemahaman multimodal boleh menyokong aliran kerja yang bermula dengan kontrak, PDF, hamparan, rajah, dan rekod mesyuarat dan berakhir dengan memo keputusan, analisis, atau pelan tindakan berstruktur. Perusahaan masih memerlukan kawalan capaian, log audit, dan pengesahan sumber di sekitar model.
Agen Penggunaan Komputer Multimodal
Qwen4 boleh berguna apabila agen perlu mentafsir tangkapan skrin, mengemudi aplikasi, mengesahkan keadaan UI, dan pulih apabila klik atau penyerahan borang menghasilkan keputusan yang tidak dijangka. Ini ialah kesinambungan semula jadi garis dasar visual dan gaya OSWorld Qwen3.8-Max, tetapi sokongan kawalan komputer asli belum diumumkan.
Penyelidikan Saintifik dan Kejuruteraan
Aliran kerja penyelidikan menggabungkan tinjauan literatur, kod, simulasi, analisis data, dan penulisan laporan. Model Qwen masa depan boleh mengorkestrakan langkah-langkah ini dan mengekalkan sejarah eksperimen yang lebih panjang. Prestasi PaperBench menjadikannya arah yang kredibel, tetapi kebolehulangan dan pengesahan bebas akan kekal penting.
Perkara yang Kita Belum Tahu
Walaupun Qwen telah mengakui seni bina melalui Flash-Next, butiran pengeluaran berikut masih tidak tersedia dan harus kekal tidak diputuskan dengan jelas sehingga pengumuman rasmi Qwen4:
- Nama produk tepat dan sama ada Qwen4 dilancarkan sebagai satu model atau keluarga.
- Tarikh keluaran atau jadual pratonton.
- Sama ada model akhir mengekalkan nisbah GDN/QSA, reka bentuk Gated Residual, skala pembenaman n-gram, dan perutean pakar Flash-Next yang sama.
- Jumlah parameter, parameter aktif, kiraan pakar, dan skala data latihan bagi setiap model Qwen4.
- Panjang konteks asli, konteks lalai, output maksimum, dan modaliti yang disokong bagi setiap laluan.
- Keupayaan audio asli, penjanaan imej, pertuturan, atau penjanaan video.
- Keputusan penanda aras rasmi dan harness penilaian yang digunakan bagi setiap skor.
- Ketersediaan open-weight, terma lesen, dan syarat penggunaan komersial.
- Harga API, ketersediaan serantau, had kadar, dan ID model akhir.
Peraturan pengesahan: Anggap sebarang spesifikasi Qwen4 yang tepat, carta penanda aras, jadual harga, atau pengenal pasti API sebagai tidak disahkan melainkan ia boleh dirujuk terus kepada Qwen, Alibaba Cloud, atau repositori model rasmi.
Bilakah Qwen4 Akan Dikeluarkan?
Tiada tarikh keluaran awam yang boleh dipertahankan. Qwen3.8-Flash-Next mengesahkan bahawa Qwen sedang menguji seni bina yang akan menjadi tunjang Qwen4, tetapi bahan awam tidak menyediakan jadual untuk model Qwen4 pengeluaran. Penyempurnaan latihan, kecekapan penyajian, penilaian keselamatan, pelesenan wajaran, dan integrasi produk semuanya boleh mempengaruhi masa dan bentuk keluaran.
Pendekatan penerbitan paling selamat ialah mengelakkan ramalan bulan atau suku. Pembaca harus memerhati laman rasmi Qwen, dokumentasi Alibaba Cloud Model Studio, repositori model yang disahkan, dan katalog model CometAPI. Halaman model Qwen4 hanya patut ditambah selepas model itu benar-benar tersenarai.
Cara Pembangun Boleh Bersedia untuk Qwen4
- Tetapkan dua garis dasar. Guna Qwen3.8-Flash-Next untuk mengukur kecekapan seni bina dan Qwen3.8-Max untuk mengukur keupayaan utama semasa.
- Pisahkan ID model daripada logik perniagaan. Kekalkan perutean dan konfigurasi di luar kod aplikasi supaya model boleh ditukar dengan selamat.
- Bina penilaian peringkat tugas. Ukur pembaikan perisian yang disiapkan, output penyelidikan yang tepat, rantaian alat yang berjaya, dan hasil yang boleh digunakan.
- Log kos aliran kerja keseluruhan. Jejak kependaman, token input dan output, penggunaan cache, percubaan semula, tindakan gagal, dan kerja semula manusia.
- Kekalkan laluan sandaran. Gunakan perutean model dan sandaran penyedia dan bukannya menjadikan satu model yang belum dikeluarkan sebagai titik kegagalan tunggal.
- Jangan mereka-reka ID model. Tunggu pengenal pasti rasmi sebelum menambah qwen4 atau qwen4-max ke konfigurasi pengeluaran.
Cuba Qwen3.8-Flash-Next dan Qwen3.8-Max Melalui CometAPI
Pembangun kini boleh menguji Qwen3.8-Flash-Next melalui CometAPI dan mengekalkan Qwen3.8-Max sebagai perbandingan model utama. Cipta kunci API, simpan dalam pembolehubah persekitaran, dan panggil model sedia ada melalui klien yang serasi dengan OpenAI. Contoh ini sengaja menggunakan qwen3.8-flash-next; ia tidak menganggap pengenal pasti Qwen4 pada masa depan.
Kesimpulan
Qwen4 kini lebih daripada khabar angin: Qwen telah mengenal pasti Qwen3.8-Flash-Next secara jelas sebagai pratonton eksperimen bagi seni bina yang akan menjadi tunjangnya. Pratonton mengesahkan hala tuju MoE ultra-jarang multimodal yang dibina di sekitar Gated DeltaNet, Qwen Sparse Attention, Gated Residual, dan pembenaman n-gram. Qwen3.8-Max kekal sebagai garis dasar keupayaan semasa yang lebih kuat.
Ujian sebenar untuk Qwen4 bukanlah sama ada kiraan parameternya lebih besar. Ia adalah sama ada model akhir boleh menggabungkan kecekapan Flash-Next dengan keupayaan setaraf Max, menyiapkan kerja yang lebih panjang dengan kegagalan yang lebih sedikit, dan menggunakan bukti multimodal dengan lebih boleh dipercayai. Hala tuju seni bina kini awam, tetapi spesifikasi akhir, penanda aras, lesen, harga, ID API, dan tarikh keluaran masih tidak diketahui.