Alibaba Ra Qwen3.8-Flash-Next, Nhắm Tới Hiệu Quả Chi Phí Tối Ưu

Qwen3.8-Flash-Next có tổng cộng 125 tỉ tham số nhưng mỗi token chỉ kích hoạt 6 tỉ tham số. Model còn gồm 51 tỉ tham số trong một lớp nhúng N-gram mới, lưu các cụm từ phổ biến dưới dạng mục riêng giống như "từ điển cụm từ".

Lớp N-gram này có thể đặt trong RAM hệ thống thay vì trên GPU với "chi phí bổ sung tương đối thấp". Model hỗ trợ cửa sổ ngữ cảnh 262.144 token và có thể mở rộng tới một triệu token khi dùng YaRN.

Báo cáo kỹ thuật được đăng trên GitHub, còn trọng số model đã có trên Hugging Face và ModelScope. Phiên bản dành cho sản xuất tên Qwen3.8-Flash, phân phối qua QwenCloud và được niêm yết giá 0.16 đô la cho mỗi triệu token đầu vào và 0.47 đô la cho mỗi triệu token đầu ra. Qwen cho biết API sẽ hoạt động trong thời gian tới.

Theo đội Qwen, Flash-Next cho kết quả tốt hơn Qwen3.7-Plus với chi phí huấn luyện chỉ bằng khoảng một phần chín, trong đó cải thiện rõ nhất ở các tác vụ lập trình và văn phòng. Qwen3.7-Plus có 397 tỉ tham số và kích hoạt 17 tỉ tham số mỗi token.

Alibaba công bố so sánh đối với DeepSeek-V4-Flash (284 tỉ tham số, 13 tỉ kích hoạt) và Claude Opus 4.6 (Max). Flash-Next dẫn đầu phần lớn các bài kiểm tra mà Alibaba trình bày, đặc biệt trên các chuẩn đánh giá mã và năng suất văn phòng.

Trên các bài kiểm tra mã hóa, Flash-Next đạt 58.7 trên DeepSWE và 62.5 trên SWE-bench Pro, vượt DeepSeek-V4-Flash và Claude Opus 4.6. Trên tác vụ văn phòng và năng suất, Flash-Next đạt 73.9 trên CoWorkBench so với 45.1 của DeepSeek-V4-Flash. Trên JobBench, Flash-Next đạt 55.7, gần gấp đôi Qwen3.7-Plus là 27.6.

Về các bài kiểm tra khác, Flash-Next và các model so sánh cho kết quả tương đương trên reasoning khoa học (GPQA Diamond: 91.7) và lập trình cạnh tranh (LiveCodeBench v6: 91.9). Claude Opus 4.6 chỉ dẫn trước trên bài Humanity's Last Exam; Anthropic model đó được gọi là "older" và từ tháng 2 năm 2026 theo thông tin công bố.