通义千问开源 Qwen3.8-Flash-Next，一款多模态 MoE 模型，也是 Qwen4 架构的早期预览。
该模型采用 GDN + QSA 混合注意力等四项升级，总参数 125B，每 token 激活 6B，训练成本约为 Qwen3.7-Plus 的 1/9，编码与办公任务能力更强。
🔗 阅读原文 via AIHOT · https://aihot.virxact.com/items/cmta2veap03nmrolwxllvp4ay
Actu IA / Industrie
Back to AI news
Qwen3.8-Flash-Next open source : aperçu précoce de l'architecture Qwen4
Qwen3.8-Flash-Next open source de Tongyi Qianwen, un modèle MoE multimodal, est également un aperçu précoce de l'architecture Qwen4. Ce modèle adopte quatr...
Brief IA du jour
Qwen3.8-Flash-Next open source de Tongyi Qianwen, un modèle MoE multimodal, est également un aperçu
précoce de l'architecture Qwen4. Ce modèle adopte quatre améliorations, dont l'attention mixte GDN + QSA, avec un total de 125 milliards de paramètres, 6 milliards activés par token, et un coût d'entraînement d'environ 1/9 de celui de Qwen3.7-Plus, offrant de meilleures capacités pour les tâches de codage et de bureau. 🔗 Lire l'article original via AIHOT · https://aihot.virxact.com/items/cmta2veap03nmrolwxllvp4ay
资讯正文 · AI 整理
Évaluation
Aioga 编辑摘要
通义千问开源 Qwen3.8-Flash-Next，并将其定位为多模态 MoE 模型及 Qwen4 架构的早期预览。材料称，该模型总参数为 125B，每 token 激活 6B。
背景分析
公开材料介绍，Qwen3.8-Flash-Next 采用 GDN 与 QSA 混合注意力等四项升级，训练成本约为 Qwen3.7-Plus 的九分之一，并强调编码与办公任务能力更强。
Aioga 观点
Aioga 判断，这次发布的核心信号是架构预览与模型开源同时推进。材料对能力提升作出概括，但未提供具体评测数据，因此不宜据此断言其全面领先。
影响与后续
值得关注的是，125B 总参数与每 token 激活 6B 的组合，显示该模型在参数规模和单 token 激活量之间进行了取舍。其实际效率与任务表现仍需结合公开测试进一步核验。 建议持续核对 Qwen 官方后续材料，重点关注四项架构升级的完整说明、编码与办公任务的评测方法及结果，以及训练成本口径，避免仅依据摘要判断模型价值。
Source and Copyright
La source fournit un titre, un résumé, une attribution et un lien original. Aioga ne republie pas l’article intégral.
Canal de collecte: REST API · Domaine source: qwen.ai
Source: Qwen：Blog Retrieval（API
Lien original: Ouvrir la source
Archive Aioga: Ouvrir la page de veille
Content record: summary-fallback · Updated: 2026-08-26T12:30:00.000Z
API RELAY · DEVELOPER INFRASTRUCTURE
API 中转站
统一接入主流 AI 模型 API，为开发、测试与生产环境提供稳定调用入口。
立即访问 api.w173.com
Scan to open this article