Alibaba Qwen 发布 Qwen3.8-Flash-Next
先了解这件事
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。
摘自 Qwen:Blog Retrieval
报道时间线
沿着报道,了解事件的不同侧面。
- Simon Willison 博客Qwen3.8-Flash-Next 发布:Qwen 开源多模态 MoE 模型,提前预览 Qwen4 架构
Qwen 发布开源多模态 MoE 模型 Qwen3.8-Flash-Next,作为 Qwen4 架构的早期预览。模型总参数 125B,仅激活 6B 参数,带来显著性能提升。作者已在 DGX Spark 上通过 Unsloth 量化版本试用,包括 72.5GB 的 UD-IQ1_S 和 78.9GB 的 UD-Q2_K_XL 版本。
- MarkTechPost阿里 Qwen 团队发布 Qwen3.8-Flash-Next:125B 多模态 MoE 模型,仅 6B 参数激活,预览 Qwen4 架构
阿里 Qwen 团队发布开源权重多模态 MoE 模型 Qwen3.8-Flash-Next,125B 主干搭配 51B N-gram 嵌入表和 4B 多 token 预测模块,每个 token 仅激活 6B 参数,被视为 Qwen4 架构的早期预览。
- The Decoder:AI News阿里发布 Qwen3.8-Flash-Next,主打“极致成本效率”
阿里 Qwen 团队发布多模态 MoE 模型 Qwen3.8-Flash-Next,作为 Qwen4 的架构预览,总参数 1250 亿但每 token 仅激活 60 亿,并引入 510 亿参数的 N-gram 嵌入层,可运行于系统内存。
- LMSYS BlogQwen 开源 Qwen3.8-Flash-Next,SGLang 提供 Day-0 支持
Qwen 团队开源多模态 MoE 模型 Qwen3.8-Flash-Next,作为 Qwen4 架构的早期预览版。该模型采用 125B 参数主模型加 51B N-gram Embedding,每 token 激活 6B 参数,共 48 层,MoE 层使用 512 个专家和 top-10 路由。
- 通义千问 / QwenQwen3.8-Flash-Next 发布,SGLang 首日支持
通义千问发布 Qwen3.8-Flash-Next,SGLang 即日支持部署。该模型为 125B 主模型,含 51B N-gram 嵌入,每 token 激活 6B 参数。N-gram 嵌入几乎不增加计算成本即可扩展容量,并可通过异步预取驻留内存;GDN+QSA 混合注意力兼顾长任务效率与检索精度。
- Qwen:Blog Retrieval精选Qwen3.8-Flash-Next 开源:Qwen4 架构早期预览
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。