Qwen3.8-Flash-Next登场：6B激活参数挑战旗舰模型

开源阵营又迎来一款引人注目的新模型：Qwen 3.8 Flash-Next 正式发布。这是一款高度稀疏的 MoE 模型，总参数量约 125B，另外含 51B 的 n-gram 嵌入，但在处理每个 token 时仅激活约 6B 参数——用小激活集实现旗舰级表现。

从披露的数据看，Qwen3.8-Flash-Next 在 9 项可比基准中拿下 8 项第一，竞争对手为 Claude Opus 4.6 Max。具体成绩包括： - SWE-bench Pro：62.5（对手 53.4） - SWE-bench Multilingual：81.0 - CoworkBench：73.9 - JobBench：55.7 - Toolathlon：73.5 - IFBench：81.3 - GPQA Diamond：91.7 - LiveCodeBench：91.9

其中在 SWE-bench Pro 上领先近 10 个点，该项主要考察真实软件工程问题，凸显了模型在编程任务上的实力。官方还指出，Qwen3.8-Flash-Next 在编程和办公类任务上也优于 Qwen3.7-Plus，且训练成本约为后者的 1/9。 球友会

在长上下文能力方面，模型原生支持 256K 上下文，并可通过 YaRN 扩展至 1M。团队对长序列的注意力内核进行了优化：在 1M 上下文场景下，prefill 速度最高提升 7.6 倍，decoding 速度最高提升 4.9 倍，保证处理超长文本时的响应效率。

此外，Qwen3.8-Flash-Next 在多数测试中也胜过 Qwen3.8-27B 和 DeepSeek-V4-Flash，显示出开源模型在效率和性能上的快速迭代。总体来看，这次发布传递出一个清晰信号：大模型竞赛正从“参数总量”向“激活效率与工程成本”转移。用较低的推理计算量获得接近或超过闭源顶级模型的效果，将有助于降低部署门槛、缩减硬件需求并控制运营成本。

当然，基准分数只是参考，模型在真实业务场景中的表现还需进一步检验，但就纸面数据而言，Qwen3.8-Flash-Next 的表现相当抢眼。 球友会