Qwen3.8-Flash-Next vs Qwen3.8-Max: quanto si avvicina un'anteprima Qwen4 da 6B attivi al modello di punta da 2.4T?

Il 26 agosto 2026, il team Qw​en di Alibaba ha reso open source Qwen3.8-Flash-Next, un mixture-of-experts multimodale da 176 miliardi di parametri che attiva solo circa 6 miliardi di parametri per token ed è esplicitamente presentato come un'anteprima iniziale dell'architettura Qwen4. Il parametro di riferimento con cui sarà misurato fin dal primo giorno è il modello di punta di Alibaba, Qwen3.8-Max, il MoE sparso da 2,4 trilioni di parametri che ha raggiunto la disponibilità generale il 3 agosto e da allora è stato offerto a 2,00 dollari per milione di token in input e 6,00 dollari per milione di token in output. Sulla carta, i due modelli distano più di un ordine di grandezza nei parametri memorizzati — 2,4 trilioni contro circa 180 miliardi — e circa sedici volte nei parametri attivi. Nel benchmark ufficiale di Alibaba, i risultati sono molto più vicini di quanto non lo siano le dimensioni — il che è o la cosa più impressionante dell'anteprima, o il promemoria più chiaro finora che una tabella del fornitore è un'ipotesi finché non la verifica un laboratorio indipendente.

La versione breve: non è una gara tra pari, e fingere il contrario è l'unico modo per sbagliare. Qwen3.8-Max è il tetto di capacità dell'attuale generazione — valutato in modo indipendente da Artificial Analysis, open-weight dal 12 agosto, collaudato in produzione per tre settimane. Qwen3.8-Flash-Next è un prototipo architetturale di un giorno che, secondo Alibaba, la maggior parte dei carichi di lavoro non avrà bisogno del margine di Max per funzionare. Il motivo per cui il confronto vale comunque la pena è che nei benchmark in cui entrambi i modelli compaiono nelle tabelle di Alibaba, l'anteprima si attesta entro circa un punto dal modello di punta su lavoro agentico e d'ufficio, e lo supera su due — JobBench e RealWorldQA. La differenza decisiva non è il divario di qualità, che è piccolo e non verificato. È il divario di evidenze: uno di questi modelli ha una scheda di valutazione di terze parti, l'altro non ne ha nessuna.

Cosa è realmente ciascun modello

Qwen3.8-Flash-Next è la prova generale dell'architettura. Memorizza su disco circa 180 miliardi di parametri — un corpo MoE da 125B, una tabella di embedding N-gram da 51B che risiede nella memoria host anziché nella VRAM, e una testa di predizione multi-token — e instrada ogni token attraverso circa 6B di essi, con una sparsità vicina al 95%. Il suo MoE a 512 esperti alterna tre strati Gated DeltaNet con uno strato Qwen Sparse Attention per gruppo, aggiunge un flusso residuo gated e embedding N-gram, ed è stato addestrato con l'ottimizzatore Muon a un costo che Alibaba stima essere circa un nono di quello di Qwen3.7-Plus. Accetta input di testo, immagini e video, offre un contesto nativo di 262.144 token estendibile a 1M tramite YaRN, ed è stato rilasciato con la licenza qwen-community-1.0 su Hugging Face e ModelScope in bf16 e FP8. Il modello di produzione che avrà un prezzo sull'API QwenCloud — Qwen3.8-Flash, annunciato a 0,16 dollari per milione di token in input e 0,47 dollari per milione di token in output — è la versione ottimizzata per il serving della stessa architettura e non è ancora stato aperto.

Qwen3.8-Max è il prodotto finale di questa generazione. È un MoE sparso da 2,4T sull'architettura della generazione attuale — Gated DeltaNet più attenzione gated, 512 esperti con 10 instradati e uno condiviso, 95 miliardi attivati per token secondo la scheda ufficiale del modello. È multimodale sull'API, offre un contesto da 1 milione di token a prezzo fisso di 2$/6$ senza sovrapprezzo per i prompt lunghi, e i suoi pesi aperti, Qwen3.8-2.4T-A95B, sono stati rilasciati il 12 agosto con una licenza personalizzata che non è Apache. È il modello che Artificial Analysis ha valutato con un Intelligence Index di 58 e un Coding Index di 71,8, la scheda indipendente più forte posseduta da qualsiasi modello della famiglia Qw​en 3.8.

• Parametri totali — Qwen3.8-Flash-Next: 125B MoE + 51B N-gram (~180B memorizzati). Qwen3.8-Max: 2.4T MoE.

Attivi per token — Qwen3.8-Flash-Next: ~6B (sotto il 5%). Qwen3.8-Max: ~95B (~4%).

Architettura — Qwen3.8-Flash-Next: anteprima Qwen4 (QSA + GDN, residuo gated, N-gram, Muon). Qwen3.8-Max: generazione Qwen 3.5 (GDN + attenzione gated).

• Contesto — Qwen3.8-Flash-Next: 262K nativo / 1M tramite YaRN. Qwen3.8-Max: 1M sull'API / 262K nativo sui pesi aperti.

• Prezzo — Qwen3.8-Flash-Next: $0,16 / $0,47 per 1M (annunciato, API non ancora aperta). Qwen3.8-Max: $2,00 / $6,00 per 1M, fisso.

• Pesi aperti — Qwen3.8-Flash-Next: qwen-community-1.0, 26 agosto, in grado di funzionare su singolo nodo. Qwen3.8-Max: Qwen3.8-2.4T-A95B, licenza personalizzata, multi-nodo.

• Punteggio indipendente — Qwen3.8-Flash-Next: nessuno ancora. Qwen3.8-Max: AA Intelligence Index 58, Coding Index 71.8.

Il tabellone sopra comprime il confronto alle sette righe che contano, e il piè di pagina con le fonti fa il lavoro pesante: ogni dato di Flash-Next è di Alibaba e non riprodotto, mentre la colonna Max si basa su Artificial Analysis e sulla tabella pubblicata da Alibaba. Se la si legge in questo modo, le colonne smettono di essere una gara e diventano una dichiarazione sulle evidenze.

La scheda di benchmark, letta onestamente.

Sulle righe condivise delle tabelle proprietarie di Alibaba, il divario è molto più piccolo di quanto suggerisca la differenza di parametri di quaranta volte. Su CoWorkBench (lavoro d'ufficio agentico) l'anteprima registra 73,9 contro il 74,8 di Max; su AndroidWorld 84,5 contro 85,3; su Agents' Last Exam 51,2 contro 52,4 — un punto o meno su ciascuna. Su JobBench il 55,7 dell'anteprima e su RealWorldQA il suo 88,5 sono le righe verificate migliori del foglio, davanti a Max. Il divario si allarga nel blocco incentrato sulla visione — LVBench, ERQA, MathVision, Vision2Web — dove Max guida con circa quattro-sei punti di scarto. Sui numeri agentici di punta, Qwen3.8-Flash-Next registra SWE-bench Pro 62,5 e DeepSWE 58,7, a portata del modello di punta su un lavoro che costa dodici volte di più da eseguire.

Ora l'etichetta, applicata a ogni numero sopra: tutto quanto è riportato da Alibaba, proveniente dal proprio harness di Alibaba, vecchio di un giorno nel caso dell'anteprima e non replicato per entrambi i modelli. Ciò conta diversamente su ciascun lato. La tabella di qualità di Qwen3.8-Max è dichiarata dal fornitore, ma il suo Intelligence Index 58 e il Coding Index 71.8 sono misurazioni di terze parti sull'API di Alibaba — il modello è stato esposto a un controllo indipendente per settimane, e regge. Qwen3.8-Flash-Next non ha ancora alcun punteggio indipendente di alcun tipo. La lettura onesta della vicinanza non è "l'anteprima è fondamentalmente buona quanto l'ammiraglia". È "Alibaba dice che l'anteprima è entro un punto dall'ammiraglia, e nessuno fuori dal laboratorio lo ha confermato." Il divario tra queste due frasi è l'intera differenza in quanto rischio ciascun modello comporta.

Il punto è il divario di prezzo.

Fate prima l'aritmetica, perché è la parte che non cambia. A $0.16/$0.47, un milione di token di input più un milione di token di output si traduce in $0.63 sull'API Flash di produzione; la stessa chiamata su Qwen3.8-Max costa $8.00 — circa 12.7× in più, su entrambe le voci. Alibaba afferma che l'architettura viene addestrata a circa un nono del costo di Qwen3.7-Plus, che è il motivo strutturale per cui il prezzo può attestarsi a quel livello, e a $0.16 la Flash di produzione è più economica di circa due terzi persino rispetto a DeepSeek-V4-Flash. Per carichi di lavoro ad alto volume, basati su agenti o con contesto lungo, un divario di prezzo di 12.7× è la differenza tra un prodotto redditizio e un sussidio — ed è proprio per questo che il confronto viene fatto.

Questo è il punto in cui un livello di routing dimostra il suo valore su entrambi i lati del bilancio, e i fatti meritano di essere precisati con esattezza. Qwen3.8-Max è live su OrcaRouter oggi al prezzo di listino del provider, senza alcun ricarico — gli stessi $2.00/$6.00 che pagheresti direttamente al fornitore, dietro l'endpoint compatibile con OpenAI che già usi. Qwen3.8-Flash-Next non è ancora su nessuna API: finché la Qwen3.8-Flash di produzione non sarà disponibile su QwenCloud, i pesi aperti sono l'unica via, in self-hosting. Quando quell'API aprirà, lo stesso pass-through a margine 0% farà sì che il suo prezzo di $0.16/$0.47 appaia dalla nostra parte lo stesso giorno — un taglio di prezzo attivo in una config, non una riga in un comunicato stampa — ed entrambi i modelli stanno dietro una sola chiave con failover automatico tra loro. Non devi ricollegare l'integrazione per testare un'architettura vecchia di un giorno; cambi una regola di routing.

Architettura in anteprima rispetto a prodotto collaudato

C'è una differenza di più lungo respiro che supera qualsiasi singolo benchmark. Qwen3.8-Flash-Next è costruito sull'architettura che Alibaba afferma Qwen4 utilizzerà — attenzione sparsa, DeltaNet con gate, residuo con gate, embedding di N-grammi, Muon — rilasciata in anticipo come open weights affinché l'ecosistema possa metterla alla prova prima che il costoso modello venga costruito sopra. Secondo le misurazioni di Alibaba, quello stack raggiunge fino a 7,6× più veloce in prefill e 4,9× più veloce in decode su un contesto da 1M di token rispetto all'attenzione completa (dati dichiarati dal fornitore), che è il motivo tecnico per cui un modello con 6B di parametri attivi può mantenere una finestra da 1M di token a un costo accessibile. Qwen3.8-Max è il prodotto maturo dell'attuale generazione, ed è esattamente il suo pregio: la quantità nota, il modello di cui i team hanno già mappato il comportamento di serving e le modalità di errore.

Per un sistema in produzione, il bivio è a doppio taglio. Max è la scelta sicura oggi — valutato in modo indipendente, tre settimane di esposizione in produzione, un prezzo consolidato. Flash-Next è la direzione su cui Alibaba scommette per la prossima generazione, a un prezzo che riprezza l'intera famiglia. Sceglierlo ora significa cavalcare un'architettura che la community sta ancora verificando; ignorarlo significa scommettere che l'architettura più economica non scavalchi il fiore all'occhiello entro sei mesi. Nessuna delle due scommesse deve essere per forza tutto o niente — che è il punto pratico di mantenere entrambe raggiungibili da un unico endpoint.

Le due schermate sopra sono le superfici pubbliche di ciascuna release: l'elenco di OrcaRouter dove Qwen3.8-Max è richiamabile oggi al prezzo di listino, e l'annuncio di Qwen Studio di Alibaba per il rilascio degli open-weights di Qwen3.8-Flash-Next.

La decisione

Scegli Qwen3.8-Max se oggi ti serve il tetto massimo di capacità di questa generazione — lavoro agentico a lungo orizzonte, il punteggio indipendente più alto della famiglia, e un modello che è in produzione da settimane, non da ore. A $2/$6 fissi per milione di token è economico per un modello di frontiera, ed è l'unico dei due ad avere dati che non hai preso per fede.

Scegli Qwen3.8-Flash-Next se il tuo carico di lavoro è ad alto volume e sensibile al prezzo — loop agenteici, automazione d'ufficio in batch, passaggi a lungo contesto dove un divario di prezzo di 12.7× fa la differenza tra il punto di pareggio e il margine — e ti trovi a tuo agio nell'eseguire un'architettura vecchia di un giorno su una scheda del fornitore, o di fare self-hosting dei pesi open mentre l'API non è ancora disponibile.

Per tutti quelli nel mezzo, l'atteggiamento sensato è duplice: Qwen3.8-Max su una chiave ora, Qwen3.8-Flash-Next a una semplice regola di routing quando l'API si apre, e failover così che il modello di un giorno non possa mettere fuori uso un percorso di produzione mentre decidi. La domanda aperta è quella onesta: un modello che attiva 6 miliardi dei suoi parametri può mantenere questi punteggi benchmark sotto replica indipendente, o il gap nella visione e la scheda di un giorno si allargheranno fino a diventare la vera storia? Le prossime settimane daranno la risposta, e il confronto merita di essere rivisitato nel momento in cui arriva un punteggio indipendente per l'anteprima.