Qwen3.8-Flash-Next 开源：Qwen4 架构早期预览

Aioga Editorial Team

AI资讯 / 行业动态

返回 AI资讯

Qwen3.8-Flash-Next 开源：Qwen4 架构早期预览

Qwen：Blog Retrieval（APIAioga 编辑团队2026-08-26T12:30:00.000Z热度 72

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 1...

行业动态Qwen：Blog Retrieval（API）

今日 AI 情报摘要

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

资讯正文 · AI 整理

Qwen3.8-Flash-Next 开源：Qwen4 架构早期预览这条更新来自 qwen.ai，发布时间为 2026-08-26，Aioga 保留原文入口以便核验。

摘要：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

背景：背景分析：模型与研究类动态需要结合能力边界、开放方式、成本、可用性和真实任务表现判断，单项指标领先不等于已经形成稳定采用。

Aioga 观察：Aioga 判断：这条动态更适合作为行业观察信号，当前信息足以建立线索，但不足以推导长期结论。

影响与后续：影响分析：对相关团队而言，短期应先核对来源、可用范围和实际成本，再判断是否值得接入或跟进。后续观察：继续观察官方文档、实际可用性、价格变化、开发者反馈和竞品回应。

情报判断

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。