Qwen3.8-Flash-Next vs Qwen3.8-Max : à quel point un aperçu Qwen4 avec 6B actifs se rapproche-t-il du fleuron 2.4T ?

Le 26 août 2026, l’équipe Qwen d’Alibaba a publié en open source Qwen3.8-Flash-Next, un mélange d’experts multimodal à 176 milliards de paramètres qui n’active qu’environ 6 milliards de paramètres par jeton et se présente explicitement comme un aperçu précoce de l’architecture Qwen4. L’étalon auquel il sera mesuré dès le premier jour est le propre fleuron d’Alibaba, Qwen3.8-Max, le MoE sparse à 2,4 billions de paramètres qui est passé en disponibilité générale le 3 août et facture depuis 2,00 $ par million de jetons en entrée et 6,00 $ par million de jetons en sortie. Sur le papier, les deux modèles sont séparés de plus d’un ordre de grandeur en paramètres stockés — 2,4 billions contre environ 180 milliards — et d’un facteur d’environ seize en paramètres actifs. Sur la propre feuille de benchmarks d’Alibaba, les résultats sont bien plus proches que ne le laisserait supposer la taille — ce qui est soit la chose la plus impressionnante de cet aperçu, soit le rappel le plus net à ce jour qu’un tableau fourni par un éditeur reste une hypothèse tant qu’un laboratoire indépendant ne l’a pas vérifié.

En bref : ce n'est pas un duel entre égaux, et prétendre le contraire est la seule façon de se tromper. Qwen3.8-Max est le plafond de capacité de la génération actuelle — évalué indépendamment par Artificial Analysis, en open-weight depuis le 12 août, éprouvé en production depuis trois semaines. Qwen3.8-Flash-Next est un prototype d'architecture vieux d'un jour, qu'Alibaba estime que la plupart des charges de travail n'auront pas besoin de la marge de Max pour fonctionner. La raison pour laquelle la comparaison vaut quand même la peine, c'est que sur les benchmarks où les deux modèles apparaissent dans les propres tableaux d'Alibaba, l'aperçu se situe à environ un point du fleuron sur le travail d'agent et de bureau, et le devance sur deux — JobBench et RealWorldQA. La différence décisive n'est pas l'écart de qualité, qui est mince et non vérifié. C'est l'écart de preuves : l'un de ces modèles a un tableau de bord tiers, et l'autre n'en a aucun.

Ce qu’est réellement chaque modèle

Qwen3.8-Flash-Next est l'essai d'architecture. Il stocke environ 180 milliards de paramètres sur disque — un corps MoE de 125B, une table d'embeddings N-grammes de 51B qui vit en mémoire hôte plutôt qu'en VRAM, et une tête de prédiction multi-tokens — et achemine chaque token à travers environ 6B d'entre eux, soit une parcimonie proche de 95 %. Son MoE à 512 experts alterne trois couches Gated DeltaNet avec une couche Qwen Sparse Attention par groupe, ajoute un flux résiduel gated et des embeddings N-grammes, et a été entraîné avec l'optimiseur Muon pour un coût qu'Alibaba estime à environ un neuvième de celui de Qwen3.7-Plus. Il accepte des entrées texte, image et vidéo, offre un contexte natif de 262 144 tokens extensible à 1M via YaRN, et a été publié sous licence qwen-community-1.0 sur Hugging Face et ModelScope en bf16 et FP8. Le modèle de production qui portera le prix sur l'API QwenCloud — Qwen3.8-Flash, annoncé à 0,16 $ par million de tokens d'entrée et 0,47 $ par million de tokens de sortie — est la version optimisée pour le serving de cette même architecture et n'a pas encore été ouvert.

Qwen3.8-Max est le produit final de cette génération. C'est un MoE sparse de 2,4 T sur l'architecture de la génération actuelle — Gated DeltaNet plus attention avec portes, 512 experts avec 10 routés et un partagé, 95 milliards activés par jeton selon la fiche technique officielle du modèle. Il est multimodal sur l'API, prend en charge un contexte de 1 million de jetons à un tarif fixe de 2 $ / 6 $, sans supplément pour les invites longues, et ses poids ouverts, Qwen3.8-2.4T-A95B, sont sortis le 12 août sous une licence personnalisée qui n'est pas Apache. C'est le modèle qu'Artificial Analysis a évalué avec un indice d'intelligence de 58 et un indice de codage de 71,8, la meilleure fiche indépendante détenue par un modèle de la famille Qwen 3.8.

• Paramètres totaux — Qwen3.8-Flash-Next : 125B MoE + 51B N-gram (~180B stockés). Qwen3.8-Max : 2,4T MoE.

• Actif par jeton — Qwen3.8-Flash-Next : ~6B (moins de 5 %). Qwen3.8-Max : ~95B (~4 %).

• Architecture — Qwen3.8-Flash-Next : aperçu de Qwen4 (QSA + GDN, résidu à portes, N-gram, Muon). Qwen3.8-Max : génération Qw​en 3.5 (GDN + attention à portes).

• Contexte — Qwen3.8-Flash-Next : 262K natif / 1M via YaRN. Qwen3.8-Max : 1M sur l'API / 262K natif sur les poids ouverts.

• Prix — Qwen3.8-Flash-Next : 0,16 $ / 0,47 $ par 1M (annoncé, API pas encore ouverte). Qwen3.8-Max : 2,00 $ / 6,00 $ par 1M, tarif forfaitaire.

• Poids ouverts — Qwen3.8-Flash-Next : qwen-community-1.0, 26 août, compatible mono-nœud. Qwen3.8-Max : Qwen3.8-2.4T-A95B, licence personnalisée, multi-nœud.

• Score indépendant — Qwen3.8-Flash-Next : aucun pour l'instant. Qwen3.8-Max : indice d'intelligence AA 58, indice de codage 71.8.

Le tableau de bord ci-dessus réduit la comparaison aux sept lignes qui comptent, et le pied de page des sources fait le gros du travail : chaque chiffre Flash-Next est propre à Alibaba et non reproduit, tandis que la colonne Max repose sur Artificial Analysis ainsi que sur le tableau publié par Alibaba. Lu de cette façon, les colonnes cessent d'être une course de chevaux et deviennent une déclaration sur les preuves.

La feuille de référence, lue honnêtement.

Sur les lignes communes des propres tableaux d'Alibaba, l'écart est bien plus faible que ne le laisserait supposer une différence de paramètres d'un facteur quarante. Sur CoWorkBench (travail de bureau agentique), la preview affiche 73,9 contre les 74,8 de Max ; sur AndroidWorld, 84,5 contre 85,3 ; sur Agents' Last Exam, 51,2 contre 52,4 — un point ou moins sur chacun. Sur JobBench, la preview obtient 55,7 et sur RealWorldQA 88,5, les meilleures lignes vérifiées du tableau, devant Max. L'écart se creuse sur le bloc fortement axé sur la vision — LVBench, ERQA, MathVision, Vision2Web — où Max mène d'environ quatre à six points. Sur les principaux chiffres agentiques, Qwen3.8-Flash-Next enregistre 62,5 sur SWE-bench Pro et 58,7 sur DeepSWE, à portée du modèle phare, sur un travail dont l'exécution coûte douze fois plus cher.

Maintenant, l’étiquette appliquée à chaque chiffre ci-dessus : tout cela provient d’Alibaba, via le propre banc d’essai d’Alibaba, vieux d’un jour dans le cas de l’aperçu, et non répliqué pour les deux modèles. Cela compte différemment de chaque côté. Le tableau de qualité de Qwen3.8-Max est annoncé par le fournisseur, mais son indice d’intelligence de 58 et son indice de codage de 71,8 sont des mesures effectuées par des tiers sur l’API d’Alibaba — le modèle a été soumis à un examen indépendant pendant des semaines, et il tient la route. Qwen3.8-Flash-Next n’a encore aucun score indépendant d’aucune sorte. La lecture honnête de cette proximité n’est pas « l’aperçu est essentiellement aussi bon que le modèle phare ». C’est plutôt : « Alibaba affirme que l’aperçu est à un point du modèle phare, et personne en dehors du laboratoire ne l’a confirmé ». L’écart entre ces deux phrases constitue toute la différence de risque que chaque modèle comporte.

Le point, c'est l'écart de prix.

Faites d'abord le calcul, car c'est la partie qui ne bougera pas. À 0,16 $/0,47 $, un million de jetons d'entrée plus un million de jetons de sortie coûtent 0,63 $ sur l'API Flash de production ; le même appel sur Qwen3.8-Max coûte 8,00 $ — soit environ 12,7 fois plus, sur les deux postes de coût. Alibaba affirme que l'architecture s'entraîne pour environ un neuvième du coût de Qwen3.7-Plus, ce qui est la raison structurelle pour laquelle le prix peut se maintenir à ce niveau, et à 0,16 $, le Flash de production est environ deux tiers moins cher que DeepSeek-V4-Flash. Pour les charges de travail à fort volume, agentiques ou à long contexte, un écart de prix de 12,7 fois fait la différence entre un produit rentable et une subvention — c'est pourquoi la comparaison est faite en premier lieu.

C'est là qu'une couche de routage justifie sa place des deux côtés du grand livre, et les faits méritent d'être énoncés avec précision. Qwen3.8-Max est disponible sur OrcaRouter dès aujourd'hui au prix catalogue du fournisseur, sans aucune marge — les mêmes 2,00 $/6,00 $ que vous paieriez directement au vendeur, derrière le point de terminaison compatible OpenAI que vous utilisez déjà. Qwen3.8-Flash-Next n'est encore sur aucune API : tant que le Qwen3.8-Flash de production n'ouvre pas sur QwenCloud, les poids ouverts sont la seule voie, en auto-hébergement. Lorsque cette API ouvrira, ce même mécanisme de répercussion à 0 % de marge fera que son prix de 0,16 $/0,47 $ apparaîtra de notre côté le jour même — une baisse de prix qui se concrétise dans une configuration, pas dans un communiqué de presse — et les deux modèles se trouvent derrière une seule clé avec bascule automatique entre eux. Vous ne réécrivez pas l'intégration pour tester une architecture vieille d'un jour ; vous changez une règle de routage.

Architecture d'aperçu versus produit éprouvé

Il existe une différence à plus long horizon qui dépasse tout benchmark individuel. Qwen3.8-Flash-Next est construit sur l’architecture qu’Alibaba dit que Qwen4 utilisera — attention éparse, DeltaNet à portes, résiduel à portes, plongements N-grammes, Muon — publiée tôt en poids ouverts afin que l’écosystème puisse la stresser avant que le modèle coûteux ne soit construit par-dessus. Selon les mesures d’Alibaba, cette pile atteint jusqu’à 7,6× plus rapide en préremplissage et 4,9× plus rapide en décodage avec un contexte de 1M de jetons par rapport à l’attention complète (rapporté par le fournisseur), ce qui est la raison technique pour laquelle un modèle à 6B actifs peut maintenir une fenêtre de 1M de jetons à un coût abordable. Qwen3.8-Max est le produit mature de la génération actuelle, et c’est exactement sa vertu : la quantité connue, le modèle dont les équipes ont déjà cartographié le comportement de service et les modes de défaillance.

Pour un système de production, le choix est à double tranchant. Max est le choix sûr aujourd'hui — noté indépendamment, trois semaines d'exposition en production, un prix établi. Flash-Next est la direction qu'Alibaba parie pour la prochaine génération, à un prix qui redéfinit la gamme. Le choisir maintenant signifie adopter une architecture que la communauté audite encore ; l'ignorer signifie parier que l'architecture moins chère ne supplantera pas le fleuron dans six mois. Aucun des deux paris ne doit être tout ou rien — c'est tout l'intérêt de garder les deux accessibles depuis un seul point de terminaison.

Les deux captures ci-dessus sont les surfaces publiques de chaque version : la fiche OrcaRouter où Qwen3.8-Max est appelable aujourd'hui au prix catalogue, et l'annonce d'Alibaba Qw​en Studio pour la sortie des poids ouverts de Qwen3.8-Flash-Next.

La décision

Choisissez Qwen3.8-Max si vous avez besoin du plafond de capacités de la génération dès aujourd'hui — travail d'agent à long horizon, le scorecard indépendant le plus solide de la famille, et un modèle en production depuis des semaines plutôt que des heures. À 2 $/6 $ fixes par million de jetons, c'est bon marché pour un modèle de pointe, et c'est le seul des deux à disposer de données que vous n'avez pas prises pour acquises.

Choisissez Qwen3.8-Flash-Next si votre charge de travail est à grand volume et sensible au prix — boucles agentiques, automatisation bureautique par lots, passages en contexte long où un écart de prix de 12,7× fait la différence entre le seuil de rentabilité et la marge — et que vous êtes à l'aise avec le fait d'exécuter une architecture vieille d'un jour sur une fiche fournisseur, ou d'héberger vous-même les poids ouverts en attendant que l'API soit disponible.

Pour tous ceux qui se trouvent entre les deux, la position raisonnable est double : Qwen3.8-Max sur une clé dès maintenant, Qwen3.8-Flash-Next à une règle de routage près quand l'API ouvre, et un basculement pour que le modèle d'un jour ne puisse pas faire tomber un chemin de production pendant que vous décidez. La question ouverte est la question honnête — un modèle qui active 6 milliards de ses paramètres peut-il maintenir ces chiffres de benchmark lors d'une réplication indépendante, ou l'écart de vision et la fiche vieille d'un jour vont-ils s'élargir pour devenir la véritable histoire ? Les prochaines semaines apporteront la réponse, et la comparaison mérite d'être revue au moment où un score indépendant pour l'aperçu arrivera.