Qwen3.8-Flash-Next vs Qwen3.8-27B: ¿Alquilar el rendimiento o poseer los pesos?

Qwen3.8-Flash-Next and Qwen3.8-27B are two answers to the same question, published six days apart by the same lab, and the question is what a team should actually run when it wants a model from this generation it can put in front of production traffic. Qwen3.8-27B landed on August 13, 2026: a dense 27-billion-parameter model under Apache 2.0 whose 55.6 GB of BF16 weights fit on a single 24 GB card once quantised. Qwen3.8-Flash-Next arrived on Hugging Face on August 24 and on ModelScope on August 26: roughly 180B parameters stored, 6B activated per token, under the more restrictive Qwe​n Community License 1.0. One is a file. The other is a throughput profile. Choosing between them is mostly a question about which of those two things your workload actually needs.

They are closer relatives than the names suggest. Both carry a native 262,144-token context extensible to 1,000,000, both take text, image and video in and return text, and both run the same hybrid attention idea that A​libaba has been shipping since the Qwen3.5 generation — a majority of linear-attention layers doing the long-context work cheaply, a minority of full-attention layers handling the precise retrieval that linear attention is bad at. Where they stop being the same is everything downstream of that: licence, size, price per token, and what you have to do to get one running.

Qué es cada uno, en un párrafo cada uno

Qwen3.8-27B is a dense causal language model with a vision encoder: 64 layers, hidden dimension 5120, an intermediate size of 17,408 and a 248,320-token vocabulary, with the attention stack split 48 Gated DeltaNet linear layers against 16 Gated Attention layers. A​libaba trained it with multi-token prediction. Thinking mode is on by default with `reasoning_effort` levels of xhigh, medium and low, and the model card's own vision rows cover document parsing (OmniDocBench 1.5 at 91.1), GUI work (OSWorld-Verified 84.3, AndroidWorld 81.9) and general visual reasoning (RealWorldQA 85.9, MathVision 90.0). It is, in the plain sense, a downloadable model: one repository, eighteen safetensors shards, a licence file, and a size that a serious workstation can hold.

Qwen3.8-Flash-Next is a mixture of experts on the architecture A​libaba says will underpin Qwen4 — 48 layers, 512 experts with 10 routed and one shared, 125B parameters in the expert body activating 6B per token, plus a separate 51B n-gram embedding table and around 4B of multi-token-prediction layers. Its attention stack is the same three-to-one idea at a different scale: 36 Gated DeltaNet layers against 12 running Qwen Sparse Attention. The card is explicit that this is an experimental preview of the architecture rather than a Qwen4 model, and that the served production variant is Qwen3.8-Flash through Qwen Cloud. It is not a file you casually own — it is a serving problem you solve once and then run cheaply.

Donde ambos divergen más allá del número de parámetros

The licence is the first divergence and the one that outlives every benchmark argument on this page. Qwen3.8-27B is Apache 2.0, full stop: commercial use, modification, redistribution, derivative builds, no revenue threshold and no separate agreement to negotiate. Qwen3.8-Flash-Next is Qwen Community License 1.0, which permits commercial use including selling derivative works but requires a separate commercial agreement with A​libaba if you run a model-as-a-service or AI-work-assistant business past a defined revenue and monthly-active-user threshold. If you are building a product rather than an internal tool, that clause is not a footnote; it is a line item. It is worth reading the licence before you read the benchmark table, because it can disqualify a model that wins on every score.

The second divergence is what "local" means. For the 27B, local means one machine: quantise to four bits and the model fits in a 24 GB card, with the format ladder — GGUF quantisation levels, MLX for Apple Silicon, the actual VRAM arithmetic — covered in detail on a sibling page rather than repeated here. For Flash-Next, local means provisioning for a 180B-parameter checkpoint. vLLM serves it from day one with an offload path that keeps the 51B-parameter n-gram table in host memory instead of permanent VRAM, SGLang and TensorRT-LLM are in N​VIDIA's Day 0 list, and Ollama's library carries an MLX build for Apple Silicon — but "runs" and "runs on the machine you have" are different sentences, and only the 27B gets to claim the second one.

Lo que dicen los números públicos, y lo que no dicen

Ambos modelos incluyen cifras de Artificial Analysis, del mismo índice, lo que convierte esto en una de esas raras comparaciones dentro de una misma familia en las que los números independientes al menos pueden leerse en paralelo. Qwen3.8-27B obtiene 33.7 en el Índice de Inteligencia —puesto 47 en total, percentil 66— y 68.1 en el Índice de Codificación de AA, puesto 35 en total. La vista previa de Flash-Next, de pesos abiertos, obtiene 40 en el Índice de Inteligencia, quinto lugar entre los 113 modelos de su clase de comparación. Esas entradas se evaluaron en fechas distintas, así que interprete la diferencia como direccional y no como un resultado controlado.

El detalle detrás de las dos puntuaciones es más interesante que las puntuaciones. En las evaluaciones individuales, la propia tarjeta del 27B reporta 90,3 en LiveCodeBench v6, 89,2 en GPQA Diamond y 79,0 en QwenSWEBench, mientras que la tarjeta del preview de Flash-Next reporta 91,9, 91,7 y —en el benchmark de la misma familia— 81,0 en SWE-bench Multilingual y 62,5 en SWE-bench Pro. Todas esas son cifras propias del proveedor, producidas por el proveedor, y ninguna de ellas ha sido reproducida por un tercero en un arnés de evaluación equivalente. El panorama independiente es más limitado y apunta en la dirección opuesta en algunas filas: el preview es fuerte en trabajo de conocimiento y tareas de terminal, y débil en generación de repositorios de horizonte largo, mientras que el índice de codificación independiente del 27B, de 68,1, queda por debajo de lo que sugerirían sus propias cifras SWE reportadas por el proveedor.

Una diferencia práctica que el índice sí captura: la vista previa es verbosa. Artificial Analysis la mide en 53 tokens de salida por segundo, con un tiempo hasta el primer token de 2,80 segundos, y la califica de «muy verbosa», consumiendo 108k tokens de salida por tarea, de los cuales 72k son de razonamiento. El 27B, medido a través de nuestro propio playground durante los últimos siete días, devuelve algo más de 200 tokens de salida por segundo con una mediana de 4,97 segundos hasta el primer token. Distintos arneses, así que toma las tasas como indicativas, pero describen la misma forma que implica la arquitectura. Uno gasta tokens para alcanzar una respuesta; el otro gasta menos, y el diseño denso hace que cada uno de ellos sea más barato de producir.

Precio, en ambas unidades que importan

Por token, ambos son tan parecidos que la decisión no se toma aquí. Qwen3.8-27B se enruta a $0.33 por millón de tokens de entrada y $2.40 por millón de salida; el Qwen3.8-Flash servido se enruta a $0.15 y $0.47, ambos al precio de lista del proveedor, trasladado sin ningún recargo. Así que la variante Flash de producción es aproximadamente 2,2 veces más barata en entrada y 5,1 veces más barata en salida.

Por byte en disco, no están ni cerca, y esta es la cifra que quienes subestiman el despliegue local suelen pasar por alto. El 27B son 55,6 GB de pesos BF16 repartidos en dieciocho fragmentos, comprimibles a algo que corre en una sola tarjeta de consumo. El preview es un checkpoint de 180B parámetros en la misma precisión: varias veces el almacenamiento, varias veces el ancho de banda de memoria, y una configuración de servicio que asume offload a la memoria del host en lugar de un único dispositivo. Si tu restricción es una máquina que ya tienes, el 27B no es la opción más barata; es la única opción.

¿Cuál ejecutar?

Elige Qwen3.8-27B si necesitas ser dueño del modelo en lugar de alquilarlo: despliegue on-premise o air-gapped, una licencia Apache 2.0 sobre la que puedes construir un producto sin tener que hablar de ingresos, costes por solicitud que no escalan con la lista de precios de otro, y una propuesta de servicio en una sola GPU que puedes operar tú mismo. También es la opción correcta de este par cuando necesitas hacer fine-tuning, fusionar o cuantizar — el repositorio muestra cientos de adaptadores, finetunes y cuantizaciones de la comunidad ya derivados de él, que es lo que te aporta con el tiempo una publicación de pesos bajo Apache 2.0.

Elija Qwen3.8-Flash-Next si su restricción es el rendimiento y el costo por token en lugar del control: barridos agénticos de gran volumen, amplio trabajo de clasificación y extracción, comprensión de capturas de pantalla y documentos a escala, y cualquier cosa en la que un modelo de 6B activos a un tercio del precio de entrada cambie lo que es económicamente posible. También es la elección correcta si usted quiere específicamente evaluar la arquitectura Qwen4 con sus propios datos antes de que Qwen4 exista: eso es precisamente para lo que sirve la vista previa, y es una razón para probar en lugar de una razón para comprometerse.

La regla: el 27B es para lectores cuyo cuello de botella es dónde se ejecuta el modelo, y Flash-Next es para lectores cuyo cuello de botella es cuánto cuesta ejecutar el modelo. Muy pocos equipos tienen ambos cuellos de botella, y el que de hecho tienen suele decidir esto en una sola reunión.

Poner en marcha cualquiera de los dos hoy

Qwen3.8-27B es el más fácil de los dos para empezar, y lo es en dos direcciones a la vez. Descarga los pesos y sírvelo tú mismo bajo Apache 2.0, o llámalo sin tocar ningún acelerador: se enruta como `qwen/qwen3.8-27b` en nuestro catálogo a $0.33 y $2.40 por millón de tokens, y el 27B se sirve en nuestra propia infraestructura en lugar de mediante un proxy desde el endpoint de un proveedor. Esa segunda vía es lo que lo convierte en una opción predeterminada real para el trabajo multimodal de gran volumen, como uno de más de 200 modelos accesibles a través de un único endpoint compatible con OpenAI, con una sola clave y sin un segundo contrato que firmar.

Qwen3.8-Flash-Next is not a route we offer. The open-weight preview has to be downloaded and served by you, and the availability path for it runs through Hugging Face and ModelScope rather than through an API. What we do route is its production sibling: Qwen3.8-Flash, `qwen/qwen3.8-flash`, at $0.15 and $0.47 per million tokens with text, image and video input on a 1M-token context, priced at the vendor's published list so a rate change on A​libaba's side reaches your endpoint the same day. If you want the preview's architecture without the serving project, that is the closest thing to it that is callable today.

Para un equipo que quiere ambas cosas, la solución es un reparto de tráfico en lugar de una decisión. Ambos conviven detrás de la misma clave y el mismo SDK, así que un porcentaje de las solicitudes puede ir al de 27B mientras que el resto va al endpoint Flash, con una conmutación por error automática que absorbe los momentos en que cualquiera de los dos falla. Esa es una forma más económica de responder a esta comparación que cualquier tabla de benchmarks, porque mide tu tráfico y no el de otros.

Lo que no está resuelto es qué ocurre cuando la familia se completa. Qwen3.8-27B es un modelo terminado, licenciable y descargable que es poco probable que cambie bajo tus pies. La vista previa de Flash-Next es un canario para una arquitectura cuyos modelos de producción aún no se han lanzado, y la variante Flash servida que la acompaña se posiciona explícitamente como la versión oficial de esa arquitectura. Si la familia Qwen4 sigue el patrón que Qwen3-Next estableció a finales de 2025, los descendientes de la vista previa llegarán en cuestión de meses y esta página será una decisión sobre una generación en lugar de sobre una vista previa.

El único hecho que decide esta combinación la mayoría de las veces es la licencia, no el benchmark: Apache 2.0 te permite montar un negocio sobre el 27B sin pedirle permiso a nadie, y Qwen Community License 1.0 no te da eso para la versión preliminar. Todo lo demás en esta página —la ventana de contexto, la atención híbrida, el soporte de visión— lo comparten los dos.