全新架構，極致性價比！阿里千問Qwen3.8-Flash發佈並開源

8月26日晚，阿里發佈並同步開源千問最新模型 Qwen3.8-Flash。該模型採用全新下一代架構，千億總參數僅激活60億（6B）即可獲得超越Claude Opus4.6的前沿性能，創下模型效率的全球新基準。得益於架構和訓練的全面革新，Qwen3.8-Flash訓練成本較Qwen3.7-Plus驟降近90%，推理成本同樣大幅下降，每百萬Tokens輸入僅1元，輸出3元，價格最低至DeepSeek-V4-Flash的1/3，將全球模型性價比“斬殺”至極致新水平。Qwen3.8-Flash今晚將首發上線“千問辦公”，開發者和企業也可通過千問AI平臺獲取新模型API服務。Qwen3.

8-Flash是一個多模態混合專家（MoE）模型，採用了下一代（Next）模型架構，Transformer參數125B僅激活6B，性能表現超越Opus4.6、接近Opus4.8。僅完成預訓練的Qwen3.8-Flash基座（Base）模型，在通用（SuperGPQA）、數學推理（GSM8K）、編程（SWEBench-Pretrain）等基礎能力上超過了3倍其大小的Qwen3.7-Plus基座模型。經後訓練後，Qwen3.8-Flash性能實現躍遷：在考驗智能體編程的SWE-bench Pro評測中領先Opus4.6多達9.

1分；在長程專業任務CoWorkBench、真實工具調用Toolathlon Verified等智能體任務中均超越了DeepSeek-V4-Flash，在專業工作任務JobBench智能體評測中超出Opus4.6近20分；多模態能力方面，在模擬手機操作的移動端智能體AndroidWorld評測中，Qwen3.8-Flash比Opus4.6高出22.5分，在以視覺推理解決數學問題的MathVision任務中超出25.1分，具身智能ERQA任務領先31.5分，Qwen3.8-Flash的整體多模態能力顯著更強。Qwen3.8-Flash出色的模型能力得益於其革新的模型架構和訓練方案。

模型採用了與此前所有千問大模型完全不同的全新架構：在注意力方面，引入獨特的QSA（Qwen Sparse Attention）機制，形成與GDN高效融合的混合注意力架構，可顯著降低計算開銷，在高緩存命中的1M Tokens長上下文實際場景中可提速8倍以上，又準又快；在模型內部信息傳遞方面，引入自研的 Gated Residual 方法，將傳統Transformer的1條信息主通道拆分並拓展為4條，讓模型可根據需求動態決定讀寫信息，信息傳遞更高效，訓練也更穩定；在模型參數擴展方面，引入51B的N-gram Embedding參數，為模型Transformer參數提供更高效的查表尋址，在每次token計算時無需參與，以極少的資源消耗“外掛”了一個大規模的 “記憶指南手冊”，模型參數擴展效率更高；在模型優化方面，模型結構和訓練優化協同進行，收斂效率和訓練吞吐大幅提升。

Qwen3.8系列技術創新，直接帶來了訓練和推理的成本大幅下降。Qwen3.8-Flash性能與上一代Qwen3.7-Plus接近，但僅用九分之一的資源便完成了訓練，訓練成本大降90%；推理時，Qwen3.8-Flash每百萬Tokens輸入低至1元，輸出3元，是Claude Opus4.6的3%，是DeepSeek-V4-Flash閒時價格的2/3、忙時價格的1/3。Qwen3.8-Flash擅長處理智能體編程、專業辦公、長程任務等，同時Qwen團隊和“千問辦公”團隊對模型和Harness框架協同聯合優化，Agentic能力進一步提升。現在，千問辦公“標準模式”內置了Qwen3.

8-Flash，可完成95%的日常辦公任務。據瞭解，Next新架構將是全新一代千問大模型Qwen4的雛形，Qwen3.8-Flash-Next模型權重已在Hugging Face、魔搭社區全面開源，交由全球AI開源社區檢驗，以更好打造Qwen4模型。截至目前，Qwen3.8已開源發佈2.4T參數量的Qwen3.8-Max、Qwen3.8-27B及Qwen3.8-Flash三大尺寸模型，Qwen模型全球下載量突破30億次，衍生模型數超30萬個，全尺寸、全模態的全面開源正在全球掀起新一輪中國模型浪潮。