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
Tin AI / 行业动态
Back to AI news
Qwen3.8-Flash-Next Mã nguồn mở: Xem trước sớm kiến trúc Qwen4
Thông nghĩa thiên vấn mã nguồn mở Qwen3.8-Flash-Next, một mô hình MoE đa phương thức, cũng là phiên bản xem trước sớm của kiến trúc Qwen4. Mô hình này sử d...
Tóm tắt thông tin AI hôm nay
Thông nghĩa thiên vấn mã nguồn mở Qwen3.8-Flash-Next, một mô hình MoE đa phương thức, cũng là phiên
bản xem trước sớm của kiến trúc Qwen4. Mô hình này sử dụng bốn nâng cấp bao gồm chú ý hỗn hợp GDN + QSA, tổng số tham số 125 tỷ, mỗi token kích hoạt 6 tỷ, chi phí huấn luyện khoảng một phần chín so với Qwen3.7-Plus, khả năng mã hóa và thực hiện các nhiệm vụ văn phòng mạnh hơn. 🔗 Đọc bản gốc qua AIHOT · https://aihot.virxact.com/items/cmta2veap03nmrolwxllvp4ay
资讯正文 · AI 整理
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。
Source and Copyright
当前抓取源提供的是标题、摘要、来源和原文入口，不直接搬运完整原文。完整报道请通过下方原文链接前往来源站点查看。
抓取通道: REST API · 原始域名: qwen.ai
Nguồn: Qwen：Blog Retrieval（API
原文链接: Mở nguồn gốc
Aioga 归档: 查看情报页
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