阿里开源Qwen3.8-Flash：新架构实现千亿参数仅激活6B，性价比颠覆行业

事件概述

2026年8月26日晚，阿里发布并同步开源了千问系列最新模型 Qwen3.8-Flash。该模型基于全新的下一代（Next）架构，旨在通过极致的效率优化，在保持高性能的同时大幅降低计算资源消耗。目前，Qwen3.8-Flash权重已在 Hugging Face 和魔搭社区全面开源，供全球开发者使用。

核心信息

1. 架构革新：千亿参数，仅激活6B

• 混合专家（MoE）结构：Qwen3.8-Flash 是一个多模态 MoE 模型，Transformer 总参数量为 125B，但每次推理仅激活 6B 参数。
• 性能表现：尽管激活参数极少，其性能表现超越了 Claude Opus 4.6，并接近 Opus 4.8。仅完成预训练的基座模型（Base），在通用能力（SuperGPQA）、数学推理（GSM8K）和编程（SWEBench-Pretrain）等基础评测中，超越了参数量为其3倍的 Qwen3.7-Plus 基座模型。

2. 关键技术创新

• QSA 稀疏注意力机制：引入独特的 Qwen Sparse Attention (QSA) 机制，与 GDN 高效融合形成混合注意力架构。在高缓存命中的 1M Tokens 长上下文场景中，推理速度提升 8 倍以上。
• Gated Residual 信息传递：将传统 Transformer 的单条信息主通道拆分为 4 条，使模型能动态决定信息的读写，提升了信息传递效率和训练稳定性。
• N-gram Embedding 参数扩展：引入 51B 的 N-gram Embedding 参数作为“外挂”记忆指南手册，在不增加 Token 计算负担的前提下，提高了参数扩展效率。
• 协同优化：模型结构与训练方案协同优化，显著提升了收敛效率和训练吞吐量。

3. 极致性价比与成本下降

• 训练成本：相比上一代 Qwen3.7-Plus，Qwen3.8-Flash 仅用九分之一的资源完成训练，训练成本大幅下降约 90%。
• 推理成本：每百万 Tokens 输入价格为 1 元，输出为 3 元。
  • 仅为 Claude Opus 4.6 价格的 3%。
  • 为 DeepSeek-V4-Flash 闲时价格的 2/3，忙时价格的 1/3。

4. 智能体与多模态能力跃升

• 智能体任务：在 SWE-bench Pro（智能体编程）评测中领先 Opus 4.6 达 9.1 分；在 CoWorkBench、Toolathlon Verified 等专业任务和工具调用任务中超越 DeepSeek-V4-Flash；在 JobBench 专业工作智能体评测中超出 Opus 4.6 近 20 分。
• 多模态能力：在 AndroidWorld（模拟手机操作）评测中比 Opus 4.6 高出 22.5 分；在 MathVision（视觉推理数学）任务中超出 25.1 分；在具身智能 ERQA 任务中领先 31.5 分。

值得关注

• 应用落地：Qwen3.8-Flash 已首发上线“千问办公”，其“标准模式”内置该模型，可处理 95% 的日常办公任务。开发者和企业也可通过千问 AI 平台获取 API 服务。
• 未来展望：此次采用的 Next 新架构被视为全新一代千问大模型 Qwen4 的雏形。团队正通过开源社区反馈，进一步优化以打造 Qwen4。
• 生态规模：截至目前，Qwen3.8 系列已开源发布 Qwen3.8-Max、Qwen3.8-27B 及 Qwen3.8-Flash 三大尺寸模型。Qwen 模型全球下载量突破 30 亿次，衍生模型数超 30 万个，持续推动全尺寸、全模态的开源浪潮。