Qwen3.8-Flash-Next: cosa è confermato, cosa puoi scaricare davvero e cosa eseguire invece

Se stai cercando Qwen3.8-Flash-Next perché ti aspetti che arrivi, la frase più utile qui è quella che ti evita di sprecare una sessione: è già arrivato. I pesi sono scaricabili da fine agosto 2026, e il modello è un'anteprima open-weight, con capacità di visione, mixture-of-experts dell'architettura che A​libaba afferma sarà alla base di Qwen4. Ciò che non esiste — e questa è la parte che la maggior parte delle ricerche per "flash next" presume tacitamente — è qualsiasi iterazione successiva annunciata oltre a esso. Non c'è una seconda anteprima, nessun successore datato e nessuna dichiarazione del fornitore che ne prometta uno. Questa pagina è la risposta stabile alla domanda che le persone continuano a digitare: che cos'è Qwen3.8-Flash-Next, cosa è confermato al riguardo, quali file esistono per esso, cosa consente la sua licenza e cosa eseguire oggi se vuoi un modello richiamabile anziché un download — il fratello di produzione Qwen3.8-Flash, o il Qwen3.8-27B dense con licenza Apache-2.0.

Confermato, previsto e dedotto — tieni separati i tre

La distinzione qui conta più del solito, perché il nome di questo modello invita a leggervi una roadmap. Seguono tre gradi di affermazione, e ciascuno è etichettato.

Confermato, dal materiale del fornitore stesso. Qwen3.8-Flash-Next è un modello linguistico causale con un encoder visivo, pubblicato come pesi post-addestrati e file di configurazione in formato Hugging Face Transformers. Il suo repository all'interno dell'Qwen è stato creato il 24 agosto 2026 e modificato l'ultima volta il 27 agosto 2026; il rilascio formale su ModelScope è arrivato il 26 agosto. La scheda ufficiale di Alibaba lo definisce «questa anteprima sperimentale dell'architettura che farà da base a Qwen4» e afferma che il primo rilascio a pesi aperti basato su tale architettura è proprio questo modello. I parametri memorizzati si suddividono in un corpo mixture-of-experts da 125B, una tabella di embedding n-gram separata da 51B e circa 4B di livelli di predizione multi-token, con 6B attivati per token. Il contesto è di 262.144 token nativamente, estendibile a 1.000.000. La modalità di pensiero è attiva per impostazione predefinita. La scheda riporta la compatibilità con Hugging Face Transformers, vLLM, SGLang e TokenSpeed, e il repository stesso contiene 131 shard safetensors in BF16.

Confermato, ed è facile che sfugga. Il modello di produzione servito è un artefatto diverso con un nome simile. Qwen3.8-Flash è la build API derivata da questi pesi; la scheda del checkpoint FP8 lo descrive come "la versione ufficiale basata su Qwen3.8-Flash-Next con più funzionalità di produzione". Se la tua domanda è "posso chiamarlo da un'API", è quel nome che ti serve, non quello dell'anteprima.

Atteso, e quindi non dichiarato qui. Un modello chiamato "Next" implica un'iterazione successiva. Nulla di pubblicato supporta una data, un numero di parametri, una licenza o una capacità per esso. Qualsiasi articolo che ti fornisca una finestra di rilascio per un successore sta facendo supposizioni, e puoi verificarlo cercando la fonte. Non ce n'è nessuna nel materiale di A​libaba stesso.

Le due domande con una richiesta reale alle spalle: GGUF e nvfp4

Le ricerche per questo modello si concentrano molto su due cose — "flash next gguf" e "flash next nvfp4" — ed entrambe hanno risposte concrete e verificabili anziché speculative. A nessuna delle due si risponde indovinando una tabella delle dimensioni, quindi ecco ciò che è effettivamente pubblicato.

Esistono GGUF, da diversi convertitori indipendenti. Le fonti principali sono ggml-org/Qwen3.8-Flash-Next-GGUF, unsloth/Qwen3.8-Flash-Next-GGUF, bartowski/Qwen3.8-Flash-Next-GGUF e AtomicChat/Qwen3.8-Flash-Next-GGUF, insieme a una lunga coda di repository più piccoli. Non sono lo stesso prodotto, e la differenza conta più del solito a queste dimensioni.

Il ggml-org repository è quello minimale: una build IQ4_NL, una build Q8_0, un file separato di proiezione multimodale (mmproj-Qwen3.8-Flash-Next-Q8_0.gguf, circa 0,6 GB) che ti serve se vuoi il percorso vision, e tre file bozza di predizione multi-token in BF16, Q4_0 e Q8_0. Se vuoi eseguire solo testo, quel repository è sufficiente.

Il unsloth repository è l'ampia scala, ed è qui che la questione delle dimensioni trova effettivamente risposta. I suoi file pubblicati vanno da 72,5 GB (UD-IQ1_S) e 74,5 GB (UD-IQ1_M) in fondo, passando per 78,9 GB (UD-Q2_K_XL), 82 GB (UD-IQ3_XXS) e 90 GB (UD-Q3_K_XL), fino a 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) e circa 354 GB in BF16. Include anche i propri file draft MTP e due file mmproj.

Leggi quella scala per quello che è. La quantizzazione più piccola che chiunque pubblichi per questo modello è comunque più grande di 70 GB su disco. Non esiste una build che entri in una singola scheda consumer come fa un 27B dense, e il repository non fornisce alcuna indicazione sulla VRAM per quantizzazione — la sua sezione hardware è un invito vuoto ad accedere per aggiungere il proprio hardware. Quindi la risposta onesta a «starà sulla mia macchina?» è che dovresti dimensionare in base alle dimensioni dei file pubblicate sopra e in base al trucco dell'architettura stessa: la tabella di embedding n-gram da 51B è indirizzata tramite chiavi di lookup note in anticipo, ed è esattamente ciò che permette a un checkpoint di queste dimensioni di essere eseguito con la tabella di embedding residente nella memoria host anziché bloccata nella VRAM. Questa è una caratteristica progettuale, non un'affermazione sulla tua specifica macchina, ed è il motivo per cui il limite pratico minimo qui è una macchina con molta RAM di sistema e una quantità inferiore di memoria dell'acceleratore, non il contrario.

Esiste anche nvfp4, e ha una licenza diversa. nvidia/Qwen3.8-Flash-Next-NVFP4 è stato pubblicato il 2 settembre 2026, prodotto con la toolchain Model Optimizer di NVIDIA, e totalizza circa 133 GB su dieci shard più un file FP8 da 53,7 GB per il multi-token-prediction e l'embedding per layer. La sua scheda elenca la NVIDIA Open Model License, non la licenza Qwen — un punto che vale la pena leggere due volte se prevedi di ridistribuirlo. Esistono altre build NVFP4 da Red Hat AI, RadixArk e local-inference-lab; Intel pubblica una build W4A16 AutoRound; esistono build MLX per Apple silicon da diversi publisher della comunità.

Merita citare un altro formato, perché è quello dello stesso fornitore: Qwen/Qwen3.8-Flash-Next-FP8. È una quantizzazione FP8 a grana fine con una dimensione di blocco di 128, e la sua scheda dichiara metriche di prestazioni "quasi identiche a quelle del modello originale". Riporta la stessa licenza comunitaria dei pesi di base ed è il checkpoint utilizzato dalla pipeline di benchmark di Alibaba stessa.

Cosa consente la licenza — e perché questo risponde alla domanda non censurata

Il più grande singolo gruppo di query attorno a questo modello non riguarda i benchmark. Riguarda le build non censurate e abliterated, e il modo giusto per rispondere è leggere la licenza e guardare ciò che è stato pubblicato, perché queste due cose determinano ciò che un lettore può effettivamente ottenere.

Qwen3.8-Flash-Next viene distribuito con la licenza Qwen Community License 1.0. Il testo della licenza concede, gratuitamente, il diritto di usare, copiare, modificare, unire, pubblicare, distribuire, sublicenziare, vendere, implementare, ospitare, mettere a punto e creare opere derivate dai pesi, parametri, file di configurazione e codice di inferenza. Richiede che l'avviso di copyright e di autorizzazione accompagni le copie o le parti sostanziali. Stabilisce una soglia di denominazione: se usi il software o le opere derivate in un prodotto o servizio commerciale con più di 100 milioni di utenti attivi mensili o 20 milioni di dollari USA di ricavi mensili, il nome del modello deve essere visualizzato in modo ben visibile nell'interfaccia di quel prodotto. E separa le attività di servizio — un'attività "Model as a Service" o "AI Work Assistant" richiede una licenza separata da Qwen prima dell'uso commerciale, con un'eccezione per l'uso interno per le distribuzioni che non espongono il modello, i suoi output o le sue capacità a terzi.

Ne derivano direttamente tre conseguenze, e sono l'intera risposta alle query non censurate:

• I pesi sono aperti e la licenza consente espressamente le opere derivate. Le abliteration della comunità sono quindi lecite, non di mercato grigio, ed esistono in quantità — huihui-ai ne pubblica diverse, e la stessa famiglia Qwen3.8-Flash-Next-Uncensored di OrcaRouter è pubblicata sotto Apache 2.0 con build GGUF, FP8, NVFP4 e MLX da essa derivate.

• Un derivato non eredita sempre la licenza originale. La build NVIDIA NVFP4 è distribuita con la NVIDIA Open Model License; una quantizzazione di un'abliterazione della comunità può essere distribuita con Apache 2.0. Se i termini sono il motivo per cui scegli un file invece di un altro, leggi la scheda del repository specifico che stai per scaricare anziché la scheda del modello di base.

• La soglia commerciale si adatta alla tua attività, non al modello. Per un team che sviluppa uno strumento interno, il vincolo pratico è il requisito di notifica. Per un team che vende accesso ai modelli, la clausola di licenza separata per le attività Model-as-a-Service è una voce di costo da prezzare prima di costruire su questi pesi, e il Qwen3.8-27B con licenza Apache-2.0 evita del tutto quella discussione.

Ciò che questa pagina non farà è caratterizzare come qualsiasi servizio ospitato o qualsiasi particolare build risponda a qualsiasi particolare prompt. Non è ciò che la licenza disciplina né ciò che abbiamo misurato. La licenza e i file dei pesi pubblicati sono ciò che determina la disponibilità, ed entrambe sono cose che puoi verificare personalmente in un paio di clic.

Cosa eseguire oggi

Questa è la parte che una pagina permanente deve a un lettore arrivato con l'intenzione di costruire qualcosa oggi pomeriggio, invece di scaricare 90 GB.

Qwen3.8-Flash-Next non è un modello che instradiamo, e per quanto lo si desideri non lo diventerà: oggi nel nostro catalogo non esiste alcun ID di modello corrispondente a qwen3.8-flash-next, e questa pagina non intende lasciar intendere che ce ne sarà uno. La sua storia di servizio è una storia di download-and-host: scarica i pesi da Hugging Face o ModelScope, scegli tra i percorsi safetensors, FP8, NVFP4 e GGUF indicati sopra, ed eseguilo su hardware di cui gestisci tu il provisioning.

La route che mettiamo a disposizione è la build di produzione della stessa architettura. Qwen3.8-Flash è attivo come qwen/qwen3.8-flash a $0,15 per milione di token di input e $0,47 per milione di token di output, con l'input in cache a circa $0,018 per milione e una finestra di contesto da 1M di token che accetta in ingresso testo, immagini e video e restituisce testo. Quel prezzo è la lista pubblicata dal provider, passata attraverso senza alcun markup, così una modifica da parte di Alibaba raggiunge il tuo endpoint lo stesso giorno anziché al ciclo di fatturazione successivo. Se ciò che volevi dall'anteprima era l'architettura in produzione anziché il checkpoint su disco, questa è la cosa richiamabile più vicina ad essa ed è a una sola chiave di distanza.

Se il tuo vincolo è la licenza anziché la latenza, l'altra risposta è Qwen3.8-27B. È un modello dense da 27 miliardi di parametri sotto Apache 2.0 — nessuna soglia di denominazione, nessun accordo separato per le aziende di servizi — ed è instradato come qwen/qwen3.8-27b, così puoi confrontare le due forme sul tuo traffico prima di impegnarti per l'una o per l'altra. Entrambi stanno dietro la stessa chiave e lo stesso endpoint compatibile con OpenAI, il che significa che provarne uno e poi l'altro costa un cambio di model-id anziché un'integrazione. È il modo economico per rispondere a "mi serve davvero l'architettura con 6B attivi?", perché misura il tuo carico di lavoro invece del benchmark di qualcun altro.

Ciò che non è stabilito

Resta irrisolto se il "Next" nel nome di questo modello sia un'anteprima una tantum o il primo di una linea numerata, e niente di pubblicato ti permette di rispondere. L'unica cosa su cui un lettore può fare affidamento è che la controparte di produzione dell'anteprima esiste già e ha un prezzo, il che è insolito — la maggior parte delle anteprime architetturali non arriva sul mercato con una controparte commerciale lo stesso giorno. Considera questo modello come l'anteprima di una famiglia in parte già presente, non come la fuga di notizie di qualcosa che non c'è.

L'altra questione aperta riguarda gli strumenti piuttosto che il modello. llama.cpp, vLLM e SGLang lo supportano tutti, la build FP8 è il checkpoint di valutazione del fornitore stesso, e l'ecosistema GGUF ha già prodotto di tutto, dalle build a 1 bit a quelle a precisione completa — ma la qualità della quantizzazione a 1-3 bit su un modello mixture-of-experts da 176B non è una questione risolta, e nessuno ha pubblicato un confronto controllato delle build a basso numero di bit su hardware identico. Se stai scegliendo tra UD-IQ1_S e UD-Q2_K_XL per risparmiare 6 GB, stai prendendo quella decisione basandoti sulla tua valutazione, che è il modo corretto di prenderla ed è anche il motivo per cui una tabella speculativa delle dimensioni su una pagina come questa sarebbe peggio che inutile.

Due pagine sorelle trattano le angolazioni che questa deliberatamente non copre: la copertura del leak, che riportava ciò che dicevano i segnali pre-rilascio ed è datata a quel momento, e il confronto testa a testa contro il modello dense Apache-2.0, che detiene il confronto. Leggi quelle se vuoi la storia di come è apparso questo modello o una discussione su quale dei due scegliere. Questa pagina sarà ancora qui, immutata, quando entrambe quelle saranno diventate obsolete.