阿里千问官方发布 Qwen3.8-Flash-Next：探索极致成本效益的新 MoE 架构

阿里巴巴通义千问团队在8月26日公布Qwen3.8-Flash-Next，开放模型权重并展示面向Qwen4的部分架构探索，关注价值在于它把长上下文效率、参数容量和推理成本作为联合设计目标，而不是只更新模型规模。

• 模型采用Gated DeltaNet与Qwen Sparse Attention混合架构，前者压缩历史状态，后者以微块为单位筛选重要上下文。
• 官方披露主模型参数为1250亿，另有510亿N-gram Embedding参数，但每个token激活参数约60亿；其计算成本不能仅按总参数量判断。
• 模型原生支持262144个token上下文，并可通过YaRN扩展至100万token；官方还报告在特定缓存命中率和长上下文设置下，预填充吞吐相对Qwen3.7-Plus提升。
• 权重已发布至Hugging Face和ModelScope；Qwen团队同时披露QwenCloud上的Qwen3.8-Flash价格为每百万输入token 0.16美元、输出token 0.47美元，并说明API将在公告后启用。
• 性能表和成本数据均为发布方测试，涉及不同模型、工具链和评测修订，不能直接推导出所有生产场景的性价比。
• 影响/看点：如果稀疏注意力、主机内存卸载和小激活规模能在真实流量下稳定工作，长文档和高频智能体任务的单位成本可能下降；成立条件是服务端缓存、部署框架、延迟要求和任务分布与测试设置相近。资料依据: Qwen官方博客《Qwen3.8-Flash-Next：一种新架构，迈向极致的成本效益》，2026年8月26日，https://qwen.ai/blog?id=qwen3.8-flash-next；Qwen团队技术报告《On the Design of Qwen3.8-Next Architecture》，2026年8月，https://github.com/QwenLM；Hugging Face模型库，2026年8月，https://huggingface.co/Qwen

本内容由 AI 生成，仅供参考，请注意甄别