8月26日晚，阿里巴巴发布并同步开源千问最新模型Qwen3.8-Flash（开源版本名为Qwen3.8-Flash-Next）。该模型采用全新的“Next”架构，总参数1250亿（125B），每次推理仅激活60亿（6B）参数，据称性能可超越Claude Opus4.6，并且训练成本较上一代Qwen3.7-Plus骤降近90%。阿里表示，这一架构将作为下一代千问大模型Qwen4的雏形。
模型结构上，Qwen3.8-Flash是一个多模态混合专家（MoE）模型，除125B的Transformer主干外，还配有51B的N-gram嵌入参数和一个40亿参数的multi-token prediction模块，磁盘上共180B参数，但每个token只激活6B。据科技媒体MarkTechPost报道，模型原生上下文长度为262,144 tokens，可通过YaRN扩展到100万。开源的权重已上传至Hugging Face和魔搭社区，采用qwen-community-1.0许可证，并非Apache-2.0，商业使用前需核实条款。
在性能方面，中文科技媒体雷峰网报道，Qwen3.8-Flash在SWE-bench Pro编程评测中领先Claude Opus4.6达9.1分，在JobBench智能体任务中超出近20分，在AndroidWorld手机操作评测中高出22.5分。MarkTechPost给出了具体分数：DeepSWE 1.1为58.7，SWE-bench Pro为62.5，SWE-bench Multilingual为81.0，LiveCodeBench v6为91.9；智能体任务中CoWorkBench 73.9、JobBench 55.7、Toolathlon Verified 73.5；多模态方面AndroidWorld 84.5、MathVision 95.7。但MarkTechPost同时指出，该模型并非在所有基准上领先：在HLE（人类最后考试）上Claude Opus 4.6获得40.0分，Qwen3.8-Flash为35.9分；在NL2Repo-Bench基准上，DeepSeek-V4-Flash-0731以54.2分领先于Qwen的48.1分，前沿推理仍是差距所在。
架构创新方面，据雷峰网报道，Qwen3.8-Flash引入了独特的QSA（Qwen Sparse Attention）机制，与GDN形成混合注意力结构，在高缓存命中的100万token长上下文场景下可提速8倍以上；同时引入Gated Residual方法，将传统Transformer的信息主通道从1条扩展为4条动态读写；还通过51B的N-gram Embedding参数提供高效的查表寻址。MarkTechPost详细说明了布局：每4层中3层使用Gated DeltaNet线性注意力层，第4层使用QSA，共48层形成12组，QSA预算为512个块或2048个token。关于加速效果，MarkTechPost提到厂商报告QSA内核在100万token下prefill最高加速7.6倍、decode最高4.9倍，而SGLang和vLLM食谱中称分别可达10.2倍和6.6倍，这些数据尚未经独立测量验证。
成本方面，据雷峰网，Qwen3.8-Flash仅用九分之一的资源便完成训练，训练成本下降90%；推理时每百万tokens输入1元、输出3元，约为Claude Opus4.6的3%，最低为DeepSeek-V4-Flash忙时价格的三分之一。MarkTechPost也确认训练成本约为Qwen3.7-Plus的九分之一。部署方面，模型FP8权重为172.78 GiB，BF16权重为335.28 GiB，MarkTechPost指出自托管需要多GPU节点，工作站无法运行。模型已上线“千问办公”标准模式，开发者和企业可通过千问AI平台获取API，支持vLLM、SGLang、llama.cpp等推理框架，并已开始为Qwen4的研发提供验证。