阿里开源Qwen3.8-Flash 训练成本降九成

# 阿里开源Qwen3.8-Flash 训练成本降九成 ## 时间 2026年8月26日晚（北京时间） ## 地点 中国杭州 阿里巴巴通义实验室 ## 人物 - 阿里通义千问团队 ## 事件详情 8 月 26 日晚，阿里通义千问团队正式发布并同步开源 Qwen3.8-Flash 模型。该模型采用全新下一代（Next）架构，主模型参数 125B，叠加 51B 的 N-gram Embedding 记忆库，每个 Token 仅激活 6B 参数，性能超越 Claude Opus 4.6、接近 Opus 4.8，创下模型效率全球新基准。 得益于架构与训练的全面革新，Qwen3.8-Flash 训练成本较上一代 Qwen3.7-Plus 骤降近 90%，仅用九分之一的资源完成训练。推理成本同样大幅下降，定价每百万 Tokens 输入 1 元、输出 3 元，最低仅为 DeepSeek-V4-Flash 的三分之一。发布次日阿里云再降价，输入降至 0.8 元、输出 2.7 元。 Qwen3.8-Flash 是一个多模态混合专家（MoE）模型，原生支持 262,144 token 上下文，并可通过 YaRN 扩展至 1M token。架构层面采用四方面系统升级： - Attention：引入 GDN（Gated DeltaNet）与 QSA（Qwen Sparse Attention）混合注意力架构，QSA 通过压缩式轻量 Indexer 在 micro-block 粒度上筛选重要上下文，高缓存命中场景下 1M token 长上下文提速 8 倍以上。 - Residual：引入自研 Gated Residual 方法，把传统 Transformer 的 1 条信息主通道拆分为 4 条，让模型动态决定读写信息。 - Embedding：引入 51B 的 N-gram Embedding 参数，提供高效查表寻址，Embedding 表可卸载到 Host Memory 并异步 Prefetch。 - Optimization：采用 Muon Optimizer，围绕正交化精度、Muon 与 AdamW 参数分工、融合参数拆分等策略进一步优化，并针对新架构重新拟合 Scaling Law。 Qwen3.8-Flash 模型权重已在 Hugging Face 与魔搭社区（ModelScope）同步开源，并提供 FP8 量化版本。Qwen3.8-Flash-Next 默认支持 1M 上下文、内置官方工具，是下一代 Qwen4 系列模型的雏形。Qwen3.8-Flash 当晚首发上线"千问办公"，开发者和企业也可通过千问 AI 平台获取 API 服务。 截至目前，Qwen3.8 系列已开源 2.4T 参数量的 Qwen3.8-Max、Qwen3.8-27B 与 Qwen3.8-Flash 三大尺寸模型；Qwen 模型全球下载量突破 30 亿次，衍生模型数超过 30 万个。 ## 背景 阿里通义与智谱在 8 月 26 日同日发布"高性价比"路线模型——Qwen3.8-Flash 与 GLM-5.3-Flash，两款产品均采用 MoE 架构，对外开源权重，主打高并发、低成本、原生多模态与 Agent 能力。 GLM-5.3-Flash 总参数 320B、单 Token 激活 18B，API 价格仅为 GLM-5.3 的十分之一，限时折扣阶段进一步降至二十分之一，约为 Claude Opus 4.8 的四十分之一。智谱 GLM-5.3-Flash 正式发布前以匿名模型 Ox-Alpha 在 OpenRouter、OpenCode 两大海外平台测试，迅速登顶并刷新双平台历史纪录，Token 调用量高达 62T。8 月 27 日港股收盘，智谱全日收涨 12.62%，报 1160 港元/股。 这标志着国内大模型厂商对 Flash 路线的集体落地，"参数不再是竞赛的唯一标尺，效率、成本和落地能力正在重新定义游戏规则"。 ## 影响 Qwen3.8-Flash 把"千亿参数激活 6B"的稀疏化路线推向极致：训练成本降至前代九分之一、推理价格仅为 DeepSeek-V4-Flash 的三分之一。其 GD N+QSA 混合注意力、Gated Residual、N-gram Embedding 等模块化创新，也为下一代 Qwen4 奠定了架构基础。 对企业而言，1M token 长上下文与高缓存命中 8 倍提速让 Agent、长文档理解、代码助手等高 token 消耗场景成本大幅下降；对开发者而言，开源权重与 FP8 量化版本提供了本地部署的可能；对国内大模型竞争格局而言，Flash 路线让"高效率、低成本"成为新的主战场。 ## 总结 Qwen3.8-Flash 是阿里通义迈向 Qwen4 的前哨站，把"更少的算力、更多的能力"做到新的基准。当训练与推理成本双双断崖式下降，"参数竞赛"开始让位于"效率落地"，国内大模型竞争也随之进入新阶段。 ## 参考来源 1. 中国证券报《阿里发布Qwen3.8-Flash模型并开源》https://jnzstatic.cs.com.cn/zzb/htmlInfo/131390.html 2. 今日头条《新京报：阿里开源发布Qwen3.8-Flash，训练成本骤降近90%》https://www.toutiao.com/article/7678356666886210088 3. 网易《Qwen3.8-Flash正式发布》https://www.163.com/dy/article/L5B6FH350511DDOK.html 4. 今日头条《21世纪经济报道：阿里智谱同日上新，效能与性价比重塑大模型竞争》https://www.toutiao.com/article/7678680560633479732/ 5. 凤凰网汽车《网通社快报：阿里通义千问团队开源Qwen3.8-Flash多模态AI模型》https://auto.ifeng.com/c/8vudpFAYGC3