Qwen3.8-Flash-Next vs Claude Opus 4.8: cosa ti dà davvero un prezzo 33 volte più alto

Claude Opus 4.8 è a listino a 5,00 $ per milione di token in input e 25,00 $ per milione in output sul listino prezzi di A​nthropic. Qwen3.8-Flash-Next è l'anteprima open-weight di A​libaba dell'architettura Qwen4 — pesi su Hugging Face dal 24 agosto 2026, su ModelScope dal 26 agosto — e nella forma servita Qwen3.8-Flash costa 0,15 $ e 0,47 $ sulle stesse unità. Si tratta di 33x in input e 53x in output per due modelli che, sull'unico indice pubblico che ha valutato entrambi, distano circa due punti l'uno dall'altro. Il confronto sembra sbilanciato e non lo è. Ciò che il moltiplicatore compra davvero è più ristretto e più specifico di quanto il divario suggerisca, e scoprire quale parte ne serve al tuo carico di lavoro è l'intera decisione.

Una cosa da chiarire prima di ogni altra, perché condiziona ogni numero riportato di seguito: nessuno ha messo a confronto questi due testa a testa con impostazioni identiche su un harness specifico e citato per nome, pubblicandone il risultato. Ciò che esiste è il punteggio di ciascun modello sull’Artificial Analysis Intelligence Index, e quelle voci sono state valutate in date diverse, quindi considerale adiacenti anziché come un confronto controllato. Tutto il resto qui proviene dal materiale pubblicato dai due fornitori e da harness indipendenti che hanno effettivamente eseguito uno dei due.

Claude Opus 4.8, dalla documentazione di A​nthropic stessa

Claude Opus 4.8 è stato rilasciato il 28 maggio 2026 e Anthropic ora lo archivia come modello legacy: ancora disponibile, ancora venduto, ma non più al vertice della linea Opus. La stessa panoramica dei modelli di Anthropic dice che dovresti considerare la migrazione a Claude Opus 5.5, e la guida alla migrazione per quel passaggio è collegata dalla pagina stessa della 4.8. Come dato di fatto sul modello, più che come una critica nei suoi confronti: qui legacy significa superato al vertice, non ritirato.

Cosa offre: una finestra di contesto di 1M token e un output massimo di 128K, elevato a 300K sulla Message Batches API con un header beta. Testo e immagini in input, testo in output, con visione, uso degli strumenti, JSON e ragionamento tra le capacità supportate. Pensiero adattivo con il parametro effort che per impostazione predefinita è high — un default diverso da Opus 5.5, che viene fornito a medium, quindi un valore `effort` identico non significa lo stesso budget di pensiero tra i due. Un knowledge cutoff e un training cutoff affidabili che cadono entrambi a gennaio 2026, cinque mesi indietro rispetto all'attuale generazione Opus. Prezzo di $5,00 per milione di token di input, $25,00 per milione di output, $0,50 per milione di letture dalla cache, $6,25 per milione di scritture in cache da cinque minuti, $10,00 per milione di scritture in cache da un'ora, e uno sconto fisso del 50% della Batch API su input e output. A​nthropic si impegna a mantenere il modello disponibile almeno fino al 28 maggio 2027.

Non è nemmeno un pezzo da museo. L'ID del modello `claude-opus-4-8` è attivo su Claude API, A​mazon Bedrock, G​oogle Cloud, M​icrosoft Foundry e Claude Platform on AWS, e il materiale di rilascio di Anthropic per Opus 5.5 documenta che la maggior parte delle richieste di cybersecurity in quel deployment più recente viene indirizzata a Opus 4.8 per scelta progettuale. A un modello designato come fallback per l'attuale flagship viene ancora chiesto di svolgere un lavoro reale.

Qwen3.8-Flash-Next, dalla scheda di Alibaba stessa

Qwen3.8-Flash-Next non è un modello Qwen4, e la distinzione è di Alibaba stesso piuttosto che una lettura che ne diamo noi. La scheda del modello descrive un'anteprima sperimentale dell'architettura che farà da fondamento a Qwen4 — l'architettura distribuita in anticipo, deliberatamente, così che runtime e quantizzazioni siano pronti quando la famiglia arriverà. Memorizza circa 180B parametri in BF16: un corpo mixture-of-experts da 125B che attiva 6B per token, una tabella di embedding n-gram separata da 51B, e circa 4B di livelli di multi-token-prediction, su 48 livelli con 512 esperti di cui 10 instradati e uno condiviso. Lo stack di attenzione è la parte davvero nuova — 36 livelli di attenzione lineare che eseguono Gated Delta Network contro 12 livelli di attenzione completa che eseguono Qwen Sparse Attention, la stessa ripartizione ibrida di circa tre a uno usata dalla più ampia generazione Qwen3.8.

Il contesto nativo è di 262.144 token, estensibile a 1.000.000. L'input è testo, immagini e video; l'output è testo. La licenza è Qwen Community License 1.0, non Apache 2.0 — una differenza reale rispetto al 27B della famiglia, e il tipo di cosa che decide una questione di approvvigionamento mesi dopo aver deciso una discussione sui benchmark. A​libaba posiziona i pesi aperti come anteprima sperimentale e Qwen3.8-Flash, servito tramite Qwen Cloud, come versione di produzione ufficiale con contesto predefinito di 1M e strumenti integrati. Non è dichiarato sulla scheda se si tratti degli stessi pesi con una diversa configurazione di serving.

I numeri, etichettati da chi li ha prodotti

La model card di Alibaba è una tabella del fornitore e qui è etichettata come tale. Nelle valutazioni linguistiche della scheda stessa, Qwen3.8-Flash-Next riporta 91,9 su LiveCodeBench v6, 91,7 su GPQA Diamond, 81 su SWE-bench Multilingual, 62,5 su SWE-bench Pro, 58,7 su DeepSWE 1.1, 73,5 su CoWorkBench e 55,7 su JobBench. Nelle righe di confronto della scheda stessa perde contro un modello Claude su HLE, 35,9 contro 40,0, e su NL2Bench, 48,1 contro 54,2. Due avvertenze provengono dalla scheda stessa: alcuni risultati usano benchmark interni, e la riga HLE è stata giudicata da GPT-4o, cosa che vale la pena sapere prima di citare quella particolare cifra a chiunque.

Anthropic non pubblica alcuna tabella pubblica equivalente per Claude Opus 4.8 usando quegli stessi harness, quindi un confronto riga per riga da fornitore a fornitore non esiste e non va lasciato intendere dalla scheda di nessuna delle due parti. Ciò che esiste è una terza parte che li ha eseguiti entrambi. Artificial Analysis colloca Claude Opus 4.8 a 41,8 sul suo Intelligence Index — 23° tra i modelli che classifica, 84° percentile — e Qwen3.8-Flash-Next a 40, quinto dei 113 modelli nella sua classe di confronto. Entrambi i valori provengono dall'indice dello stesso fornitore, il che li rende quanto di più vicino a un metro di paragone comune esista oggi, con l'avvertenza sopra indicata sulle date di valutazione.

Il resto del quadro indipendente, tutto quanto da Artificial Analysis e tutto quanto relativo all’anteprima open-weight anziché alla variante Flash servita:

Lavoro di conoscenza — Qwen3.8-Flash-Next registra 1587 su AA-Briefcase, 1647 su GDPval-AA v2 e 56% su AutomationBench-AA, il benchmark per flussi di lavoro agentici realizzato con Zapier su un set di attività privato e riservato alla valutazione.

• Lavoro su terminale e in ambito scientifico — 25% su Terminal-Bench v4.0 e 51% su SciCode, a fronte di una prestazione molto più debole su compiti di repository a lungo orizzonte.

• Ragionamento — Humanity's Last Exam: 38% per l'anteprima di Qwen contro il 48,7% di Claude Opus 4.8 sullo stesso harness del provider. Su GPQA Diamond i due sono praticamente alla pari: 91,7 sulla scheda di Alibaba contro 92,0 per Opus 4.8 su Artificial Analysis.

• Richiamo fattuale versus confabulazione — AA-Omniscience a meno 10 per l'anteprima di Qwen, la misura che penalizza l'invenzione spacciata con sicurezza. Per Opus 4.8 non è pubblicato alcun valore equivalente su quel sistema di valutazione, quindi i due non possono essere confrontati su di esso.

• Velocità — Artificial Analysis misura l'anteprima di Qwen a 53 token di output al secondo con un tempo al primo token di 2,80 secondi e la definisce molto verbosa: 108k token di output per attività, di cui 72k sono token di ragionamento. Claude Opus 4.8, misurato tramite il nostro playground negli ultimi sette giorni, restituisce 66,7 token di output al secondo con un tempo mediano al primo token di 4,2 secondi. Harness diversi, quindi considera i valori indicativi anziché un risultato di gara.

• Contesto — 262.144 nativi e 1.000.000 estesi per Qwen3.8-Flash-Next rispetto a 1.000.000 nativi per Claude Opus 4.8.

Letti nel loro insieme anziché una riga alla volta, lo schema è coerente con un divario di prezzo fuorviante in entrambe le direzioni. Il modello economico è davvero vicino nel lavoro di conoscenza, nelle attività da terminale e nel ragionamento generale — più vicino di quanto lascerebbe prevedere una differenza di prezzo di 33x. Il modello costoso è in vantaggio dove il lavoro è lungo, ambiguo e costoso da sbagliare, e ha un contesto da 1M di token in modo nativo anziché tramite estensione.

La questione del prezzo, sull'unità che la decide

Per token, il divario è netto e si tratta di pura aritmetica sui numeri pubblicati. Sul Qwen3.8-Flash servito, l'input costa 33 volte meno e l'output 53 volte meno rispetto a Claude Opus 4.8. La cache lo riduce leggermente a favore di Anthropic rispetto alla sua stessa tariffa di input — le letture dalla cache di Claude Opus 4.8 sono a 0,50 $ per milione, un decimo del suo prezzo di input — ma il Qwen3.8-Flash servito ha una tariffa di lettura dalla cache di 0,0184 $ per milione sulla nostra lista pubblicata, che è meno del 4% dell'equivalente di Opus 4.8. Per un prompt di lunga durata con molte riletture, questa differenza si accumula nella stessa direzione di tutto il resto.

Per attività completata è il numero che sopravvive alla verbosità dei token, e qui la risposta onesta è che il confronto è incompleto su un lato. Artificial Analysis pubblica una cifra di costo per attività per i modelli che esegue; la verbosità stessa dell'anteprima — 245M token bruciati sull'esecuzione dell'indice contro una mediana di 140M — significa che il suo vantaggio per token si riduce a livello di attività anziché scomparire, e non esiste un'esecuzione con impostazioni corrispondenti di questi due per risolverlo. Se ti serve un numero per pianificare, modellalo tu stesso sul tuo traffico invece di prendere in prestito i conteggi di token di qualcun altro.

Dove ognuno è la scelta giusta

Claude Opus 4.8 è la scelta giusta quando il lavoro è ad alto rischio e a passata singola: esecuzioni agentiche a lungo orizzonte in cui un ramo sbagliato è costoso da districare, debug complessi a più fasi su un ampio codebase e qualsiasi cosa già costruita sui controlli thinking ed effort di Claude, dove un'impostazione `effort` identica e un knowledge cutoff di gennaio 2026 sono grandezze note anziché incognite. È anche la scelta più sicura quando si vuole un impegno del fornitore con una data precisa e un modello che resta il fallback documentato per il traffico più difficile del suo successore.

Qwen3.8-Flash-Next è la scelta giusta quando il carico di lavoro è ampio anziché profondo — classificazione ad alto volume, estrazione, comprensione di screenshot e documenti, scansioni agentiche per cui altrimenti procederesti in batch per contenere i costi — e quando vuoi valutare l'architettura Qwen4 sui tuoi dati mesi prima che Qwen4 esista. I suoi segnali indipendenti forti riguardano il knowledge work e le attività da terminale; i suoi segnali deboli riguardano la generazione di repository a lungo orizzonte e i tassi di successo degli agenti al primo tentativo, che è esattamente dove si collocano le modifiche al codice di produzione. Esegui una copia a basso rischio di un carico di lavoro reale su di esso prima che tocchi qualsiasi cosa che conti.

La regola, detta come regola: scegli il modello la cui modalità di errore puoi permetterti. Se una risposta sbagliata ti costa un nuovo tentativo, il 33x è denaro gratis. Se una risposta sbagliata ti costa un rollback alle 3 del mattino, il modello più economico non si è ancora guadagnato quella decisione — e il fatto che sia un'anteprima sperimentale con una licenza community anziché una linea di prodotto rilasciata è parte del motivo, indipendentemente dai punteggi.

Eseguire entrambi senza un secondo contratto

Entrambi gli estremi di questo confronto sono attivi su un unico catalogo. Claude Opus 4.8 è instradato come `anthropic/claude-opus-4.8` a $5.00 e $25.00 per milione di token — il prezzo di listino pubblicato da A​nthropic, riportato con markup dello 0%, quindi qui non cambia nulla se cambia quel listino. La variante di produzione servita del lato Qwen è instradata come `qwen/qwen3.8-flash` a $0.15 e $0.47, anch'essa al prezzo di listino del provider, su un contesto da 1M di token con input di testo, immagini e video.

L'anteprima open-weight è di per sé una questione a parte e vale la pena dirlo chiaramente: Qwen3.8-Flash-Next non è una delle nostre route. Per usare l'anteprima scarichi i pesi da Hugging Face o ModelScope e li servi da solo: vLLM la supporta fin dal primo giorno con un percorso di offload che mantiene la tabella di embedding n-gram da 51 miliardi di parametri nella memoria dell'host anziché in VRAM permanente, SGLang e TensorRT-LLM sono nella lista Day 0 di NVIDIA, e la libreria di Ollama include una build MLX per Apple Silicon. Quella che instradiamo è la variante di produzione, cioè quella che puoi effettivamente chiamare oggi.

La soluzione pratica per un team che li vuole entrambi è una ripartizione del traffico più che una decisione: una sola chiave, un solo SDK, una sola fattura, con una percentuale di richieste inviate al modello economico e un failover automatico che assorbe i momenti in cui un'architettura sperimentale o una datata dà problemi. Si tratta di un impegno ingegneristico inferiore a quanto suggerisca l'impostazione di questo confronto, ed è così che si trovano davvero la maggior parte delle risposte utili a "quale dei due" — facendoli girare entrambi su traffico reale per una settimana e leggendo i risultati.

Cosa cambierebbe questa pagina

Tre cose, in ordine di quanto è probabile che accadano davvero. Una valutazione a parità di impostazioni di Qwen3.8-Flash-Next contro Claude Opus 4.8 su un harness denominato sostituirebbe ogni frase cautelativa qui sopra con un numero. L'arrivo della famiglia Qwen4 al completo sposterebbe l'anteprima da "l'architettura, in anticipo" a "la generazione precedente dell'architettura", il che ne cambia la finalità. E qualsiasi movimento di prezzo sulla linea Opus riaprirebbe il moltiplicatore al centro di questa pagina — la tariffa servita di Qwen3.8-Flash, trasferita sul nostro lato, si muove lo stesso giorno in cui la muove il fornitore, così il confronto resta attuale anche quando i numeri non lo sono.

Fino ad allora, il singolo fatto che più spesso decide questo abbinamento non è un benchmark: è che il lato economico è un'anteprima sperimentale che gestisci tu stesso e il lato costoso è un modello legacy che noleggi con un rapporto di supporto e un impegno di disponibilità fino al 2027. I team che hanno bisogno di possedere lo stack e possono assorbire un'architettura non collaudata dovrebbero prendere il 33x e testarlo adeguatamente. I team che hanno bisogno che la risposta sia giusta al primo colpo dovrebbero pagare per il modello di cui hanno già caratterizzato la modalità di guasto.