Qwen3.8-Flash-Next: 확인된 사실, 실제로 다운로드할 수 있는 것, 그리고 대신 실행해야 할 것

Qwen3.8-Flash-Next가 나오기를 기대하며 찾고 있다면, 여기서 가장 유용한 문장은 세션을 낭비하지 않게 해주는 문장입니다. 그것은 이미 나왔습니다. 가중치는 2026년 8월 말부터 다운로드할 수 있었으며, 이 모델은 오픈 가중치, 비전 지원 전문가 혼합(MoE) 미리보기로, A​libaba가 Qwen4를 뒷받침할 것이라고 밝힌 아키텍처입니다. 존재하지 않는 것은 — 그리고 이 부분이 "flash next"를 검색하는 대부분이 조용히 전제하는 부분입니다 — 그것을 넘어서는 발표된 차기 버전입니다. 두 번째 미리보기도, 날짜가 붙은 후속 모델도, 그것을 약속하는 벤더의 성명도 없습니다. 이 페이지는 사람들이 여전히 입력하고 있는 질문에 대한 상시 답변입니다. Qwen3.8-Flash-Next가 무엇인지, 이에 대해 확인된 것은 무엇인지, 어떤 파일이 존재하는지, 라이선스가 무엇을 허용하는지, 그리고 다운로드가 아니라 호출 가능한 모델을 원한다면 오늘 무엇을 실행해야 하는지 — 프로덕션 형제 모델인 Qwen3.8-Flash, 또는 Apache-2.0 dense Qwen3.8-27B.

확인된 것, 예상된 것, 추론된 것 — 이 세 가지를 구분해 두세요

이 모델의 이름은 사람들로 하여금 여기서 로드맵을 읽어내도록 만들기 때문에, 이 구분은 평소보다 더 중요하다. 이어서 세 등급의 진술이 나오며, 각각에는 라벨이 붙어 있다.

확인됨, 벤더 자체 자료에 따름. Qwen3.8-Flash-Next는 비전 인코더를 갖춘 인과 언어 모델이며, Hugging Face Transformers 형식의 사후 학습된 가중치와 구성 파일로 공개되었습니다. 해당 리포지토리는 Qwen 조직 아래에서 2026년 8월 24일에 생성되었고 2026년 8월 27일에 마지막으로 수정되었습니다. 정식 ModelScope 릴리스는 8월 26일에 공개되었습니다. Alibaba 자체 카드는 이를 "Qwen4를 뒷받침할 아키텍처의 실험적 미리보기"라고 부르며, 해당 아키텍처 아래의 첫 오픈 웨이트 릴리스가 이 모델이라고 명시합니다. 저장된 매개변수는 125B 전문가 혼합 본체, 별도의 51B n-gram 임베딩 테이블, 그리고 약 4B의 다중 토큰 예측 레이어로 구성되며, 토큰당 6B가 활성화됩니다. 컨텍스트는 기본적으로 262,144 토큰이며, 1,000,000까지 확장할 수 있습니다. 사고 모드는 기본적으로 켜져 있습니다. 카드는 Hugging Face Transformers, vLLM, SGLang 및 TokenSpeed와의 호환성을 보고하며, 리포지토리 자체에는 BF16 형식의 131개 safetensors 샤드가 있습니다.

확인했습니다, 그리고 놓치기 쉬운 부분입니다. 서빙되는 프로덕션 모델은 이름이 비슷한 다른 결과물입니다. Qwen3.8-Flash는 이 가중치에서 파생된 API 빌드이며, FP8 체크포인트 자체의 카드에서는 이를 "더 많은 프로덕션 기능을 갖춘 Qwen3.8-Flash-Next 기반의 공식 버전"이라고 설명합니다. "이걸 API에서 호출할 수 있나요?"가 질문이라면, 원하는 이름은 프리뷰의 것이 아니라 바로 그 이름입니다.

예상되는 사항이므로 여기서는 따로 언급하지 않습니다. "Next"라는 이름의 모델은 다음 세대를 암시합니다. 하지만 그 출시 날짜나 매개변수 수, 라이선스, 또는 성능을 뒷받침하는 공개된 자료는 없습니다. 후속 모델의 출시 시기를 알려주는 기사는 모두 추측에 불과하며, 출처를 찾아보면 이를 확인할 수 있습니다. 알리바바 자체 자료에는 그런 출처가 전혀 없습니다.

그 이면에 실제 수요가 있는 두 가지 질문: GGUF와 nvfp4

이 모델에 대한 검색은 두 가지 — "flash next gguf"와 "flash next nvfp4" — 에 강하게 몰리며, 둘 다 추측성 답변이 아니라 구체적이고 확인 가능한 답변을 가지고 있습니다. 어느 쪽도 크기 표를 추측해서 답할 수 있는 것이 아니므로, 실제로 공개된 내용은 다음과 같습니다.

GGUF는 여러 독립적인 변환기에서 나온 것들이 존재합니다. 주요 출처는 ggml-org/Qwen3.8-Flash-Next-GGUF, unsloth/Qwen3.8-Flash-Next-GGUF, bartowski/Qwen3.8-Flash-Next-GGUF 그리고 AtomicChat/Qwen3.8-Flash-Next-GGUF이며, 그 외에도 규모가 작은 저장소들이 길게 이어집니다. 이들은 같은 제품이 아니며, 이 정도 크기에서는 그 차이가 평소보다 더 중요합니다.

그 ggml-org 저장소는 최소 구성입니다: IQ4_NL 빌드, Q8_0 빌드, 별도의 멀티모달 프로젝터 파일(mmproj-Qwen3.8-Flash-Next-Q8_0.gguf, 약 0.6 GB)이며, 비전 경로를 원한다면 필요하고, BF16, Q4_0, Q8_0 형식의 세 가지 다중 토큰 예측 드래프트 파일도 있습니다. 텍스트만 실행하려면 그 저장소로 충분합니다.

해당 unsloth 저장소는 폭넓은 사다리이며, 크기 문제에 대한 답이 실제로 나오는 곳입니다. 공개된 파일들은 하단의 72.5 GB (UD-IQ1_S)와 74.5 GB (UD-IQ1_M)부터 78.9 GB (UD-Q2_K_XL), 82 GB (UD-IQ3_XXS), 90 GB (UD-Q3_K_XL)를 거쳐 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), 그리고 BF16에서 약 354 GB에 이르기까지 이어집니다. 또한 자체 MTP 드래프트 파일과 두 개의 mmproj 파일도 함께 제공합니다.

그 양자화 사다리를 있는 그대로 보라. 이 모델에 대해 누군가 공개한 가장 작은 양자화조차 디스크에서 여전히 70 GB보다 크다. dense 27B가 그러하듯 단일 소비자용 카드에 들어가는 빌드는 없으며, 저장소는 양자화별 VRAM 안내를 전혀 제공하지 않는다 — 하드웨어 섹션은 빈 "하드웨어를 추가하려면 로그인하세요" 프롬프트일 뿐이다. 따라서 "이게 내 머신에 들어갈까"에 대한 솔직한 답은 위에 공개된 파일 크기와 아키텍처 자체의 트릭을 기준으로 산정해야 한다는 것이다: 51B n-gram 임베딩 테이블은 미리 알려진 조회 키로 주소가 지정되며, 바로 이것이 이 크기의 체크포인트가 임베딩 테이블을 VRAM에 고정하는 대신 호스트 메모리에 상주시킨 채 실행될 수 있게 해 준다. 이는 설계상의 특징이지 당신의 특정 장비에 대한 주장이 아니며, 여기서 실질적 최소 사양이 많은 시스템 RAM과 더 적은 양의 가속기 메모리를 갖춘 머신이지 그 반대가 아닌 이유다.

nvfp4도 존재하며, 다른 라이선스를 적용받습니다. nvidia/Qwen3.8-Flash-Next-NVFP4는 2026년 9월 2일에 공개되었고, N​VIDIA의 Model Optimizer 툴체인으로 제작되었으며, 열 개의 샤드에 걸쳐 총 약 133 GB, 그리고 53.7 GB의 FP8 다중 토큰 예측 및 레이어별 임베딩 파일로 구성됩니다. 해당 카드에는 Qwen 라이선스가 아니라 N​VIDIA Open Model License가 명시되어 있는데, 재배포할 계획이라면 두 번 읽어볼 만한 점입니다. Red Hat AI, RadixArk, local-inference-lab의 다른 NVFP4 빌드도 존재하고, Intel은 W4A16 AutoRound 빌드를 공개하며, Apple 실리콘용 MLX 빌드는 여러 커뮤니티 배포자가 제공합니다.

한 가지 형식은 벤더 자체의 것이므로 더 언급할 가치가 있습니다: Qwen/Qwen3.8-Flash-Next-FP8 이는 블록 크기 128의 세밀한 FP8 양자화이며, 해당 카드에서는 성능 지표가 "원본 모델과 거의 동일하다"고 주장합니다. 기본 가중치와 동일한 커뮤니티 라이선스를 가지며, 알리바바 자체 벤치마크 파이프라인이 사용하는 체크포인트입니다.

라이선스가 허용하는 것 — 그리고 그것이 검열되지 않은 질문에 답하는 이유

이 모델을 둘러싼 가장 큰 단일 질의 집합은 벤치마크에 관한 것이 아니다. 그것은 무검열 및 어블리터레이티드 빌드에 관한 것이며, 이에 답하는 올바른 방법은 라이선스를 읽고 무엇이 공개되었는지 살펴보는 것이다. 왜냐하면 그 두 가지가 독자가 실제로 얻을 수 있는 것을 결정하기 때문이다.

Qwen3.8-Flash-Next는 Qwen Community License 1.0에 따라 제공됩니다. 라이선스 텍스트는 가중치, 매개변수, 구성 파일 및 추론 코드를 무료로 사용하고, 복사하고, 수정하고, 병합하고, 게시하고, 배포하고, 서브라이선스를 부여하고, 판매하고, 배치하고, 호스팅하고, 미세 조정하며 파생 저작물을 생성할 수 있는 권리를 부여합니다. 또한 저작권 및 허가 고지가 사본이나 상당한 부분과 함께 포함되어야 함을 요구합니다. 명명 기준을 설정합니다: 소프트웨어나 파생물을 월간 활성 사용자 수 1억 명 초과 또는 월 매출 미화 2천만 달러 초과의 상업적 제품이나 서비스에서 사용하는 경우, 해당 제품의 인터페이스에 모델 이름을 눈에 띄게 표시해야 합니다. 그리고 서비스 비즈니스를 별도로 구분합니다. "Model as a Service" 또는 "AI Work Assistant" 비즈니스는 상업적 사용 전에 Qwen으로부터 별도의 라이선스가 필요하며, 모델, 그 출력물 또는 기능을 제3자에게 노출하지 않는 배포에 대해서는 내부 사용 예외가 적용됩니다.

세 가지 결과가 곧바로 뒤따르며, 그것들이 바로 검열되지 않은 질의에 대한 전체 답입니다:

• 가중치가 공개되어 있고 라이선스가 파생 저작물을 명시적으로 허용하므로, 커뮤니티의 어블리터레이션(abliteration)은 회색 시장이 아니라 합법이며, 그 수도 적지 않다. huihui-ai는 여러 개를 공개하고 있으며, OrcaRouter 자체의 Qwen3.8-Flash-Next-Uncensored 제품군도 Apache 2.0에 따라 공개되었고 여기서 파생된 GGUF, FP8, NVFP4 및 MLX 빌드가 제공된다.

• 파생물이 항상 원래 라이선스를 상속하는 것은 아닙니다. NVIDIA NVFP4 빌드는 NVIDIA Open Model License를 따릅니다. 커뮤니티 abliteration을 양자화한 버전은 Apache 2.0을 따를 수 있습니다. 라이선스 조건 때문에 한 파일을 다른 파일보다 선택하려는 것이라면, 베이스 모델의 카드가 아니라 다운로드하려는 특정 저장소의 카드를 읽으세요.

• 상업적 기준은 모델이 아니라 귀하의 비즈니스에 따라 달라집니다. 내부 도구를 만드는 팀에게 실질적인 제약은 고지 요건입니다. 모델 접근 권한을 판매하는 팀에게 Model-as-a-Service 사업체를 위한 별도 라이선스 조항은 이 가중치를 기반으로 구축하기 전에 가격을 책정해야 할 항목이며, Apache-2.0 Qwen3.8-27B는 그 논의를 완전히 피할 수 있습니다.

이 페이지가 하지 않는 일은 어떤 호스팅 서비스나 특정 빌드가 특정 프롬프트에 어떻게 응답하는지를 규명하는 것입니다. 그것은 라이선스가 규율하는 대상이 아니며 우리가 측정한 대상도 아닙니다. 가용성을 결정하는 것은 라이선스와 공개된 가중치 파일이며, 둘 다 클릭 몇 번으로 직접 확인할 수 있습니다.

오늘 무엇을 달릴까

이것은 오늘 오후에 90GB를 내려받기보다는 직접 무언가를 만들고 싶어 찾아온 독자에게 상시 페이지가 마땅히 제공해야 하는 부분이다.

Qwen3.8-Flash-Next는 우리가 라우팅하는 모델이 아니며, 아무리 바라도 그렇게 되지 않습니다 — 오늘날 우리 카탈로그에 qwen3.8-flash-next와 일치하는 모델 ID는 없으며, 이 페이지는 앞으로 그럴 것이라고 암시하지도 않습니다. 이 모델의 서빙 방식은 다운로드 후 직접 호스팅하는 방식입니다: Hugging Face 또는 ModelScope에서 가중치를 내려받고, 위의 safetensors, FP8, NVFP4, GGUF 경로 중에서 선택한 뒤, 직접 마련한 하드웨어에서 실행하세요.

우리가 라우팅하는 것은 동일한 아키텍처의 프로덕션 빌드입니다. Qwen3.8-Flash는qwen/qwen3.8-flash로 라이브 상태이며, 100만 입력 토큰당 $0.15, 100만 출력 토큰당 $0.47이고, 캐시된 입력은 100만 토큰당 약 $0.018이며, 텍스트·이미지·비디오를 입력받아 텍스트를 반환하는 100만 토큰 컨텍스트를 갖추고 있습니다. 이 가격은 제공업체가 공개한 목록 가격을 마크업 없이 그대로 전달한 것이므로, Alibaba 측의 변경 사항이 다음 청구 주기가 아니라 같은 날 귀하의 엔드포인트에 반영됩니다. 프리뷰에서 원했던 것이 디스크에 있는 체크포인트가 아니라 프로덕션 환경의 아키텍처였다면, 그것이 그에 가장 가까운 호출 가능한 대상이며 키 하나만 있으면 됩니다.

당신의 제약이 지연 시간이 아니라 라이선스라면, 다른 답은 Qwen3.8-27B입니다. 이는 Apache 2.0 하에 공개된 270억 개 매개변수의 덴스 모델로, 명칭 기준도 없고 서비스 사업자를 위한 별도 계약도 없으며, qwen/qwen3.8-27b로 라우팅됩니다. 따라서 어느 쪽을 선택하기로 하기 전에 두 형태를 자신의 트래픽에 맞춰 벤치마킹할 수 있습니다. 두 모델 모두 동일한 키와 동일한 OpenAI 호환 엔드포인트 뒤에 있으므로, 하나를 시도한 다음 다른 하나를 시도하는 데 드는 비용은 통합 작업이 아니라 모델 ID 변경뿐입니다. 이것이 "6B 활성 아키텍처가 정말 필요한가"라는 질문에 답하는 저렴한 방법입니다. 남의 벤치마크가 아니라 자신의 워크로드를 측정하기 때문입니다.

무엇이 아직 해결되지 않았나요?

이 모델 이름에 있는 "Next"가 일회성 프리뷰인지, 번호가 붙은 제품 라인의 첫 번째인지는 아직 결론이 나지 않았고, 공개된 어떤 자료로도 이 질문에 답할 수 없다. 독자가 의지할 수 있는 단 하나는 이 프리뷰의 양산형 형제 제품이 이미 존재하고 가격까지 책정되어 있다는 점이며, 이는 이례적이다 — 대부분의 아키텍처 프리뷰는 같은 날 상용 대응 제품과 함께 출시되지 않는다. 이 모델을 일부는 이미 등장한 제품군의 프리뷰로 취급하고, 아직 존재하지 않는 무언가의 유출로 취급하지 말라.

또 다른 미해결 질문은 모델이 아니라 툴링입니다. llama.cpp, vLLM, SGLang 모두 이 모델을 실행할 수 있고, FP8 빌드는 벤더 자체의 평가 체크포인트이며, GGUF 생태계는 이미 1비트부터 전체 정밀도 빌드까지 모든 것을 만들어 냈습니다. 하지만 176B로 저장된 전문가 혼합 모델에서 1~3비트 양자화 품질은 아직 결론이 나지 않은 문제이고, 아무도 동일한 하드웨어에서 저비트 빌드들을 통제 비교한 결과를 발표하지 않았습니다. 6GB를 절약하려고 UD-IQ1_S와 UD-Q2_K_XL 중에서 선택하고 있다면, 그 판단은 여러분 자신의 평가에 근거해 내리는 것입니다. 그것이 올바른 판단 방식이며, 동시에 이와 같은 페이지에 있는 추측성 크기 표가 쓸모없는 것보다 못할 이유이기도 합니다.

두 자매 페이지가 이 페이지가 의도적으로 다루지 않는 관점들을 맡고 있습니다: 출시 전 신호가 무엇을 말했는지 보도했고 그 시점으로 날짜가 고정된 유출 보도, 그리고 비교를 전담하는 Apache-2.0 dense 모델과의 맞대결입니다. 이 모델이 어떻게 등장했는지에 대한 이야기나 둘 중 무엇을 선택할지에 대한 논증을 원한다면 그쪽을 읽어 보세요. 그 두 페이지가 모두 낡아 버린 뒤에도 이 페이지는 변함없이 여기에 남아 있을 것입니다.