Qwen3.8-Flash-Next לעומת Claude Opus 4.8: מה באמת קונים תמורת מחיר גבוה פי 33

Claude Opus 4.8 רשום במחיר של $5.00 למיליון טוקני קלט ו-$25.00 למיליון טוקני פלט במחירון של Anthropic עצמה. Qwen3.8-Flash-Next הוא תצוגה מקדימה במשקלים פתוחים של Alibaba לארכיטקטורת Qwen4 — המשקלים זמינים ב-Hugging Face מאז 24 באוגוסט 2026, וב-ModelScope מאז 26 באוגוסט — ובתצורה המוגשת של Qwen3.8-Flash הוא עולה $0.15 ו-$0.47 באותן יחידות. זה פי 33 בקלט ופי 53 בפלט עבור שני מודלים שעל האינדקס הציבורי היחיד שדירג את שניהם נמצאים במרחק של כשני נקודות זה מזה. העימות נראה לא מאוזן ואינו כזה. מה שהמכפיל הזה בעצם קונה הוא צר וספציפי יותר ממה שהפער מרמז, ולגלות איזה חלק ממנו עומס העבודה שלך צריך הוא כל ההחלטה.

דבר אחד צריך להבהיר לפני כל דבר אחר, כי הוא מעצב כל מספר בהמשך: אף אחד לא הריץ את שני אלה ראש בראש בהגדרות תואמות על גבי הרנס נקוב ופרסם את התוצאה. מה שקיים הוא הציון של כל מודל בעצמו במדד Artificial Analysis Intelligence Index, והרשומות האלה הוערכו בתאריכים שונים, אז התייחסו אליהן כסמוכות ולא כהשוואה מבוקרת. כל השאר כאן מגיע מהחומר שפרסמו שני הספקים ומהרנסים הבלתי תלויים שהריצו בפועל אחד מהשניים.

Claude Opus 4.8, מתוך התיעוד של A​nthropic עצמה

Claude Opus 4.8 שוחרר ב-28 במאי 2026, ו-Anthropic מסווגת אותו כעת כדגם מדור קודם: עדיין זמין, עדיין נמכר, אך אינו עוד בראש קו Opus. סקירת הדגמים של Anthropic עצמה אומרת שכדאי לשקול מעבר ל-Claude Opus 5.5, והמדריך למעבר הזה מקושר מדף 4.8 עצמו. כעובדה על הדגם ולא כחיסרון שלו: מדור קודם כאן פירושו שהוחלף בצמרת, לא הוסר.

מה שהוא נושא: חלון הקשר של 1M טוקנים ופלט מקסימלי של 128K, שמועלה ל-300K ב-Message Batches API תחת כותרת בטא. טקסט ותמונות נכנסים, טקסט יוצא, עם ראייה, שימוש בכלים, JSON וחשיבה בין היכולות הנתמכות שלו. חשיבה אדפטיבית עם פרמטר effort שמקבל כברירת מחדל high — ברירת מחדל שונה מזו של Opus 5.5, שמגיע עם medium, כך שערך `effort` זהה אינו אומר אותו תקציב חשיבה בשני המודלים. תאריך ידע ותאריך אימון מהימנים, ששניהם נופלים בינואר 2026, חמישה חודשים אחרי דור ה-Opus הנוכחי. תמחור של $5.00 למיליון טוקני קלט, $25.00 למיליון פלט, $0.50 למיליון קריאות מטמון, $6.25 למיליון כתיבות מטמון של חמש דקות, $10.00 למיליון כתיבות מטמון של שעה, והנחה אחידה של 50% ב-Batch API על קלט ופלט. A​nthropic מתחייבת להשאיר את המודל זמין עד ל-28 במאי 2027 לפחות.

הוא גם לא פריט מוזיאוני. מזהה המודל `claude-opus-4-8` פעיל ב-Claude API, ב-A​mazon Bedrock, ב-G​oogle Cloud, ב-M​icrosoft Foundry וב-Claude Platform on AWS, והחומר הרשמי של A​nthropic עצמה עבור Opus 5.5 מתעד שרוב בקשות אבטחת הסייבר באותה פריסה חדשה יותר מנותבות כלפי מטה אל Opus 4.8 במכוון. מודל שהוא חלופת הגיבוי המיועדת לדגם הדגל הנוכחי עדיין מתבקש לבצע עבודה אמיתית.

Qwen3.8-Flash-Next, מהכרטיס של A​libaba עצמה

Qwen3.8-Flash-Next אינו מודל Qwen4, וההבחנה הזו היא של Alibaba עצמה ולא פרשנות שלה. כרטיס המודל מתאר תצוגה מקדימה ניסיונית של הארכיטקטורה שתעמוד בבסיס Qwen4 — הארכיטקטורה שוחררה מוקדם, במכוון, כדי שסביבות הרצה וקוונטיזציות יהיו מוכנות כשהמשפחה תגיע. הוא מאחסן כ-180B פרמטרים ב-BF16: גוף mixture-of-experts בנפח 125B שמפעיל 6B לכל טוקן, טבלת הטמעות n-gram נפרדת בנפח 51B, וכ-4B של שכבות חיזוי ריבוי-טוקנים, על פני 48 שכבות עם 512 מומחים, שמתוכם 10 מנותבים ואחד משותף. מערך הקשב הוא החלק החדש באמת — 36 שכבות קשב לינארי שמפעילות Gated Delta Network מול 12 שכבות קשב מלא שמפעילות Qwen Sparse Attention, אותו פיצול היברידי של בערך שלוש לאחת שבו משתמשת כל סדרת Qwen3.8 הרחבה יותר.

הקונטקסט המקורי הוא 262,144 טוקנים, עם הרחבה ל-1,000,000. הקלט הוא טקסט, תמונה וווידאו; הפלט הוא טקסט. הרישיון הוא Qwen Community License 1.0, ולא Apache 2.0 — הבדל אמיתי מ-27B של המשפחה, ומהסוג של דברים שמכריעים שאלת רכש חודשים אחרי שהם מכריעים בוויכוח על בנצ'מארק. A​libaba מציבה את המשקלים הפתוחים כתצוגה ניסיונית, ואת Qwen3.8-Flash, המוגש דרך Qwen Cloud, כגרסת הייצור הרשמית עם קונטקסט של 1M כברירת מחדל וכלים מובנים. האם מדובר באותם משקלים תחת תצורת הגשה שונה לא נאמר בכרטיס.

המספרים, מתויגים לפי מי שהפיק אותם

כרטיס המודל של Alibaba הוא טבלת ספק והוא מסומן ככזה כאן. בהערכות השפה של הכרטיס עצמו, Qwen3.8-Flash-Next מדווח על 91.9 ב-LiveCodeBench v6, 91.7 ב-GPQA Diamond, 81.0 ב-SWE-bench Multilingual, 62.5 ב-SWE-bench Pro, 58.7 ב-DeepSWE 1.1, 73.9 ב-CoWorkBench ו-55.7 ב-JobBench. בשורות ההשוואה של הכרטיס עצמו הוא מפסיד למודל Claude ב-HLE, 35.9 לעומת 40.0, וב-NL2Repo-Bench, 48.1 לעומת 54.2. שתי הסתייגויות מגיעות מהכרטיס עצמו: מספר תוצאות משתמשות בבנצ'מרקים פנימיים, ושורת HLE מציינת שהיא נשפטה על ידי GPT-4o, מה ששווה לדעת לפני שמצטטים את הנתון המסוים הזה למישהו.

Anthropic אינה מפרסמת טבלה ציבורית מקבילה עבור Claude Opus 4.8 תוך שימוש באותן ערכות בדיקה, ולכן אין השוואה שורה-לשורה בין ספק לספק, ואין להסיק אותה מהגיליון של מי מהצדדים. ומה שכן קיים הוא צד שלישי שהריץ את שניהם. Artificial Analysis מציגה את Claude Opus 4.8 בציון 41.8 במדד ה-Intelligence Index שלה — המקום ה-23 מבין המודלים שהיא מדרגת, באחוזון ה-84 — ואת Qwen3.8-Flash-Next בציון 40, המקום החמישי מבין 113 המודלים בקבוצת ההשוואה שלה. שני הנתונים הם מאותו מדד של אותו ספק, מה שהופך אותם לדבר הקרוב ביותר לסרגל מדידה משותף הזמין היום, עם ההסתייגות שהוזכרה לעיל בנוגע לתאריכי ההערכה.

יתר התמונה העצמאית, כולה מ־Artificial Analysis וכולה עבור גרסת התצוגה המקדימה עם משקולות פתוחות ולא עבור גרסת ה-Flash המוגשת:

• עבודת ידע — Qwen3.8-Flash-Next רושם 1587 ב-AA-Briefcase, 1647 ב-GDPval-AA v2 ו-56% ב-AutomationBench-AA, מבחן היי�וחס לזרימות עבודה סוכניות שנבנה עם Zapier על מערך משימות פרטי ומוסתר.

• עבודה בטרמינל ובמדע — 25% ב-Terminal-Bench v4.0 ו-51% ב-SciCode, לעומת ביצועים חלשים בהרבה במשימות ריפוזיטורי לטווח ארוך.

• חשיבה — Humanity's Last Exam: 38% ל-Qwen preview מול 48.7% ל-Claude Opus 4.8 על אותה מערכת ההערכה של אותו ספק. ב-GPQA Diamond השניים למעשה באותה רמה: 91.7 בכרטיס של A​libaba מול 92.0 ל-Opus 4.8 ב-Artificial Analysis.

• היזכרות עובדתית מול קונפבולציה — AA-Omniscience במינוס 10 עבור גרסת התצוגה המקדימה של Qwen, המדד שמעניש המצאה בביטחון. לא פורסם נתון מקביל עבור Opus 4.8 במערך בדיקות זה, ולכן אין אפשרות להשוות ביניהם בו.

• מהירות — Artificial Analysis מודדת את ה-preview של Qwen ב-53 טוקני פלט לשנייה עם זמן של 2.80 שניות עד לטוקן הראשון, ומכנה אותו עתיר מילים במיוחד: 108 אלף טוקני פלט למשימה, מהם 72 אלף הם טוקני חשיבה. Claude Opus 4.8, שנמדד דרך סביבת ההרצה שלנו במהלך שבעת הימים האחרונים, מחזיר 66.7 טוקני פלט לשנייה בזמן חציוני של 4.2 שניות לטוקן הראשון. אלו מערכות הרצה שונות, ולכן יש להתייחס לקצבים כאל אינדיקטיביים ולא כתוצאת מירוץ.

• הקשר — 262,144 נייטיבי ו-1,000,000 מורחב עבור Qwen3.8-Flash-Next לעומת 1,000,000 נייטיבי עבור Claude Opus 4.8.

כשקוראים אותם כקבוצה ולא שורה-שורה, התבנית עקבית עם כך שפער המחירים מטעה בשני הכיוונים. המודל הזול באמת קרוב בעבודת ידע, במשימות טרמינל ובהיסק כללי — קרוב יותר ממה שפער מחירים של פי 33 היה מנבא. המודל היקר מוביל במקום שבו העבודה ארוכה, דו-משמעית ויקרה לטעות בה, ויש לו הקשר של מיליון טוקנים באופן מובנה ולא באמצעות הרחבה.

שאלת המחיר, על היחידה שמכריעה אותה

לכל טוקן, הפער חד ובולט, וזו אריתמטיקה פשוטה על מספרים שפורסמו. ב‑Qwen3.8-Flash המוגש, הקלט זול פי 33 והפלט זול פי 53 מאשר ב‑Claude Opus 4.8. המטמון (caching) מצמצם זאת במעט לטובת Anthropic ביחס לתעריף הקלט שלה עצמה — קריאות מטמון ב‑Claude Opus 4.8 עומדות על $0.50 למיליון, עשירית ממחיר הקלט שלו — אבל ב‑Qwen3.8-Flash המוגש תעריף קריאת המטמון הוא $0.0184 למיליון לפי רשימת המחירים שפרסמנו בעצמנו, שהם פחות מ‑4% מהמקבילה ב‑Opus 4.8. עבור פרומפט ארוך‑טווח עם קריאה חוזרת מרובה, ההבדל הזה מצטבר באותו כיוון כמו כל השאר.

הנתון לכל משימה שהושלמה הוא המספר ששורד את עודף הטוקנים, וכאן התשובה הכנה היא שההשוואה חסרה בצד אחד. Artificial Analysis מפרסמת נתון עלות-למשימה עבור המודלים שהיא מריצה; עודף הפירוט של התצוגה המקדימה עצמה — 245M טוקנים שנשרפו בהרצת האינדקס לעומת חציון של 140M — משמעו שיתרון העלות-לטוקן שלה מצטמצם ברמת המשימה במקום להיעלם, ואין הרצה בתנאים תואמים של שני אלה שתכריע בעניין. אם אתם זקוקים למספר אחד שעליו לתכנן, מדדו אותו בעצמכם על התעבורה שלכם במקום לשאול מספרי טוקנים של מישהו אחר.

כאשר כל אחד הוא הבחירה הנכונה

Claude Opus 4.8 הוא הבחירה הנכונה כשהעבודה בסיכון גבוה ובמעבר יחיד: הרצות סוכניות ארוכות-טווח שבהן ענף שגוי יקר לביטול, ניפוי באגים מורכב רב-שלבי על פני בסיס קוד גדול, וכל דבר שכבר נבנה מול בקרות החשיבה וה-`effort` של Claude, שבהם הגדרת `effort` זהה ותאריך חיתוך ידע של ינואר 2026 הם נתונים ידועים ולא נעלמים. הוא גם הבחירה הבטוחה יותר כשאתם רוצים התחייבות של ספק עם תאריך, ומודל שעדיין מהווה את ברירת המחדל המתועדת לתעבורה הקשה ביותר של ממשיכו.

Qwen3.8-Flash-Next הוא הבחירה הנכונה כאשר עומס העבודה רחב ולא עמוק — סיווג בנפח גבוה, חילוץ, הבנת צילומי מסך ומסמכים, סבבי סוכנים (agentic sweeps) שבהם אחרת הייתם מריצים באצווה מטעמי עלות — וכאשר אתם רוצים להעריך את ארכיטקטורת Qwen4 על הנתונים שלכם חודשים לפני ש-Qwen4 קיים. האותות העצמאיים החזקים שלו הם בעבודת ידע ובמשימות טרמינל; האותות החלשים שלו הם ביצירת מאגרי קוד באופק ארוך ובשיעורי הצלחה של סוכן בניסיון בודד, וזה בדיוק המקום שבו מתבצעות שינויי קוד בפרודקשן. הריצו עותק בסיכון נמוך של עומס עבודה אמיתי מולו לפני שהוא נוגע במשהו שחשוב.

הכלל, כשהוא מנוסח ככלל: בחר את המודל שאת מצב הכשל שלו אתה יכול להרשות לעצמך. אם תשובה שגויה עולה לך בניסיון חוזר, ה-33x הוא כסף בחינם. אם תשובה שגויה עולה לך ברולבק בשעה 3 לפנות בוקר, המודל הזול יותר טרם הרוויח את ההחלטה הזו — והעובדה שמדובר בתצוגה מקדימה ניסיונית עם רישיון קהילתי ולא בקו מוצרים שהושק היא חלק מהסיבה לכך, ללא תלות בציונים.

הרצת שניהם ללא חוזה שני

שני הקצוות של ההשוואה הזו פעילים באותו קטלוג. ‏Claude Opus 4.8 מנותב כ-`anthropic/claude-opus-4.8` במחיר של $5.00 ו-$25.00 למיליון טוקנים — מחיר המחירון המפורסם של A​nthropic, כפי שהוא, עם 0% תוספת, כך ששום דבר כאן לא ישתנה אם תעריף זה ישתנה. הגרסה המוגשת בסביבת הפרודקשן של צד Qwen מנותבת כ-`qwen/qwen3.8-flash` במחיר של $0.15 ו-$0.47, גם כן במחיר המחירון של הספק, עם חלון הקשר של מיליון טוקנים וקלט של טקסט, תמונה ווידאו.

תצוגת המשקלים הפתוחים עצמה היא עניין אחר, וכדאי לומר אותה בפשטות: Qwen3.8-Flash-Next אינו אחד מהמסלולים שלנו. כדי להשתמש בתצוגה המקדימה, מורידים את המשקלים מ-Hugging Face או מ-ModelScope ומגישים אותם בעצמכם — vLLM תומך בכך מהיום הראשון עם מסלול offload ששומר את טבלת ה-embedding של n-gram בת 51 מיליארד הפרמטרים בזיכרון המארח ולא ב-VRAM קבוע, SGLang ו-TensorRT-LLM נמצאים ברשימת ה-Day 0 של NVIDIA, ולספרייה של Ollama יש build של MLX עבור Apple Silicon. מה שאנחנו מנתבים הוא גרסת הייצור, וזו שאפשר למעשה לפנות אליה היום.

ההסדר המעשי עבור צוות שרוצה את שניהם הוא פיצול תעבורה ולא החלטה: מפתח אחד, SDK אחד, חשבון אחד, כאשר אחוז מהבקשות נשלח למודל הזול ומעבר אוטומטי לגיבוי סופג את הרגעים שבהם ארכיטקטורה ניסיונית או מתיישנת מתנהגת שלא כשורה. זו מחויבות הנדסית קטנה יותר ממה שמסגור ההתמודדות הזו מרמז, וזו הדרך שבה רוב התשובות השימושיות לשאלה "איזה מהם" מתגלות למעשה — על ידי הרצת שניהם מול תעבורה אמיתית במשך שבוע וקריאת התוצאות.

מה היה משנה את הדף הזה

שלושה דברים, לפי הסדר של הסבירות שהם באמת יתרחשו. הערכה בהגדרות תואמות של Qwen3.8-Flash-Next מול Claude Opus 4.8 על הרנס הנקוב תחליף כל משפט מסויג למעלה במספר. הגעתה של משפחת Qwen4 המלאה תעביר את התצוגה המקדימה מ"הארכיטקטורה, בשלב מוקדם" ל"הדור הקודם של הארכיטקטורה", וזה משנה לשם מה היא מיועדת. וכל שינוי תמחור בקו Opus יפתח מחדש את המכפיל שבמרכז העמוד הזה — התעריף המסופק של Qwen3.8-Flash המועבר הלאה בצד שלנו משתנה באותו יום שבו הספק משנה אותו, כך שההשוואה נשארת עדכנית גם כשהמספרים לא.

עד אז, העובדה היחידה שלרוב מכריעה את ההתאמה הזו אינה מדד ביצועים: היא שהצד הזול הוא תצוגה מקדימה ניסיונית שאתם מארחים בעצמכם, והצד היקר הוא מודל מדור קודם שאתם שוכרים עם יחסי תמיכה והתחייבות לזמינות ב-2027. צוותים שצריכים להיות הבעלים של הסטאק ויכולים לספוג ארכיטקטורה לא מוכחת צריכים לקחת את ה-33x ולבדוק אותו כראוי. צוותים שצריכים שהתשובה תהיה נכונה בפעם הראשונה צריכים לשלם עבור המודל שהם כבר אפיינו את אופן הכשל שלו.