2026年8月26日晚，阿里通义千问团队发布了一个让整个AI行业瞩目的开源模型：Qwen3.8-Flash。它的核心数据非常炸裂：125B总参数，每次推理只激活6B，训练成本仅为上一代的1/9。
这不是简单的参数压缩，而是阿里对下一代大模型架构的一次全面重构。
为什么这个模型值得关注？
大模型行业一直面临一个矛盾：模型越大越聪明，但训练和推理成本也越高。Qwen3.8-Flash试图打破这个困局。
它是一个多模态混合专家（MoE）模型，采用了一种全新的稀疏激活架构：虽然总参数量达到125B，但每次处理一个token时，只需要激活其中的6B参数。相当于一个拥有125B知识的超级大脑，但每次只调动极小一部分神经元工作。
四大架构创新
阿里这次在四个核心方向做了系统性升级：
- 混合注意力机制 GDN + QSA：用门控DeltaNet高效压缩历史信息，配合Qwen稀疏注意力在micro-block粒度筛选关键上下文。在处理1M token超长上下文时，Prefill阶段提速最高7.6倍，Decode阶段提速4.9倍
- 门控残差 Gated Residual：把传统Transformer的1条信息通道扩展为4条并行分支，通过动态门控控制信息读写，残差状态支持FP8存储，显存占用大幅降低
- N-gram嵌入层：引入51B参数的N-gram查表机制，相当于给模型配了一个大规模记忆手册，参数可卸载到系统内存，不长期占用GPU显存
- Muon优化器：针对新架构重新拟合了Scaling Law，收敛效率和训练吞吐大幅提升
性能表现
在6B激活参数下，Qwen3.8-Flash-Next-Base在14个基准测试中的8个取得了最优结果：
- 代码能力：DeepSWE 1.1得分58.7，SWE-bench Pro得分62.5，LiveCodeBench v6得分91.9
- 智能体任务：CoWorkBench得分73.9，Toolathlon Verified得分73.5
- 多模态：MathVision（带代码解释器）得分95.7，RealWorldQA得分88.5
在编程和办公自动化场景中，新模型展现出比前代明显更强的能力，而训练成本只有前代的九分之一。
价格有多狠？
Qwen3.8-Flash上线千问AI平台的API定价为：
- 输入：1元/百万token
- 输出：3元/百万token
这个价格最低达到DeepSeek-V4-Flash的三分之一，在国内大模型市场中极具竞争力。
开源信息
模型权重已于北京时间8月26日23:00在以下平台全面开源：
- Hugging Face：https://huggingface.co/Qwen/Qwen3.8-Flash-Next
- 魔搭ModelScope：同步开放
开源版本包含FP8量化权重，部署门槛进一步降低。
它和Qwen4是什么关系？
阿里明确表示，Qwen3.8-Flash-Next是Qwen4架构的技术预览版，扮演的角色类似于当年Qwen3-Next之于Qwen3.5。你现在看到的混合架构设计，正是下一代Qwen4系列的基础。
阿里选择提前开源这个架构预览版，目的是让全球AI社区有机会提前研究、验证和适配新架构，为完整的Qwen4发布做好准备。
总结
Qwen3.8-Flash代表了阿里在模型效率上的最新突破。125B参数只激活6B，训练成本降至1/9，API价格低至1元/百万token，这些数字正在重新定义大模型的性价比标准。
对于开发者、创业公司和预算有限的中小企业来说，这个开源模型意味着：用更少的钱，跑更强的模型。