Alibaba 旗下的模型研發團隊 Qwen 於日本時間 2026 年 8 月 26 日公開了開放權重的 AI 模型「Qwen3.8-Flash-Next」。總參數量為 1250 億，但每個 token 實際啟動的僅有 60 億，並提前導入了為下一代「Qwen4」準備的 4 項新機制。權重目前已可從 Hugging Face 與 ModelScope 下載。

總參數 1250 億，實際運作的只有 60 億

Qwen3.8-Flash-Next 是一款除了文字之外，也能處理影像與影片的 MoE（Mixture-of-Experts，混合專家）模型。MoE 會把模型內部拆成許多分工不同的小型網路，每次輸入只啟動需要的部分，藉此壓低運算量。「125B-A6B」的寫法代表總參數 1250 億、啟動參數 60 億。

在主體之外，模型另外帶有 510 億參數規模的 N-gram 嵌入。脈絡長度預設為 26 萬 2144 個 token，擴充後最長可達 100 萬 token。

與 Opus 4.6 及 27B 版本的比較

在 Qwen 公布的基準測試結果中，對比 Anthropic 的「Claude Opus 4.6（Max）」，衡量軟體開發能力的 SWE-bench Pro 為 62.5%（Opus 4.6 為 53.4%），涵蓋長時間文書作業的 CoWorkBench 為 73.9%（對方 68.2%），職務任務的 JobBench 為 55.7%（對方 36.6%），三項皆領先。

與自家總參數 3970 億的上位模型「Qwen3.7-Plus」相比，也在多數項目勝出，而訓練成本據稱只有約九分之一。

更值得注意的是與本地 AI 常見選擇「Qwen3.8-27B」的比較。27B 屬於 270 億參數全部參與運算的 Dense（稠密）型模型，Qwen3.8-Flash-Next 卻只運作 60 億。即便如此，在語言與視覺合計 22 個項目中達到同等以上，其中 21 項勝出。SWE-bench Pro 為 62.5% 對 61.7%，差距不大；但 JobBench 為 55.7% 對 33.4%，差距相當明顯。

要說明的是，這些數字都由 Qwen 自行公布，並非第三方獨立驗證的結果，解讀時應把這個前提放在心上。

提前落地的 4 項 Qwen4 新機制

Qwen 把「啟動參數這麼少卻仍有高分」的原因，歸結為 4 項設計上的調整。

第一是注意力機制（決定要關注脈絡中哪些部分的機制）的結構。每 4 層由 3 層負責壓縮並記住脈絡的「Gated DeltaNet」，搭配 1 層只挑出重要區塊回頭讀取的「Qwen Sparse Attention」組成。在快取命中率 90%、輸入 100 萬 token 的條件下，預填充處理量達到 Qwen3.7-Plus 的 8.6 倍。

第二是「Gated Residual」，把各層輸入直通到深層的路徑從 1 條增加為 4 條，並以閘門動態控制每條路徑的讀寫量。初期資訊在傳到深層時比較不會被稀釋，訓練也更穩定。

第三就是前面提到的 N-gram 嵌入。它是一張依據前面數個 token 的排列查出對應向量的參照表，與主體分開，規模為 510 億參數。由於只是查表，每個 token 的運算量幾乎沒有增加。

第四是提升訓練時參數更新效率的新方法「Muon」，能以較少的步驟完成訓練。訓練成本降到約九分之一，關鍵就在這裡。

510 億參數能放進記憶體的意義

對在自己機器上跑模型的人來說，最關鍵的是 N-gram 嵌入的 510 億參數可以放在記憶體而非顯示記憶體。一般來說，塞不進顯示記憶體的參數得每次從記憶體傳輸到 GPU，速度會大幅下滑。以 8GB 顯示卡運作 35B 等級模型而受到矚目的執行環境「FreeToken」也跨過了同樣的門檻，但那是以 NVIDIA 顯示卡為前提、在執行環境端所做的工夫。

Qwen3.8-Flash-Next 則是從模型端就以「放在記憶體並預先讀取」為前提來設計，因此不受特定 GPU 環境限制。Qwen 列出的伺服器端對應環境為推論框架「SGLang」「vLLM」「TokenSpeed」。本地端也提到「llama.cpp」的支援，不過是否已經實作到預先讀取，目前還不清楚。

授權條款與商用版價格

授權採用「Qwen Community License 1.0」，原則上含商用在內皆為免費。但若經營 MaaS 業務，或提供以 AI 程式撰寫、辦公室輔助為主要用途的產品，就需要另行簽約。此外，月活躍使用者超過 1 億，或月營收超過 2000 萬美元（約 32 億日圓）的產品，必須在 UI 上標示模型名稱。

對應的商用版「Qwen3.8-Flash」預計近期會透過 QwenCloud 的 API 提供。價格公布為每 100 萬 token 輸入 0.16 美元（約 25 日圓）、輸出 0.47 美元（約 75 日圓）。

※1 美元 = 159 日圓

總結

Qwen3.8-Flash-Next 等於是把下一代 Qwen4 的設計提前釋出。重點在於：以 60 億啟動參數的輕量結構拿到 Opus 4.6 等級的分數，並把沉重的部分交給記憶體，藉此擺脫對特定 GPU 的依賴。若 llama.cpp 的預先讀取支援確定到位，能在自家電腦上運作的模型選擇還會再擴大。