Qwen3.8-Flash-Next yalnızca Qwen3.8 ailesinin daha küçük veya daha hızlı bir üyesi değildir. Qwen, onu bir açık ağırlıklı çok modlu MoE modeli ve Qwen4’te kullanılacak mimarinin erken ön izlemesi olarak tanımlıyor. Tasarımı, yeteneği artırırken token başına gereken hesaplamayı keskin biçimde azaltmak amacıyla dikkat, rezidüel bağlantılar, gömme kapasitesi ve optimizasyonu aynı anda değiştiriyor.
TL;DR
Qwen3.8-Flash-Next, 125B parametreli bir ana modeli ek 51B N-gram gömme tablosuyla birleştirirken, token başına yalnızca 6B parametreyi etkinleştirir. Doğal olarak 262.144 token’ı destekler ve YaRN ile 1.000.000 tokene kadar genişletilebilir. Mimari; yüzde 3:1 oranında Gated DeltaNet ve Qwen Sparse Attention karışımı, dört dallı Gated Residual bağlantılar, N-gram Gömme, büyük ve ultra seyrek MoE uzman havuzu, Çoklu-Token Tahmini ve Muon tabanlı eğitim etrafında inşa edilmiştir.
En önemli nokta, ham parametre sayısından ziyade verimliliktir. Qwen, modelin eğitiminin Qwen3.7-Plus maliyetinin yaklaşık dokuzda biri olduğunu bildiriyor; lansman değerlendirmesi ise modeli birçok kodlama, ofis-ajan ve çok modlu görevde önceki Qwen kıyaslarının önüne koyuyor. Bunlar sağlayıcı tarafından raporlanan sonuçlardır ve bağımsız doğrulama değil, lansman kanıtı olarak okunmalıdır.
Geliştiriciler için açık ağırlıklar Qwen kanalları üzerinden erişilebilirken, yönetilen üretim sürümü QwenCloud’da Qwen3.8-Flash olarak adlandırılır. CometAPI, Qwen3.8-Flash-Next’i qwen3.8-flash-next model kimliğiyle listeler ve geliştiricilere diğer sınır modellerle birlikte birleşik bir rota sunar.
Önemli Noktalar
- 125B ana model parametresi + 51B N-gram gömme, token başına 6B etkin parametre.
- 3 GDN : 1 QSA hibrit dikkat deseni, verimli bellek ile hassas uzun menzilli getirimi birleştirmek üzere tasarlanmıştır.
- 262.144-token doğal bağlam ve YaRN ile 1M tokene kadar.
- QSA için 1M bağlamda 7,6x’e kadar ön doldurma ve 4,9x çözme çekirdek hızlanmaları rapor edilmektedir.
- Rezidüel akış dört kapılı dala genişletilerek katmanlar arası bilgi akışı ve eğitim kararlılığı iyileştirilir.
- Resmi lansman tablosu SWE-bench Pro, CoWorkBench, JobBench, Toolathlon, AndroidWorld ve RealWorldQA’da güçlü sonuçlar gösteriyor, ancak her kıyasın tamamında temiz bir üstünlük yok.
- Qwen bu yayını bir mimari ön izleme olarak konumlandırıyor; bu nedenle önemi yalnızca mevcut kıyas sıralamasıyla değil, Qwen4 için verdiği mimari sinyalle de ilgilidir.
Qwen3.8-Flash-Next Nedir?
Qwen3.8-Flash-Next, bir görsel kodlayıcı ve ultra seyrek Uzman Karışımı (MoE) dil omurgasına sahip nedensel bir çok modlu dil modelidir. Resmi model kartı, 512 uzmanın bulunduğu 48 katmanlı bir mimariyi; token başına 10 yönlendirilmiş uzman artı bir paylaşılan uzman ve üç Gated DeltaNet katmanını bir Qwen Sparse Attention katmanının takip ettiği bir gizli katman düzenini tanımlar.
Bu sürüm, Qwen3-Next’e benzer bir rol oynar: tam aileye ölçeklenmeden önce mimari değişiklikleri görünür kılar. Qwen modeli açıkça Qwen4’ün temelini oluşturacak mimarinin deneysel bir ön izlemesi olarak adlandırıyor. Bu da modeli, sunum verimliliği, uzun bağlam ve açık model mimarisi araştırmalarının yönüyle ilgilenen mühendisler için olağandışı derecede ilginç kılıyor.
Qwen3.8-Flash-Next’in 4 çekirdek bileşeni
Model aynı anda dört çekirdek bileşeni değiştirir: dikkat, rezidüel akış, gömme kapasitesi ve optimizasyon. Bu eş tasarım önemlidir; çünkü bir bileşende sağlanan verimlilik kazançları, diğer bir bileşen uzun bağlamda veya büyük ölçekte darboğaz hâline gelirse kaybolabilir.
Hibrit Dikkat: GDN + Qwen Sparse Attention
Katmanların çoğu küresel dikkat çalıştırmaz. Bunun yerine, her dört katmandan üçü Gated DeltaNet kullanarak geçmiş bilgiyi sabit boyutlu bir duruma sıkıştırır. Dördüncü katman, tam getirimi sağlamak için küresel dikkat uygular; ancak bu küresel dikkat, Qwen Sparse Attention (QSA) olarak yeniden tasarlanmıştır.
QSA, her token’ı bağımsızca aramaktan kaçınır. Hafif bir indeksleyici önce diziyi mikro bloklara ayırır, hangi blokların önemli olduğunu tahmin eder ve yalnızca seçili bölgelere dikkat uygular. Qwen’in anlatımına göre bu, ilgili bağlamı bulmak için gereken indeksleme ek yükünü ve dikkat hesaplamasını azaltır. Tasarım, seyrek indeksin bitişik dikkat katmanları arasındaki benzerliğe güvenmek yerine her dikkat katmanı içinde bağımsız olarak oluşturulması sayesinde hibrit bir ağla özellikle uyumludur.
Verimlilik rakamları kayda değerdir. 1M-token bağlamda, Qwen QSA dikkat çekirdeği için 7,6x’e kadar daha hızlı ön doldurma ve 4,9x daha hızlı çözme bildiriyor. %90 önek önbellek vuruş oranlı yüksek önbellek kullanım deneyinde model, 1M bağlamda Qwen3.7-Plus’un ön doldurma veriminin 8,6 katına ulaşıyor.
Gated Residual: Tek Yol Yerine Dört Yol
Geleneksel bir Transformer, tek bir rezidüel akışı tekrar tekrar okur ve yazar. Qwen3.8-Flash-Next ise bu akışı dört paralel dala genişleten Gated Residual kullanır. Eleman düzeyindeki okuma kapıları her daldan ne kadar bilgi alınacağını belirlerken, dal düzeyindeki yazma kapıları geriye ne yazılacağına karar verir.
Bu, her özelliği sürekli karışan aynı kanaldan geçmeye zorlamadan, derinlik boyunca faydalı özellikleri korumayı amaçlar. Qwen ayrıca kapılamanın aktivasyon aykırı değerlerini bastırdığını ve rezidüel durumun FP8’de saklanabildiğini, böylece bellek trafiğini azalttığını bildiriyor. Ana fikir yalnızca daha fazla rezidüel kapasite değildir; katmanlar arası bilginin kontrollü yönlendirilmesidir.
N-gram Gömme: Orantılı Hesaplama Olmadan Daha Fazla Kapasite
Model, 125B’lik ana omurganın ötesine 51B N-gram Gömme parametresi ekler. Sıradan gömme tek bir token’dan indeksleme yaparken, N-gram Gömme bigram ve trigram gibi yerel token örüntülerini kullanır. Bu, yinelenen yerel örüntüler için büyük bir arama tarzı bellek sağlar.
Alışılmadık kısım kapasitenin konumudur. Gömmenin gerekli olmadan önce adresi bilinebileceği için tablo ana bellekte tutulabilir ve GPU hesaplaması sürerken eşzamanlı olmayan şekilde önceden getirilebilir. Bu, ek 51B parametrenin 51B ek yoğun matris çarpımı parametresi gibi davranmadığı anlamına gelir. Mimari, fiilen iki farklı kaynağı ölçeklendirir: hesaplama açısından ağır model parametreleri ve düşük hesaplama maliyetli arama belleği.
Muon ve Eğitim Optimizasyonu
Qwen, mimariyi dikkat, GDN ve MoE uzmanlarındaki ana ağırlıklar gibi iki boyutlu doğrusal dönüşümler için Muon optimizörü ile eğitirken; gömmeler, yönlendirici ve düşük dereceli Gated Residual parametreleri AdamW ile kullanmaya devam eder. QKV ve SwiGLU izdüşümleri gibi birleştirilmiş matrisler, ortogonalleştirmeden önce bağımsız doğrusal dönüşümlerine ayrılır.
Ekip ayrıca yeni mimari için ölçekleme yasasını yeniden uyarladı ve geleneksel Batch Size Warmup’ın gereksiz olduğunu bildiriyor. Parti boyutunu kademeli olarak artırmak nihai sonucu iyileştirmedi ve bunun yerine %18,8 daha fazla optimizör adımı gerektirdi. Son reçete bu nedenle doğrudan hedef parti boyutuyla başlar.
Ultra-Seyrek MoE ve Çoklu-Token Tahmini
Resmi model kartı, 512 uzman, token başına etkin 10 yönlendirilmiş uzman ve bir paylaşılan uzman listeler. Büyük uzman havuzu, her token için tüm modeli etkinleştirmeden depolanan kapasiteyi artırır. Tek katmanlı bir Çoklu-Token Tahmini (MTP) modülü, spekülatif çözümleme kabulünü iyileştirmek ve ana omurgayı desteklemek için çok adımla eğitilir.
Qwen3.8-Flash-Next Kıyaslama Performansı
Qwen, geniş dil, kodlama, ajan ve görsel-dil değerlendirmeleri yayınlıyor. Bu rakamlar faydalıdır; çünkü pek çok karşılaştırma modeli Qwen’in çerçevesinde yeniden çalıştırılmıştır; ancak yine de sağlayıcı tarafından raporlanan lansman değerlendirmeleridir ve bağımsız kıyas çoğaltmaları değildir. Bazı satırlar ayrıca kıyasa özgü çerçeveler veya yargıçlar kullanır; bu nedenle en güvenli yorum yönseldir: Qwen3.8-Flash-Next’in nerede güçlü olduğunu ve rakiplerin nerede önde olduğunu gösterir.
Kodlama ve Ajan Performansı
| Kıyas | 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 |
Kodlama tarafı güçlü ancak nüanslıdır. Qwen3.8-Flash-Next, SWE-bench Pro, SWE-bench Multilingual, CoWorkBench, JobBench, Toolathlon Verified ve LiveCodeBench v6’da listelenen karşılaştırma setine liderlik ediyor. Ancak DeepSeek V4 Flash NL2Repo-Bench’te önde, Claude Opus 4.6 ise HLE’de lider. Bu da manşet olarak evrensel kıyas hakimiyetinden çok verimliliği daha savunulabilir kılıyor.
Önceki Qwen kıyaslarına göre en dikkat çekici kazanımlar uzun ufuklu çalışmalarda görülüyor. CoWorkBench, Qwen3.7-Plus için 65.1’den 73.9’a yükselirken JobBench 27.6’dan 55.7’ye çıkıyor. CoWorkBench Qwen’e ait şirket içi bir kıyas olduğundan, bu kazanımlar bağımsız çoğaltmayı hak ediyor; ancak mimarinin maliyet etkin ajan ve ofis iş akışlarına odaklandığı yönündeki beyanıyla uyumlu.
Çok Modlu Performans
| Kıyas | Qwen3.8-Flash-Next | Qwen3.8-27B | Qwen3.7-Plus | Claude Opus 4.6 |
|---|---|---|---|---|
| ClawEval-MM (Pass@3 / Ort.) | 64.4 / 60.4 | 57.4 / 56.9 | 57.4 / 60.1 | 52.5 / 54.7 |
| RecreationBench | 49.9 | 47.1 | 30.2 | -- |
| AndroidWorld | 84.5 | 81.9 | 81.0 | 62.0 |
| OSWorld 2.0 (İkili / Kısmi) | 19.4 / 52.3 | 19.4 / 48.0 | 2.8 / 21.5 | -- |
| Vision2Web | 64.0 | 62.9 | 42.1 | -- |
| ERQA | 72.3 | 65.5 | 69.8 | 40.8 |
| LVBench | 76.6 | 72.4 | 76.2 | 63.0 |
| RealWorldQA | 88.5 | 85.9 | 86.9 | 73.9 |
| MathVision (CI yok / var) | 90.6 / 95.7 | 90.0 / 94.6 | 90.3 / 88.7 | 65.5 / -- |
| CharXiv RQ (CI yok / var) | 84.6 / 90.6 | 83.7 / 90.2 | 85.8 / 85.9 | 66.0 / -- |
Veri kaynağı: Qwen resmi lansman değerlendirmesi**.
Çok modlu sonuçlar bunun yalnızca kodlamaya odaklı bir Flash modeli olmadığını destekliyor. Qwen3.8-Flash-Next, Qwen’in tablosunda AndroidWorld’de 84.5, Vision2Web’de 64.0, LVBench’te 76.6 ve RealWorldQA’da 88.5 puan alıyor. Model kartında saat ölçeğindeki video iş yükleri için daha yüksek kare hızı örnekleme önerileri de dâhil olmak üzere görüntü ve video girdi örnekleri yer alıyor. video iş yükleri.
Qwen3.8-Flash-Next Diğer Modellerle Karşılaştırması
Faydalı bir karşılaştırma üç soruyu ayırmalıdır: token başına ne kadar hesaplama etkinleştiriliyor, modelin kipleri ve bağlamı ne kadar geniş ve temsilî iş akışlarında performansı nasıl. Ham toplam parametre sayısı tek başına bu soruları cevaplamaz.
Qwen3.8-Flash-Next vs Qwen3.8-27B vs Qwen3.7-Plus
| Boyut | Qwen3.8-Flash-Next | Qwen3.8-27B | Qwen3.7-Plus |
|---|---|---|---|
| Model parametreleri | 125B + 51B N-gram gömme | 27B | 397B |
| Etkin parametreler | 6B | 27B | 17B |
| Doğal bağlam | 262K | Qwen karşılaştırmasında 262K | Önceki nesil uzun bağlamlı model |
| DeepSWE 1.1 | 58.7 | 42.2 | 16.5 |
| CoWorkBench | 73.9 | 70.7 | 65.1 |
| JobBench | 55.7 | 33.4 | 27.6 |
| AndroidWorld | 84.5 | 81.9 | 81.0 |
Ana sonuç, etkin parametre başına yetenektir. Qwen3.8-Flash-Next token başına 6B parametre etkinleştirirken Qwen3.8-27B için 27B ve Qwen3.7-Plus için 17B’dir; buna rağmen listelenen DeepSWE, CoWorkBench, JobBench ve AndroidWorld skorlarında öndedir. Takas noktası bellek ayak izidir: seyreklik etkin hesaplamayı azaltır, ancak nihayetinde bir yerde saklanması gereken model kapasitesini azaltmaz.
Qwen3.8-Flash-Next vs DeepSeek V4 Flash vs Claude Opus 4.6
| Boyut | Qwen3.8-Flash-Next | DeepSeek V4 Flash | Claude Opus 4.6 |
|---|---|---|---|
| Ağırlıklar | Açık ağırlıklı | Açık ağırlıklı | Kapalı |
| Raporlanan parametre profili | 125B ana + 51B N-gram; 6B etkin | 284B toplam; 13B etkin | Halka açık açıklanmadı |
| Birincil verimlilik hikâyesi | QSA + GDN + 6B etkin MoE + arama belleği | Yüksek verimli seyrek MoE | Yönetilen sınır muhakeme ve ajan yığını |
| Doğal çok modluluk | Metin, görüntü, video -> metin | Metin odaklı Flash ailesi; CometAPI’de ayrı görsel rota mevcut | Barındırılan API’ler üzerinden metin + görsel/dosyalar |
| SWE-bench Pro* | 62.5 | 56.0 | 53.4 |
| CoWorkBench* | 73.9 | 45.1 | 68.2 |
| NL2Repo-Bench* | 48.1 | 54.2 | 47.6 |
| HLE* | 35.9 | 33.8 | 40.0 |
DeepSeek V4 Flash, Qwen’in karşılaştırmasında NL2Repo-Bench’te güçlü kalmaya devam ediyor; bu, depo düzeyinde kod üretimi için önemlidir. Claude Opus 4.6, aynı tabloda HLE’de daha güçlüdür ve açık bir dağıtım hedefinden ziyade kapalı bir yönetilen model temsil eder. Qwen3.8-Flash-Next, açık ağırlık, doğal çok modluluk, uzun bağlam mühendisliği ve çok küçük etkin parametre bütçesinin birleşimiyle en çok ayrışır.
Qwen3.8-Flash-Next vs Qwen3.8-Max
| Boyut | Qwen3.8-Flash-Next | Qwen3.8-Max |
|---|---|---|
| Rol | Verimlilik-öncelikli açık mimari ön izlemesi | Qwen3.8 amiral gemisi |
| Ana/toplam ölçek | 125B ana + 51B N-gram; 6B etkin | 2.4T toplam; CometAPI model sayfasında yaklaşık 95B etkin |
| Mimari vurgular | QSA, GDN, Gated Residual, N-gram Gömme, Muon | Çok daha büyük ölçekte azami sınır yeteneği |
| En uygun kullanım | Yüksek hacimli ajanlar, kodlama asistanları, çok modlu otomasyon, self-hosting | En zor muhakeme, büyük kurumsal ajanlar, yetenek-öncelikli iş yükleri |
| Bağlam | Doğal 262K; YaRN ile 1M’e kadar | Mevcut Qwen3.8 amiral gemisi rotalarında 1M sınıfı barındırılan bağlam |
Qwen3.8-Max özellikleri mevcut CometAPI model listesine dayanmaktadır.
Ayrım basittir: Qwen3.8-Max yetenek-öncelikli amiral gemisidir; Qwen3.8-Flash-Next ise mimari ve verimlilik deneyidir. Aralarında seçim yapacak geliştiriciler, darboğazın mutlak model yeteneği mi yoksa ölçekli olarak birçok uzun bağlamlı, araç kullanan görevi çalıştırma maliyeti mi olduğunu sormalıdır.
Qwen3.8-Flash-Next Fiyatlandırma ve Erişilebilirlik
Qwen3.8-Flash-Next için açık ağırlıklar Hugging Face ve ModelScope üzerinden yayınlanmıştır. Yönetilen servis için Qwen, üretim sürümünün QwenCloud’da Qwen3.8-Flash olarak adlandırıldığını, 1M bağlamın varsayılan olarak etkin olduğunu ve resmi yerleşik araçlara sahip olduğunu belirtir.
Qwen, yönetilen üretim fiyatını milyon giriş token’ı başına 0,16 $ ve milyon çıkış token’ı başına 0,47 $ olarak listeler. Bu fiyat, açık ağırlıkları kendi barındırmanız için değil, QwenCloud üretim modeli Qwen3.8-Flash içindir.
| Rota | Girdi | Çıktı |
|---|---|---|
| QwenCloud üretim modeli (Qwen3.8-Flash) | $0.16 / 1M token | $0.47 / 1M token |
| Açık ağırlık self-hosting | Altyapıya bağlı | Altyapıya bağlı |
| CometAPI rotası | Canlı model sayfasını kontrol edin | Canlı model sayfasını kontrol edin |
QwenCloud fiyatları resmi Qwen lansman makalesinden; CometAPI faturalandırması canlı model sayfasından kontrol edilmelidir.
CometAPI kullanıcıları için özel Qwen3.8-Flash-Next modeli rota kimliğini qwen3.8-flash-next olarak belirtir. Yönlendirme, üst sağlayıcı uygunluğu ve faturalandırma, açık ağırlık yayımından bağımsız olarak değişebileceğinden, üretim entegrasyonlarının fiyat varsayımlarını kodlamadan önce canlı CometAPI kataloğunu okuması gerekir.
CometAPI Önerisi
Qwen3.8-Flash-Next’in yakında CometAPI üzerinden erişilebilir hâle gelmesi bekleniyor. CometAPI, Qwen serisi modeller dâhil önde gelen sağlayıcılardan 500+ modeli bir araya getiren tek bir OpenAI-uyumlu uç nokta (“https://api.cometapi.com/v1”) sağlar. Bu yaklaşım sağlayıcıya bağımlılığı azaltır, Qwen3.8-Flash ile (platformda veya ilgili Qwen uç noktalarında erişilebilir olduğunda) denemeleri basitleştirir ve farklı görevler için modelleri karıştırabilecek üretim dağıtımlarını sadeleştirir (ör. Qwen ile maliyet etkin kodlama ajanları + özel muhakeme için başka bir model). Belgeler ve hızlı başlangıç rehberleri apidoc.cometapi.com ve ana CometAPI sitesinde mevcuttur.
Açık ağırlıkları kendiniz barındırın, QwenCloud’u kullanın veya CometAPI gibi birleşik bir platform üzerinden yönlendirin; Qwen3.8-Flash-Next, yüksek performanslı, uzun bağlamlı çok modlu ajanlara giden engeli düşürür.
Qwen3.8-Flash-Next Neler Yapabilir?
1. Yüksek Hacimli Kodlama Ajanları
6B etkin parametre bütçesi ve Qwen’in değerlendirmesinde 62.5 SWE-bench Pro skoru, Qwen3.8-Flash-Next’i çok sayıda paralel oturum çalıştıran kodlama sistemleri için özellikle ilgi çekici kılar. Örnekler arasında kod inceleme, sorun sınıflandırma, depo gezintisi, test üretimi ve tek seferlik zekâ kadar verimin de önemli olduğu yinelenmeli yamalama yer alır.
2. Uzun Ufuklu Ofis ve Bilgi Çalışmaları
CoWorkBench ve JobBench modelin konumlandırmasının merkezindedir. Mimari, tek seferde cevap vermek yerine bağlamı tekrar tekrar okuyan, araç çağıran, durumu güncelleyen ve çalışmaya devam eden ajan döngüleri için tasarlanmıştır. Bu, belge iş akışları, elektronik tablo analizi, rapor oluşturma, araştırma sentezi ve iş süreçleri otomasyonuyla doğal olarak eşleşir.
3. Çok Modlu Bilgisayar ve Mobil Ajanlar
Görüntü ve video girdileri, AndroidWorld performansı, OSWorld değerlendirmesi ve Vision2Web sonuçları modeli GUI ajanları için ilgili hâle getirir. Ekran görüntülerini yorumlayan, mobil arayüzleri çalıştıran, uygulama yerleşimlerini yeniden üreten veya görsel durumu araç çağrılarıyla birleştiren sistemlerin arkasındaki muhakeme katmanı olarak hizmet verebilir.
4. Uzun Video ve Görsel Muhakeme
Resmi model kartı açık video girdi örnekleri ve saat ölçeğindeki video ön işleme için yönergeler içerir. Bu da modeli video soru-cevap, uzun video arama, görsel olay çıkarımı ve video anlayışını aşağı akış araçlarıyla birleştiren iş akışları için faydalı kılar.
5. Milyon Token’lık Araştırma ve Depo İş Akışları
Açık model 262.144 token’da doğal ve YaRN ile 1.000.000’a genişletilebilir. Bu ayrım önemlidir: 1M bir genişletmedir; açık modelin doğal bağlamı değildir. Büyük depolar veya araştırma külliyatları için QSA, bu uzun bağlamların getiriminin maliyetini yoğun küresel dikkate göre daha pratik kılmayı amaçlar.
Geliştiriciler Qwen3.8-Flash-Next’i Nasıl Çalıştırabilir?
Geliştiriciler açık ağırlıkları Hugging Face’ten indirip modeli Transformers, vLLM, SGLang veya TokenSpeed ile çalıştırabilir. Qwen, hem metin hem de çok modlu girdi için OpenAI-uyumlu Chat Completions örnekleri sağlar.
Örneğin, resmi model kartı Qwen/Qwen3.8-Flash-Next’in vLLM ile servis edilmesini ve /v1/chat/completions üzerinden çağrılmasını gösterir. Görüntü ve video girdileri de OpenAI-uyumlu arayüz üzerinden gösterilmiştir.
Qwen3.8-Flash-Next varsayılan olarak düşünme modunda çalışır. Geliştiriciler düşünme davranışını enable_thinking, preserve_thinking ve reasoning_effort üzerinden kontrol edebilir; belgelenen reasoning-effort seviyeleri xhigh, medium ve low’dur.
Qwen3.8-Flash-Next’in Sınırlamaları Nelerdir?
En büyük pratik sınırlama donanım maliyetidir. Yalnızca 6B dil modeli parametresi etkinleştirilse de kontrol noktası 125B dil parametresi, 51B n-gram gömme bileşeni ve 4B MTP parametresi içerir. Güncel depo yaklaşık 360 GB’tır; bu nedenle yerel dağıtım hâlâ altyapı açısından ağır bir görevdir.
İkinci sınırlama, 262K’nın doğal bağlam uzunluğu olması, 1M’nin ise olmamasıdır. Model 1M tokene genişletilebilir; ancak bir CometAPI veya model sayfası basitçe “1M doğal bağlam” yazmamalıdır. Doğru ifade 262K doğal bağlam, 1M’e genişletilebilir şeklindedir.
Son olarak, kıyas performansı eşit dağılmamıştır. Qwen3.8-Flash-Next kodlama ve ajan görevlerinde son derece rekabetçidir; ancak her kıyasta lider değildir. Örneğin, Claude Opus 4.6 HLE’de 40.0 alırken Flash-Next 35.9 alır; DeepSeek-V4-Flash-0731 ise listelenen modeller arasında NL2Repo-Bench’te öndedir.
Qwen3.8-Flash-Next: Qwen4 İçin Ne Sinyal Veriyor?
Bu sürümün daha geniş önemi, Qwen4’ün temelini oluşturması beklenen mimarinin erken bir ön izlemesi rolüdür. Qwen3.8-Flash-Next; Qwen Sparse Attention, Gated DeltaNet, dört dallı Gated Residual bağlantıları, N-gram Gömme, ultra seyrek bir MoE uzman havuzu ve Çoklu-Token Tahminini bir araya getiriyor. Bu seçimler, etkin hesaplamayı aynı oranda artırmadan kapasiteyi yükseltmek ve daha uzun bağlam ile daha güçlü çok modlu ve ajan performansı sağlamak için Qwen’in nasıl yaklaştığını gösteriyor.
Nihai Değerlendirme
Qwen3.8-Flash-Next önemlidir; çünkü verimlilik sorununu yeniden biçimlendirir. Tüm parametreleri eşdeğer kabul etmek yerine, nispeten küçük bir etkin MoE yolu ile çok büyük bir arama tarzı bellek ve uzun bağlam için tasarlanmış seyrek bir getirme mekanizmasını birleştirir. Bu, Qwen’e kapasiteyi artırmak için, token başına matris hesaplamasını aynı oranda artırmadan, birkaç bağımsız kaldıraç sunar.
Geliştiriciler için bu, modeli yüksek hacimli kodlama asistanları, uzun bağlamlı ajanlar, çok modlu otomasyon ve self-hosted denemeler için cazip bir seçenek hâline getirir. Daha geniş Qwen yol haritası içinse daha da önemlidir: Qwen bu sürümü, Qwen4’e doğru rafine etmeyi planladığı mimari yönü görünür kılmak için açıkça kullanıyor.