Qwen3.8-Flash-Next: Apa yang Sudah Dikonfirmasi, Apa yang Benar-benar Bisa Anda Unduh, dan Apa yang Sebaiknya Dijalankan Sebagai Gantinya

Jika Anda mencari Qwen3.8-Flash-Next karena Anda mengira model ini akan segera hadir, kalimat yang paling berguna di sini adalah kalimat yang mencegah Anda membuang satu sesi: model ini sudah hadir. Bobotnya sudah dapat diunduh sejak akhir Agustus 2026, dan model ini adalah pratinjau mixture-of-experts berbobot terbuka yang mampu menangani vision dari arsitektur yang menurut A​libaba akan menjadi fondasi Qwen4. Yang tidak ada — dan inilah bagian yang secara diam-diam diasumsikan oleh sebagian besar pencarian "flash next" — adalah iterasi berikutnya yang diumumkan setelahnya. Tidak ada pratinjau kedua, tidak ada penerus bertanggal, dan tidak ada pernyataan vendor yang menjanjikannya. Halaman ini adalah jawaban tetap untuk pertanyaan yang masih diketik orang: apa itu Qwen3.8-Flash-Next, apa yang sudah dikonfirmasi tentangnya, file apa saja yang tersedia untuknya, apa yang diizinkan oleh lisensinya, dan apa yang harus dijalankan hari ini jika Anda menginginkan model yang bisa dipanggil alih-alih sekadar unduhan — saudara produksinya, Qwen3.8-Flash, atau Qwen3.8-27B dense berlisensi Apache-2.0.

Terkonfirmasi, diperkirakan, dan disimpulkan — pisahkan ketiganya

Perbedaan ini penting di sini lebih daripada biasanya, karena nama model ini mengundang orang untuk membaca semacam peta jalan ke dalamnya. Berikut ini tiga tingkatan pernyataan, dan masing-masing diberi label.

Terkonfirmasi, dari materi vendor itu sendiri. Qwen3.8-Flash-Next adalah model bahasa kausal dengan encoder visi, diterbitkan sebagai bobot pasca-pelatihan dan file konfigurasi dalam format Hugging Face Transformers. Repositorinya di bawah organisasi Qwen dibuat pada 24 Agustus 2026 dan terakhir diubah pada 27 Agustus 2026; rilis resmi ModelScope hadir pada 26 Agustus. Kartu Alibaba sendiri menyebutnya "pratinjau eksperimental dari arsitektur yang akan mendasari Qwen4 ini," dan menyatakan bahwa rilis berbobot terbuka pertama di bawah arsitektur tersebut adalah model ini. Parameter tersimpan terdiri atas badan mixture-of-experts 125B, tabel embedding n-gram 51B terpisah, dan sekitar 4B lapisan prediksi multi-token, dengan 6B diaktifkan per token. Konteksnya secara native adalah 262.144 token, dan dapat diperluas hingga 1.000.000. Mode berpikir aktif secara default. Kartu tersebut melaporkan kompatibilitas dengan Hugging Face Transformers, vLLM, SGLang, dan TokenSpeed, dan repositori itu sendiri menyimpan 131 shard safetensors dalam BF16.

Terkonfirmasi, dan mudah terlewat. Model produksi yang disajikan adalah artefak berbeda dengan nama yang mirip. Qwen3.8-Flash adalah build API yang diturunkan dari bobot ini; kartu checkpoint FP8 itu sendiri mendeskripsikannya sebagai "versi resmi berdasarkan Qwen3.8-Flash-Next dengan lebih banyak fitur produksi." Jika pertanyaan Anda adalah "bisakah saya memanggil ini dari API," itulah nama yang Anda cari, bukan nama dari pratinjau.

Diharapkan, dan karena itu tidak dinyatakan di sini. Model bernama "Next" menyiratkan iterasi berikutnya. Tidak ada yang dipublikasikan yang mendukung tanggal, jumlah parameter, lisensi, atau kemampuan untuk itu. Artikel apa pun yang memberi Anda jendela rilis untuk penerusnya hanyalah menyimpulkan, dan Anda dapat memeriksanya dengan mencari sumbernya. Tidak ada satu pun dalam materi Alibaba sendiri.

Dua pertanyaan dengan permintaan nyata di baliknya: GGUF dan nvfp4

Pencarian untuk model ini sangat terpusat pada dua hal — "flash next gguf" dan "flash next nvfp4" — dan keduanya memiliki jawaban yang konkret dan dapat diperiksa, bukan jawaban yang spekulatif. Tidak satu pun dijawab dengan menebak tabel ukuran, jadi inilah yang sebenarnya dipublikasikan.

GGUF sudah tersedia, dari beberapa konverter independen. Sumber utamanya adalah ggml-org/Qwen3.8-Flash-Next-GGUF, unsloth/Qwen3.8-Flash-Next-GGUF, bartowski/Qwen3.8-Flash-Next-GGUF dan AtomicChat/Qwen3.8-Flash-Next-GGUF, di samping banyak repo yang lebih kecil. Itu bukan produk yang sama, dan perbedaannya lebih penting daripada biasanya pada ukuran ini.

Repositori ggml-org adalah yang paling minimal: build IQ4_NL, build Q8_0, file proyektor multimodal terpisah (mmproj-Qwen3.8-Flash-Next-Q8_0.gguf, sekitar 0,6 GB) yang Anda perlukan jika Anda ingin jalur visi, dan tiga file draf prediksi multi-token dalam BF16, Q4_0, dan Q8_0. Jika Anda hanya ingin menjalankan teks, repositori itu sudah cukup.

Repositori unsloth adalah tangga lebar, dan di sinilah pertanyaan ukuran benar-benar terjawab. File-file yang dipublikasikan berkisar dari 72.5 GB (UD-IQ1_S) dan 74.5 GB (UD-IQ1_M) di bagian bawah, melalui 78.9 GB (UD-Q2_K_XL), 82 GB (UD-IQ3_XXS) dan 90 GB (UD-Q3_K_XL), hingga 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) dan sekitar 354 GB pada BF16. Repositori ini juga menyertakan file draf MTP-nya sendiri dan dua file mmproj.

Bacalah tangga itu sebagaimana adanya. Kuantisasi terkecil yang dipublikasikan siapa pun untuk model ini tetap lebih besar dari 70 GB di disk. Tidak ada build yang muat di satu kartu konsumen seperti halnya dense 27B, dan repositori itu sama sekali tidak memberikan panduan VRAM per kuantisasi — bagian perangkat kerasnya hanya berupa prompt kosong "log in to add your hardware". Jadi jawaban jujur untuk "apakah ini akan muat di mesin saya" adalah Anda harus mengukur berdasarkan ukuran file yang dipublikasikan di atas dan berdasarkan trik arsitekturnya sendiri: tabel embedding n-gram 51B dialamatkan oleh kunci lookup yang sudah diketahui sebelumnya, dan justru itulah yang memungkinkan checkpoint sebesar ini berjalan dengan tabel embedding berada di memori host alih-alih dipatok di VRAM. Itu adalah fitur desain, bukan klaim tentang kotak spesifik Anda, dan itulah alasan batas praktis di sini adalah mesin dengan RAM sistem yang besar dan memori akselerator yang lebih kecil, bukan sebaliknya.

nvfp4 juga ada, dan ia membawa lisensi yang berbeda. nvidia/Qwen3.8-Flash-Next-NVFP4diterbitkan pada 2 September 2026, diproduksi dengan rantai perkakas Model Optimizer NVIDIA, dan totalnya sekitar 133 GB yang tersebar di sepuluh shard ditambah berkas FP8 multi-token-prediction dan per-layer-embedding berukuran 53,7 GB. Kartunya mencantumkan NVIDIA Open Model License, bukan lisensi Qwen — poin yang layak dibaca dua kali jika Anda berencana mendistribusikannya kembali. Build NVFP4 lain tersedia dari Red Hat AI, RadixArk, dan local-inference-lab; Intel menerbitkan build W4A16 AutoRound; build MLX untuk Apple silicon tersedia dari beberapa penerbit komunitas.

Satu format lagi layak disebutkan karena ini milik vendor itu sendiri: Qwen/Qwen3.8-Flash-Next-FP8. Ini adalah kuantisasi FP8 berbutir halus dengan ukuran blok 128, dan kartunya mengklaim metrik performa "hampir identik dengan metrik model aslinya." Format ini membawa lisensi komunitas yang sama seperti bobot dasarnya, dan ini adalah checkpoint yang digunakan oleh pipeline benchmark milik Alibaba sendiri.

Apa yang diizinkan oleh lisensi — dan mengapa itu menjawab pertanyaan yang tidak disensor

Klaster tunggal terbesar dari kueri seputar model ini bukanlah tentang benchmark. Ini tentang build yang tidak disensor dan abliterated, dan cara yang tepat untuk menjawabnya adalah membaca lisensi dan melihat apa yang telah dipublikasikan, karena kedua hal itu menentukan apa yang sebenarnya bisa diperoleh pembaca.

Qwen3.8-Flash-Next dirilis di bawah Qwen Community License 1.0. Teks lisensi tersebut memberikan, secara gratis, hak untuk menggunakan, menyalin, memodifikasi, menggabungkan, menerbitkan, mendistribusikan, mensublisensikan, menjual, menerapkan, menghosting, melakukan fine-tuning, dan membuat karya turunan dari bobot, parameter, file konfigurasi, dan kode inferensi. Lisensi ini mensyaratkan bahwa pemberitahuan hak cipta dan izin harus disertakan pada salinan atau bagian substansial. Lisensi ini menetapkan ambang penamaan: jika Anda menggunakan perangkat lunak atau turunannya dalam produk atau layanan komersial dengan lebih dari 100 juta pengguna aktif bulanan atau pendapatan bulanan US$20 juta, nama model harus ditampilkan secara mencolok di antarmuka produk tersebut. Dan lisensi ini memisahkan bisnis layanan — bisnis "Model as a Service" atau "AI Work Assistant" memerlukan lisensi terpisah dari Qwen sebelum penggunaan komersial, dengan pengecualian untuk penggunaan internal bagi penerapan yang tidak mengekspos model, keluarannya, atau kapabilitasnya kepada pihak ketiga.

Tiga konsekuensi mengikuti secara langsung, dan itulah seluruh jawaban atas kueri yang tidak disensor:

• Bobotnya terbuka dan lisensi secara tegas mengizinkan karya turunan. Oleh karena itu, abliterasi komunitas adalah sah, bukan dari pasar abu-abu, dan tersedia dalam jumlah banyak — huihui-ai menerbitkan beberapa, dan keluarga Qwen3.8-Flash-Next-Uncensored milik OrcaRouter sendiri diterbitkan di bawah Apache 2.0 dengan build GGUF, FP8, NVFP4, dan MLX yang diturunkan darinya.

• Sebuah turunan tidak selalu mewarisi lisensi aslinya. Build NVIDIA NVFP4 membawa NVIDIA Open Model License; kuantisasi dari abliterasi komunitas dapat membawa Apache 2.0. Jika ketentuan lisensi adalah alasan Anda memilih satu berkas daripada berkas lain, bacalah kartu repositori spesifik yang akan Anda unduh, bukan kartu model dasarnya.

• Ambang batas komersial menyesuaikan dengan skala bisnis Anda, bukan skala model. Bagi tim yang membangun alat internal, kendala praktisnya adalah persyaratan pemberitahuan. Bagi tim yang menjual akses model, klausul lisensi terpisah untuk bisnis Model-as-a-Service adalah pos biaya yang perlu ditetapkan harganya sebelum Anda membangun di atas bobot ini, dan Apache-2.0 Qwen3.8-27B menghindari percakapan itu sepenuhnya.

Yang tidak akan dilakukan halaman ini adalah mencirikan bagaimana layanan yang dihosting mana pun atau build tertentu merespons prompt tertentu. Itu bukan hal yang diatur oleh lisensi dan bukan yang kami ukur. Lisensi dan file bobot yang dipublikasikan adalah yang menentukan ketersediaan, dan keduanya adalah hal yang dapat Anda verifikasi sendiri dalam beberapa klik.

Apa yang harus dijalankan hari ini

Inilah bagian yang wajib disediakan oleh halaman tetap bagi pembaca yang datang ingin membangun sesuatu sore ini alih-alih mengunduh 90 GB.

Qwen3.8-Flash-Next bukan model yang kami rutekan, dan sebanyak apa pun keinginan, itu tidak akan menjadikannya demikian — tidak ada id model yang cocok dengan qwen3.8-flash-next di katalog kami hari ini, dan halaman ini tidak akan memberi petunjuk bahwa akan ada. Kisah penyajiannya adalah kisah unduh-dan-hosting: tarik bobotnya dari Hugging Face atau ModelScope, pilih di antara jalur safetensors, FP8, NVFP4, dan GGUF di atas, lalu jalankan di perangkat keras yang Anda sediakan.

Rute What we do adalah build produksi dari arsitektur yang sama. Qwen3.8-Flash sudah live sebagai qwen/qwen3.8-flash dengan $0,15 per juta token input dan $0,47 per juta token output, dengan input yang di-cache sekitar $0,018 per juta dan konteks 1M token yang menerima teks, gambar, dan video lalu mengembalikan teks. Harga tersebut adalah daftar terbitan penyedia yang diteruskan tanpa markup, sehingga perubahan di sisi Alibaba sampai ke endpoint Anda pada hari yang sama, bukan pada siklus penagihan berikutnya. Jika yang Anda inginkan dari pratinjau adalah arsitektur dalam produksi, bukan checkpoint di disk, itulah hal yang paling dekat untuk dipanggil dan hanya berjarak satu kunci.

Jika kendala Anda adalah lisensi, bukan latensi, jawaban lainnya adalah Qwen3.8-27B. Ini adalah model dense dengan 27 miliar parameter di bawah Apache 2.0 — tanpa ambang penamaan, tanpa perjanjian terpisah untuk bisnis layanan — dan dirutekan sebagai qwen/qwen3.8-27b, sehingga Anda dapat melakukan benchmark kedua bentuk itu terhadap trafik Anda sendiri sebelum memilih salah satunya. Keduanya berada di balik kunci yang sama dan endpoint yang sama yang kompatibel dengan OpenAI, yang berarti mencoba salah satu lalu yang lainnya hanya memerlukan perubahan model-id, bukan integrasi. Itulah cara murah untuk menjawab "apakah saya benar-benar membutuhkan arsitektur 6B-active," karena ini mengukur beban kerja Anda, bukan benchmark orang lain.

Apa yang belum terselesaikan

Apakah "Next" dalam nama model ini merupakan pratinjau sekali jalan atau yang pertama dari lini bernomor masih belum jelas, dan tidak ada yang dipublikasikan yang memungkinkan Anda menjawabnya. Satu hal yang dapat diandalkan pembaca adalah bahwa padanan produksi dari pratinjau ini sudah ada dan sudah memiliki harga, yang tidak biasa — sebagian besar pratinjau arsitektur tidak dirilis dengan padanan komersial pada hari yang sama. Anggap model ini sebagai pratinjau dari keluarga yang sebagian sudah hadir, bukan sebagai kebocoran dari sesuatu yang belum ada.

Pertanyaan terbuka lainnya adalah soal perkakas, bukan modelnya. llama.cpp, vLLM, dan SGLang semuanya bisa menjalankannya, build FP8 adalah checkpoint evaluasi milik vendor sendiri, dan ekosistem GGUF telah menghasilkan segala hal dari build 1-bit hingga presisi penuh — tetapi kualitas kuantisasi pada 1 hingga 3 bit untuk model mixture-of-experts yang disimpan dalam 176B bukanlah perkara yang sudah tuntas, dan belum ada yang menerbitkan perbandingan terkontrol atas build bit-rendah pada perangkat keras yang setara. Jika Anda memilih antara UD-IQ1_S dan UD-Q2_K_XL untuk menghemat 6 GB, Anda membuat keputusan itu berdasarkan evaluasi Anda sendiri, yang merupakan cara yang benar untuk melakukannya dan juga alasan mengapa tabel ukuran spekulatif di halaman seperti ini akan lebih buruk daripada tidak berguna.

Dua halaman saudara membawa sudut pandang yang sengaja tidak dibawa halaman ini: liputan kebocoran, yang melaporkan apa yang dikatakan sinyal pra-rilis dan bertanggal pada momen itu, serta adu langsung melawan model dense Apache-2.0, yang memegang perbandingan itu. Bacalah keduanya jika Anda menginginkan kisah tentang bagaimana model ini muncul atau argumen tentang mana dari keduanya yang harus dipilih. Halaman ini akan tetap ada di sini, tidak berubah, ketika keduanya sudah usang.