Qwen3.8-Flash-Next Technische specificaties
| Specificatie | Qwen3.8-Flash-Next |
|---|---|
| Ontwikkelaar | Qwen Team, Alibaba Group |
| Modeltype | Multimodaal causaal taalmodel met vision-encoder; ultra-sparse MoE |
| Hoofdmodelparameters | 125B |
| Geactiveerde parameters | 6B per token |
| N-gram-embeddingparameters | 51B extra |
| MTP-parameters | 4B |
| Lagen | 48 |
| Hybride attentiepatroon | 12 x [3 Gated DeltaNet-lagen + 1 Qwen Sparse Attention-laag] |
| MoE-experts | 512 totaal; 10 gerouteerd + 1 gedeeld per token |
| Gated Residual | 4 vertakkingen; bottleneck-rang 320 |
| Native contextvenster | 262,144 tokens |
| Uitgebreide context | Tot 1,000,000 tokens met YaRN |
| Modaliteiten | Tekst-, beeld- en video-invoer; tekstuitvoer |
| Denkbesturing | Denkend/niet-denkend plus besturing van redeneerinspanning in ondersteunde API's |
| Implementatie | Transformers, vLLM, SGLang, TokenSpeed en andere ondersteunde frameworks |
| Open gewichten | Ja |
| CometAPI-model-ID | qwen3.8-flash-next |
Wat is Qwen3.8-Flash-Next?
Qwen3.8-Flash-Next is een aankomend open-gewichten multimodaal MoE-model van Alibaba's Qwen-team. Belangrijker nog, het wordt gepositioneerd als een vroege preview van de architectuur die bedoeld is om de toekomstige Qwen4-modelfamilie aan te sturen, en niet simpelweg als weer een incrementeel Qwen3.8-checkpoint.
Met deze release laat Qwen zijn next-generation architectuurrichting vroegtijdig zien aan het open-source-ecosysteem, nog voordat de bredere Qwen4-familie verschijnt. Dit geeft ontwikkelaars van inference-engines, kwantisatieprojecten, modelserving-frameworks en applicatieontwikkelaars de kans om zich vooraf op de architectuurwijzigingen voor te bereiden.
De momenteel bekendgemaakte architectuur introduceert twee belangrijke componenten: een GDN-gebaseerde hybride architectuur en Qwen Sparse Attention (QSA). GDN verwijst naar een gated DeltaNet-stijl lineaire-attentiebenadering die de hybride-attentierichting volgt die eerder is verkend in Qwen3-Next. QSA wordt gepresenteerd als een nieuw sparse-attentiemechanisme, al is de volledige technische specificatie nog niet publiekelijk gedocumenteerd.
Belangrijkste kenmerken van Qwen3.8-Flash-Next
- Qwen4-architectuurpreview: Qwen3.8-Flash-Next is expliciet gepositioneerd als een vroege implementatie van de architectuurrichting die de aanstaande Qwen4-familie zal aandrijven.
- Multimodaal MoE-ontwerp: Het model wordt beschreven als een multimodaal Mixture-of-Experts-model en zet Qwen's efficiënte strategie voor sparse-modellen voort richting een nieuwe generatie architecturen.
- GDN-hybride architectuur: Het model zet de hybride-attentierichting voort die is geïntroduceerd met Qwen3-Next, waarbij efficiënte lineaire-attentiemechanismen worden gecombineerd met conventionele attentie waar precieze retrieval belangrijk is. Qwen3-Next liet zien dat deze aanpak de efficiëntie van lang-context-inferentie aanzienlijk kan verbeteren.
- Qwen Sparse Attention: QSA is een van de twee architectuurwijzigingen die publiekelijk worden uitgelicht voor Flash-Next. De gedetailleerde implementatie en kwantitatieve voordelen moeten door Qwen nog worden gedocumenteerd.
- Gericht op het open-gewichten-ecosysteem: De release is bedoeld om de open-sourcegemeenschap vroegtijdig toegang te geven tot de architectuurwijzigingen, zodat inference-runtimes en downstream tooling zich kunnen aanpassen voordat Qwen4 arriveert.
- Coderings- en agentprestaties van Qwen3.8-Flash-Next
| Benchmark | 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 | Positionering | Architectuur / schaal | Multimodaal | Huidige status |
|---|---|---|---|---|
| Qwen3.8-Flash-Next | Qwen4-architectuurpreview / op efficiëntie gericht open model | Multimodaal MoE; volledige specificaties in afwachting | Ja | Aankomend |
| Qwen3.8-Max | Gehost vlaggenschip Qwen3.8-model | Grootschalige MoE | Ja | Beschikbaar |
| Qwen3.8-27B | Open-gewichten Qwen3.8-model | 27B dense model | Modelspecifieke mogelijkheden | Beschikbaar |
Qwen3.8-Max is al beschikbaar via Alibaba's cloudecosysteem en is gepositioneerd voor geavanceerd redeneren, visueel begrip, coderen en agent-werkbelastingen. Qwen's huidige documentatie vermeldt Qwen3.8-Max met een contextvenster van 1M tokens, terwijl CometAPI qwen3.8-max al beschikbaar stelt.
Flash-Next moet daarom anders worden bekeken: de primaire betekenis in deze fase is architecturaal en niet benchmark-gedreven. Het biedt een preview van de technische richting van Qwen4 en geeft het open-source-ecosysteem een vroegtijdig doel voor optimalisatie van runtime en implementatie.