Qwen3.8-Flash-Next - 阿里 Qwen 发布的开源权重多模态 MoE 模型

Qwen3.8-Flash-Next是什么

Qwen3.8-Flash-Next 是阿里 Qwen 发布的开源权重多模态 MoE 模型，定位为 Qwen4 架构的先导预览：主模型 125B 参数，另配 51B N-gram Embedding，每 token 仅激活约 6B；原生支持 262K 上下文，可经 YaRN 扩至 1M。用 GDN＋QSA 混合注意力、Gated Residual、N-gram Embedding 与 Muon 优化器压低长上下文与训练成本，官方称训练开销约为 Qwen3.7-Plus 的 1/9；生产 API 名为 qwen3.8-flash，主打编码、智能体、办公自动化等高并发性价比场景。

Qwen3.8-Flash-Next的功能特色

• 开放权重的多模态 MoE：主模型 125B 参数、每 token 激活约 6B，并额外带 51B N-gram Embedding，兼顾能力与推理成本。
• 超长上下文：原生 262,144 tokens，YaRN 可扩展到 1,000,000 tokens，面向长文档、长代码库和长链路任务。
• 长上下文效率架构：GDN 负责压缩记忆，QSA 在 micro-block 粒度筛选关键上下文，降低 1M 场景下的 attention 与 KV cache 开销。
• 更稳的深层信息传递：Gated Residual 把残差流扩成 4 条分支并动态门控读写，提升跨层传递与训练稳定性，残差状态还可 FP8 存储。
• 低成本扩容：N-gram Embedding 用局部上下文查表增加“局部模式记忆”，参数可放 Host Memory 并异步预取，几乎不增加每 token 计算。
• 面向编码与智能体：官方基准突出 agentic coding、工具调用、办公长任务与多模态操作，如 SWE-bench Pro、Toolathlon、CoWorkBench、AndroidWorld/OSWorld 等。
• 生态与接入：生产 API 以 qwen3.8-flash 提供，兼容 OpenAI/Anthropic 协议，可接 Claude Code、Codex、Qoder CLI、Qwen Code、OpenClaw 等工具。

Qwen3.8-Flash-Next的核心优势

• 极致性价比：125B 总参数但每次只激活约 6B，官方称训练成本约为 Qwen3.7-Plus 的 1/9；生产 API 每百万 tokens 输入 1 元、输出 3 元。
• 长上下文更便宜：GDN＋QSA 把“记住”和“查找”分工，官方称 1M token 下 attention kernel prefill/decode 最高加速 7.6×/4.9×，90% prefix cache 场景 prefill 吞吐达 Qwen3.7-Plus 的 8.6 倍。
• 容量扩展几乎不增算力：51B N-gram Embedding 用局部上下文查表扩容，可卸载到 Host Memory 并异步预取，确定性寻址不计入每 token 矩阵乘预算。
• 训练稳定性与扩展效率更强：Gated Residual 四分支残差、Muon 优化器分工与重拟合 Scaling Law，官方还称可取消 Batch Size Warmup，减少约 18.8% optimizer steps。
• 偏实战的智能体/编码能力：官方基准中 SWE-bench Pro 62.5、Toolathlon Verified 73.5、CoWorkBench 73.9，多模态侧 AndroidWorld 84.5、MathVision 含 CI 95.7；但仍属官方自报口径。
• 落地路径完整：开放权重上 Hugging Face/ModelScope，托管 API 兼容 OpenAI 与 Anthropic 协议，可直接接 Claude Code、Codex、Qwen Code、OpenClaw 等主流编程/智能体工具。

Qwen3.8-Flash-Next官网是什么

• 项目官网：https://qwen.ai/blog?id=qwen3.8-flash-next
• HuggingFace模型库：https://huggingface.co/Qwen/Qwen3.8-Flash-Next?spm=a2ty_o06.30285417.0.0.1d73c921FsyOPe&file=Qwen3.8-Flash-Next
• 技术论文：https://github.com/QwenLM/Qwen3.8-Flash-Next/blob/main/tech_report.pdf

Qwen3.8-Flash-Next的操作步骤

• 先选使用方式：生产调用走千问 AI 平台的 qwen3.8-flash；研究/自部署用开放权重 Qwen3.8-Flash-Next（Hugging Face / ModelScope）。
• 准备 API 凭证：在千问平台创建 Key，设置 DASHSCOPE_API_KEY，按需选北京、新加坡或美西 compatible-mode base URL。
• 发起最小调用：用 OpenAI 兼容客户端请求 model="qwen3.8-flash"，可开 enable_thinking=True，reasoning_effort 选 low/medium/xhigh，建议 stream=True 读取 reasoning 与 answer。
• 接入编程/智能体工具：Claude Code 设 ANTHROPIC_MODEL=qwen3.8-flash 与 Anthropic base URL；Codex 在 model-catalog.local.json 配 context_window: 1000000、reasoning levels 后用 Responses 协议；Qwen Code/Qoder/OpenClaw 也有对应命令或 JSON 配置。
• 自部署时核对硬件：下载 FP8 权重，优先按官方生态用 vLLM/SGLang 类方案；注意 ultra-sparse MoE、MTP speculative、N-gram offload 目前仅 NVIDIA，量化块与 TP/TEP 配置不能随意组合。
• 灰度验证再上量：先用 32K–256K 常规上下文测延迟、命中率和工具调用成功率，再开 YaRN/1M 与 prefix cache；用自身任务做 A/B，别直接采信官方 benchmark。
• 控制成本与稳定性：按输入 1 元/输出 3 元每百万 tokens 估算，限制 max tokens、复用前缀、分流简单请求到更低 reasoning effort，并监控长上下文下的显存/内存与吞吐。

Qwen3.8-Flash-Next的适用人群

• 高并发、成本敏感的业务团队：客服、内容生产、批量办公自动化等，看重 6B 激活、1M 上下文与低价 API 的组合。
• 编程助手 / Agentic Coding 团队：要用 Claude Code、Codex、Qwen Code、OpenClaw 等做仓库级修复、工具调用和长链路开发任务。
• 长上下文场景用户：法律/金融/咨询/科研阅读、长合同、长财报、代码库理解，需要 262K 原生上下文并可扩展到 1M。
• 企业办公与知识工作流团队：千问办公、报表、文档、跨部门流程自动化等长周期 office/agent 任务较匹配。
• 多模态操作类产品：网页复刻、移动端/桌面端 GUI 操作、图表数学理解、视频理解等，可关注其 AndroidWorld、OSWorld、Vision2Web、MathVision 方向。
• 有 infra 能力的研究/平台团队：想提前验证 Qwen4 架构、做二次训练/评测/私有化部署；但自部署需接受 FP8、MoE、N-gram offload 与 NVIDIA 硬件约束。

Qwen3.8-Flash-Next的常见问题