Qwen3.8-Flash-Next: מה אושר, מה באמת אפשר להוריד, ומה להריץ במקום
- OrcaחדשOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 לכל 1M טוקנים · 13 tok/s
- deepseekחדשDeepSeek: DeepSeek V4.1 Flash 10172026-10-1745אינטליגנציה
- DeepSeekחדשDeepSeek: DeepSeek V4.1 Flash2026-10-1740אינטליגנציה
- OrcaחדשOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 לכל 1M טוקנים · 150 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2952אינטליגנציה
- anthropicAnthropic: Claude Sonnet 5.52026-09-2856אינטליגנציה
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 לכל 1M טוקנים · 1078 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2238אינטליגנציה
- OpenAIOpenAI: GPT-6 Sol2026-09-2248אינטליגנציה
- AnthropicAnthropic: Claude Opus 5.52026-09-2258אינטליגנציה
- xAIGrok 4.72026-09-2146אינטליגנציה
- OrcaOrca: OrcaCyber Zero 1.02026-09-17$3.00 / $7.50 לכל 1M טוקנים · 157 tok/s
- OrcaOrca: OrcaVerify Text 1.02026-09-16$2.00 / $0.00 לכל 1M טוקנים · 1885 tok/s
- OpenAIOpenAI: GPT-6 Astra2026-09-0453אינטליגנציה77כתיבת קוד
- GoogleGoogle: Gemini 3.8 Flash2026-09-0241אינטליגנציה76כתיבת קוד
- AlibabaQwen: Qwen3.8 Max (0902)2026-09-0245אינטליגנציה76כתיבת קוד
- AnthropicAnthropic: Claude Fable 5.12026-09-0153אינטליגנציה82כתיבת קוד
- TencentTencent: Hy4 preview2026-08-28$0.83 / $2.50 לכל 1M טוקנים · 49 tok/s
- AlibabaQwen: Qwen3.8 Flash2026-08-26$0.15 / $0.47 לכל 1M טוקנים · 105 tok/s
- z-aiZ.ai: GLM 5.3 Flash2026-08-2642אינטליגנציה72כתיבת קוד
אם אתה מחפש את Qwen3.8-Flash-Next כי אתה מצפה שהוא יגיע, המשפט השימושי ביותר כאן הוא זה שמונע ממך לבזבז סשן: הוא כבר הגיע. המשקולות ניתנות להורדה מאז סוף אוגוסט 2026, והמודל הוא תצוגה מקדימה של תערובת מומחים עם משקולות פתוחות ויכולת ראייה, של הארכיטקטורה ש-Alibaba אומרת שתעמוד בבסיס Qwen4. מה לא קיים — וזה החלק שרוב החיפושים אחר "flash next" מניחים בשקט — הוא כל איטרציה הבאה מוכרזת מעבר לו. אין תצוגה מקדימה שנייה, אין יורש מתוארך, ואין הצהרת ספק שמבטיחה כזו. הדף הזה הוא התשובה הקבועה לשאלה שאנשים עדיין מקלידים: מהו Qwen3.8-Flash-Next, מה מאושר לגביו, אילו קבצים קיימים עבורו, מה הרישיון שלו מתיר, ומה להריץ היום אם אתה רוצה מודל שניתן לקרוא לו ולא הורדה — האח בייצור Qwen3.8-Flash, או Qwen3.8-27B ה-dense ברישיון Apache-2.0.
מאומת, צפוי ומוסק — הפרידו בין השלושה
ההבחנה חשובה כאן יותר מהרגיל, משום ששמו של המודל הזה מזמין אנשים לייחס לו מפת דרכים. שלוש דרגות של הצהרה באות להלן, וכל אחת מהן מתויגת.
מאושר, מהחומר של הספק עצמו. Qwen3.8-Flash-Next הוא מודל שפה סיבתי עם מקודד חזותי, המפורסם כמשקולות שעברו אימון-המשך וקובצי תצורה בפורמט Hugging Face Transformers. המאגר שלו תחת ארגון Qwen נוצר ב-24 באוגוסט 2026 ועודכן לאחרונה ב-27 באוגוסט 2026; ההפצה הרשמית ב-ModelScope יצאה לאור ב-26 באוגוסט. הכרטיס של אליבאבא עצמה מכנה אותו "תצוגה מקדימה ניסיונית זו של הארכיטקטורה שתשמש כבסיס ל-Qwen4", ומציין כי ההפצה הראשונה במשקולות פתוחות תחת ארכיטקטורה זו היא המודל הזה. הפרמטרים המאוחסנים מתפרקים לגוף תערובת-מומחים של 125B, טבלת הטבעות n-גרם נפרדת של 51B, וכ-4B של שכבות חיזוי ריבוי טוקנים, עם 6B פעילים לכל טוקן. ההקשר הוא 262,144 טוקנים באופן מקורי, וניתן להרחבה עד 1,000,000. מצב חשיבה פועל כברירת מחדל. הכרטיס מדווח על תאימות עם Hugging Face Transformers, vLLM, SGLang ו-TokenSpeed, והמאגר עצמו מכיל 131 רסיסי safetensors ב-BF16.
מאושר, וקל לפספס. מודל הפרודקשן המוגש הוא ארטיפקט שונה עם שם דומה. Qwen3.8-Flash הוא מהדורת ה-API הנגזרת מהמשקלים האלה; הכרטיס של הצ'קפוינט FP8 עצמו מתאר אותו כ"הגרסה הרשמית המבוססת על Qwen3.8-Flash-Next עם יותר תכונות פרודקשן." אם השאלה שלך היא "האם אני יכול לקרוא לזה מ-API", זה השם שאתה רוצה, לא זה של ה-preview.
צפוי, ולכן לא מצוין כאן. מודל בשם "Next" מרמז על איטרציה עוקבת. שום דבר שפורסם אינו תומך בתאריך, במספר פרמטרים, ברישיון או ביכולת עבור מודל כזה. כל מאמר שמספק לך חלון השקה ליורש מסיק זאת, ואתה יכול לבדוק זאת על ידי חיפוש אחר המקור. אין כזה בחומרים של Alibaba עצמה.
שתי השאלות שיש מאחוריהן ביקוש אמיתי: GGUF ו-nvfp4
חיפושים אחר המודל הזה מתמקדים בעוצמה בשני דברים — "flash next gguf" ו-"flash next nvfp4" — ולשניהם יש תשובות קונקרטיות וניתנות לבדיקה ולא השערות. אף אחד מהם לא נענה על ידי ניחוש טבלת גדלים, ולכן הנה מה שלמעשה פורסם.
GGUF קיים, מכמה ממירים בלתי תלויים. המקורות העיקריים הם ggml-org/Qwen3.8-Flash-Next-GGUF, unsloth/Qwen3.8-Flash-Next-GGUF, bartowski/Qwen3.8-Flash-Next-GGUF וAtomicChat/Qwen3.8-Flash-Next-GGUF, לצד זנב ארוך של מאגרים קטנים יותר. הם אינם אותו מוצר, וההבדל חשוב יותר מהרגיל בגודל הזה.
הggml-org הוא המינימלי: בנייה של IQ4_NL, בנייה של Q8_0, קובץ מקרן מולטימודאלי נפרד (mmproj-Qwen3.8-Flash-Next-Q8_0.gguf, כ-0.6 GB) שתצטרכו אם אתם רוצים את מסלול הראייה, ושלושה קובצי טיוטה לחיזוי ריבוי טוקנים ב-BF16, Q4_0 ו-Q8_0. אם אתם רוצים להריץ רק טקסט, המאגר הזה מספיק.
הunsloth הוא הסולם הרחב, וכאן בעצם נענית שאלת הגודל. הקבצים המפורסמים שלו נעים מ-72.5 GB (UD-IQ1_S) ו-74.5 GB (UD-IQ1_M) בקצה התחתון, דרך 78.9 GB (UD-Q2_K_XL), 82 GB (UD-IQ3_XXS) ו-90 GB (UD-Q3_K_XL), ועד 93.7 GB (UD-IQ4_XS), 111 GB (UD-Q4_K_XL), 158 GB (UD-Q5_K_XL), 169 GB (UD-Q6_K_XL), 188 GB (Q8_0) וכ-354 GB ב-BF16. הוא כולל גם קבצי טיוטת MTP משלו ושני קבצי mmproj.
קִראו את הסולם הזה כפי שהוא. הכימות הקטן ביותר שמישהו מפרסם עבור המודל הזה עדיין גדול מ-70 GB בדיסק. אין בנייה שנכנסת לכרטיס צרכני בודד כפי שמודל צפוף של 27B נכנס, והמאגר לא מספק כלל הנחיות VRAM לכל כימות — מקטע החומרה שלו הוא הודעת "התחברו כדי להוסיף את החומרה שלכם" ריקה. לכן התשובה הכנה ל"האם זה ייכנס במכונה שלי" היא שעליכם לחשב את הגודל לפי גדלי הקבצים המפורסמים שלעיל ולפי התחבולה של הארכיטקטורה עצמה: טבלת ההטמעות של n-gram בגודל 51B נגישה באמצעות מפתחות חיפוש הידועים מראש, וזה בדיוק מה שמאפשר לנקודת ביקורת בגודל כזה לפעול כשטבלת ההטמעות שוהה בזיכרון המארח ולא מוצמדת ל-VRAM. זהו מאפיין תכנוני, לא טענה לגבי המכונה הספציפית שלכם, וזו הסיבה שהרצפה המעשית כאן היא מכונה עם הרבה זיכרון מערכת (RAM) וכמות קטנה יותר של זיכרון מאיץ, ולא להפך.
גם nvfp4 קיים, והוא נושא רישיון שונה. nvidia/Qwen3.8-Flash-Next-NVFP4פורסם ב-2 בספטמבר 2026, נוצר עם שרשרת הכלים Model Optimizer של NVIDIA, ומסתכם בכ-133 GB על פני עשרה שרדים ובנוסף קובץ FP8 של 53.7 GB לחיזוי ריבוי טוקנים ולהטמעות לפי שכבה. הכרטיס שלו מפרט את רישיון המודל הפתוח של NVIDIA, ולא את רישיון Qwen — נקודה ששווה לקרוא פעמיים אם אתם מתכננים להפיץ אותו מחדש. קיימות בניות NVFP4 נוספות מבית Red Hat AI, RadixArk ו-local-inference-lab; Intel מפרסמת בניית W4A16 AutoRound; בניות MLX עבור Apple silicon קיימות מכמה מפרסמים בקהילה.
עוד פורמט אחד ראוי להזכיר בשמו, כי הוא של הספק עצמו: Qwen/Qwen3.8-Flash-Next-FP8. זהו כימות FP8 עדין עם גודל בלוק של 128, והכרטיס שלו מצהיר על מדדי ביצועים "כמעט זהים לאלה של המודל המקורי". הוא נושא את אותו רישיון קהילתי כמו המשקולות הבסיסיות, והוא ה-checkpoint שצינור הבנצ'מרק של Alibaba עצמה משתמש בו.
מה שהרישיון מתיר — ולמה זה עונה על השאלה הלא מצונזרת
האשכול הגדול ביותר של שאילתות סביב המודל הזה אינו עוסק בבנצ'מרקים. הוא עוסק בגרסאות לא מצונזרות ושעברו אבליטרציה, והדרך הנכונה להשיב עליו היא לקרוא את הרישיון ולהסתכל על מה שפורסם, כי שני הדברים האלה קובעים מה הקורא יכול להשיג בפועל.
Qwen3.8-Flash-Next משוחרר תחת Qwen Community License 1.0. נוסח הרישיון מעניק, ללא תשלום, את הזכות להשתמש, להעתיק, לשנות, למזג, לפרסם, להפיץ, להעניק רישיון משנה, למכור, לפרוס, לארח, לכוונן (fine-tune) וליצור יצירות נגזרות מהמשקולות, מהפרמטרים, מקובצי התצורה ומקוד ההסקה. הוא מחייב שהודעת זכויות היוצרים וההרשאה תלווה עותקים או חלקים מהותיים. הוא קובע סף לנתינת שם: אם אתה משתמש בתוכנה או בנגזרותיה במוצר או בשירות מסחריים עם יותר מ-100 מיליון משתמשים פעילים בחודש או הכנסה חודשית של 20 מיליון דולר, יש להציג את שם המודל באופן בולט בממשק של אותו מוצר. והוא מפריד בין עסקי שירות — עסק של "Model as a Service" או "AI Work Assistant" מחייב רישיון נפרד מ-Qwen לפני שימוש מסחרי, עם פטור לשימוש פנימי עבור פריסות שאינן חושפות את המודל, את תפוקותיו או את יכולותיו בפני צדדים שלישיים.
שלוש השלכות נובעות ישירות, והן התשובה כולה לשאילתות הלא מצונזרות:
• המשקולות פתוחות והרישיון מתיר במפורש יצירות נגזרות. לכן אבליטרציות קהילתיות הן חוקיות, לא מהשוק האפור, והן קיימות בשפע — huihui-ai מפרסם כמה מהן, ומשפחת Qwen3.8-Flash-Next-Uncensored של OrcaRouter עצמה מפורסמת תחת Apache 2.0 עם בניות GGUF, FP8, NVFP4 ו-MLX הנגזרות ממנה.
• יצירה נגזרת לא תמיד יורשת את הרישיון המקורי. גרסת NVIDIA NVFP4 נושאת את NVIDIA Open Model License; קוונטיזציה של אבליטרציה קהילתית עשויה לשאת Apache 2.0. אם תנאי הרישיון הם הסיבה לכך שאתם בוחרים קובץ אחד על פני אחר, קראו את הכרטיס של המאגר הספציפי שאתם עומדים להוריד, ולא את הכרטיס של מודל הבסיס.
• הסף המסחרי משתנה בהתאם לעסק שלך, לא בהתאם למודל. עבור צוות שבונה כלי פנימי, המגבלה המעשית היא דרישת ההודעה. עבור צוות שמוכר גישה למודל, סעיף הרישוי הנפרד לעסקי Model-as-a-Service הוא פריט שיש לתמחר לפני שבונים על המשקלים האלה, ו-Apache-2.0 Qwen3.8-27B מונע את השיחה הזו לחלוטין.
מה שהדף הזה לא יעשה הוא לאפיין כיצד שירות מתארח כלשהו או בנייה מסוימת כלשהי מגיבים לפרומפט מסוים. זה לא מה שהרישיון מסדיר ולא מה שמדדנו. הרישיון וקבצי המשקולות שפורסמו הם שקובעים את הזמינות, ושניהם דברים שתוכלו לאמת בעצמכם בכמה קליקים.
מה לרוץ היום
זהו החלק שעמוד קבוע חייב לקורא שהגיע כשהוא רוצה לבנות משהו היום אחר הצהריים ולא להוריד 90 ג'יגה-בייט.
Qwen3.8-Flash-Next הוא לא מודל שאנחנו מנתבים, ושום כמות של משאלות לא תהפוך אותו לכזה — אין מזהה מודל שמתאים ל-qwen3.8-flash-next בקטלוג שלנו היום, והעמוד הזה לא ירמוז שיהיה כזה. סיפור ההגשה שלו הוא סיפור של הורדה ואירוח עצמי: משכו את המשקלות מ-Hugging Face או מ-ModelScope, בחרו בין מסלולי safetensors, FP8, NVFP4 ו-GGUF שלמעלה, והריצו אותו על חומרה שאתם מספקים.
מה שאנחנו מנתבים הוא גרסת הייצור של אותה ארכיטקטורה. Qwen3.8-Flash פעיל בתור qwen/qwen3.8-flash במחיר של $0.15 למיליון טוקנים בקלט ו-$0.47 למיליון טוקנים בפלט, עם קלט שמור במטמון בכ-$0.018 למיליון בערך, והקשר של מיליון טוקנים שמקבל טקסט, תמונה וווידאו ומחזיר טקסט. התמחור הזה הוא המחירון המפורסם של הספק כפי שהוא, ללא כל תוספת, כך ששינוי מצד Alibaba מגיע לנקודת הקצה שלכם באותו יום ולא במחזור החיוב הבא. אם מה שרציתם מהתצוגה המקדימה היה הארכיטקטורה בייצור ולא נקודת הביקורת שעל הדיסק, זה הדבר הקרוב ביותר שניתן לקרוא לו והוא במרחק מפתח אחד.
אם האילוץ שלך הוא רישוי ולא השהיה, התשובה האחרת היא Qwen3.8-27B. זהו מודל צפוף עם 27 מיליארד פרמטרים תחת Apache 2.0 — ללא סף שמות, ללא הסכם נפרד לעסקי שירות — והוא מנותב בתור qwen/qwen3.8-27b, כך שתוכל להריץ בנצ'מרק על שתי הצורות מול התעבורה שלך לפני שאתה מתחייב לאחת מהן. שניהם יושבים מאחורי אותו מפתח ואותה נקודת קצה תואמת OpenAI, מה שאומר שניסיון של אחד ואחר כך של האחר עולה שינוי של model-id ולא אינטגרציה. זו הדרך הזולה לענות על "האם אני בכלל צריך את הארכיטקטורה עם 6B פרמטרים פעילים", כי זה מודד את עומס העבודה שלך במקום את הבנצ'מרק של מישהו אחר.
מה לא הוסדר
האם ה"Next" שבשם הדגם הזה הוא תצוגה מקדימה חד-פעמית או הראשון בסדרה ממוספרת — לא הוכרע, ושום דבר שפורסם אינו מאפשר להשיב על כך. הדבר היחיד שקורא יכול לסמוך עליו הוא שהאח הייצורי של התצוגה המקדימה כבר קיים ומתומחר, וזה חריג — רוב התצוגות המקדימות של ארכיטקטורה אינן יוצאות לשוק עם מקבילה מסחרית באותו יום. התייחס לדגם הזה כתצוגה מקדימה של משפחה שנמצאת כאן חלקית, לא כדליפה של משהו שאינו כאן.
השאלה הפתוחה האחרת היא של כלי עבודה ולא של המודל. llama.cpp, vLLM ו-SGLang כולם מגיעים אליו, גרסת ה-FP8 היא נקודת הביקורת של ההערכה של הספק עצמו, והאקוסיסטם של GGUF כבר יצר הכול, מבניות של 1 ביט ועד בניות בדיוק מלא — אבל איכות הכימות ב-1 עד 3 ביטים במודל mixture-of-experts המאוחסן כ-176B אינה עניין מוכרע, ואף אחד לא פרסם השוואה מבוקרת של בניות הביטים הנמוכים על חומרה תואמת. אם אתה בוחר בין UD-IQ1_S ל-UD-Q2_K_XL כדי לחסוך 6 GB, אתה מקבל את ההחלטה הזו על סמך ההערכה שלך עצמך, וזו הדרך הנכונה לקבל אותה, וגם הסיבה לכך שטבלת גדלים ספקולטיבית בעמוד כמו זה תהיה גרועה יותר מלהיות חסרת תועלת.
שני דפים אחים נושאים את הזוויות שהדף הזה בכוונה לא נושא: סיקור ההדלפות, שדיווח מה אמרו אותות טרום-השחרור ושהוא מתוארך לאותו רגע, והעימות ראש-בראש מול המודל הצפוף ברישיון Apache-2.0, שלו שייכת ההשוואה. קראו בהם אם אתם רוצים את הסיפור של איך המודל הזה הופיע או ויכוח על איזה מהשניים לבחור. הדף הזה עדיין יהיה כאן, ללא שינוי, כששניהם כבר יתיישנו.
