Qwen3.8-Flash-Next: Wat is bevestigd, wat je daadwerkelijk kunt downloaden, en wat je in plaats daarvan kunt draaien

Als je naar Qwen3.8-Flash-Next zoekt omdat je verwacht dat het nog komt, is de nuttigste zin hier degene die voorkomt dat je een sessie verspilt: het is al gearriveerd. De gewichten zijn sinds eind augustus 2026 downloadbaar, en het model is een open-weight, vision-capabele mixture-of-experts-preview van de architectuur waarvan A​libaba zegt dat die de basis zal vormen voor Qwen4. Wat niet bestaat — en dit is het deel dat de meeste zoekopdrachten naar "flash next" stilzwijgend veronderstellen — is een aangekondigde volgende iteratie daarna. Er is geen tweede preview, geen gedateerde opvolger en geen verklaring van een leverancier die er een belooft. Deze pagina is het vaste antwoord op de vraag die mensen nog steeds typen: wat Qwen3.8-Flash-Next is, wat erover bevestigd is, welke bestanden ervoor bestaan, wat de licentie toestaat, en wat je vandaag moet draaien als je een aanroepbaar model wilt in plaats van een download — de productie-tegenhanger Qwen3.8-Flash, of het Apache-2.0 dense Qwen3.8-27B.

Bevestigd, verwacht en afgeleid — houd de drie uit elkaar

Het onderscheid is hier belangrijker dan gewoonlijk, omdat de naam van dit model mensen uitnodigt er een roadmap in te lezen. Drie gradaties van uitspraken volgen, en elk is gelabeld.

Bevestigd, uit het eigen materiaal van de leverancier. Qwen3.8-Flash-Next is een causaal taalmodel met een visie-encoder, gepubliceerd als post-getrainde gewichten en configuratiebestanden in Hugging Face Transformers-formaat. De repository ervan onder de Qwen-organisatie werd aangemaakt op 24 augustus 2026 en voor het laatst gewijzigd op 27 augustus 2026; de formele ModelScope-release verscheen op 26 augustus. Alibaba's eigen modelkaart noemt het "deze experimentele preview van de architectuur die ten grondslag zal liggen aan Qwen4," en stelt dat de eerste open-weight-release onder die architectuur dit model is. Opgeslagen parameters zijn opgebouwd uit een 125B mixture-of-experts-body, een aparte 51B n-gram-embeddingtabel en ongeveer 4B aan multi-token-predictielagen, met 6B geactiveerd per token. De context bedraagt native 262.144 tokens, uitbreidbaar tot 1.000.000. De denkmodus staat standaard aan. De modelkaart meldt compatibiliteit met Hugging Face Transformers, vLLM, SGLang en TokenSpeed, en de repository zelf bevat 131 safetensors-shards in BF16.

Bevestigd, en gemakkelijk over het hoofd te zien. Het geserveerde productiemodel is een ander artefact met een vergelijkbare naam. Qwen3.8-Flash is de API-build die van deze gewichten is afgeleid; de kaart van de FP8-checkpoint zelf beschrijft het als "de officiële versie op basis van Qwen3.8-Flash-Next met meer productiekenmerken." Als je vraag is "kan ik dit vanuit een API aanroepen", dan is dat de naam die je wilt, niet die van de preview.

Verwacht, en daarom hier niet vermeld.Een model met de naam "Next" impliceert een volgende iteratie. Niets dat is gepubliceerd ondersteunt een datum, een parameteraantal, een licentie of een capaciteit daarvoor. Elk artikel dat je een releasevenster voor een opvolger geeft, doet een gevolgtrekking, en dat kun je controleren door naar de bron te zoeken. Die is er niet in Alibaba's eigen materiaal.

De twee vragen waar echte vraag achter zit: GGUF en nvfp4

Zoekopdrachten voor dit model clusteren sterk rond twee dingen — "flash next gguf" en "flash next nvfp4" — en beide hebben concrete, controleerbare antwoorden in plaats van speculatieve. Geen van beide wordt beantwoord door een groottetabel te raden, dus hier is wat daadwerkelijk gepubliceerd is.

GGUF bestaat, van verschillende onafhankelijke converters. De belangrijkste bronnen zijn ggml-org/Qwen3.8-Flash-Next-GGUF, unsloth/Qwen3.8-Flash-Next-GGUF, bartowski/Qwen3.8-Flash-Next-GGUF en AtomicChat/Qwen3.8-Flash-Next-GGUF, naast een lange reeks kleinere repo's. Het zijn niet hetzelfde product, en het verschil doet er bij deze omvang meer toe dan gewoonlijk.

De ggml-org-repository is de minimale versie: een IQ4_NL-build, een Q8_0-build, een apart multimodaal projectorbestand (mmproj-Qwen3.8-Flash-Next-Q8_0.gguf, ongeveer 0,6 GB) dat je nodig hebt als je het vision-pad wilt, en drie multi-token-prediction-draftbestanden in BF16, Q4_0 en Q8_0. Als je alleen tekst wilt draaien, is die repository voldoende.

De unsloth repository is de brede ladder, en daar wordt de vraag over de grootte daadwerkelijk beantwoord. De gepubliceerde bestanden lopen van 72,5 GB (UD-IQ1_S) en 74,5 GB (UD-IQ1_M) onderaan, via 78,9 GB (UD-Q2_K_XL), 82 GB (UD-IQ3_XXS) en 90 GB (UD-Q3_K_XL), naar 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) en ongeveer 354 GB bij BF16. Het levert ook zijn eigen MTP-conceptbestanden en twee mmproj-bestanden.

Lees die ladder voor wat hij is. De kleinste kwantisatie die iemand voor dit model publiceert, is nog steeds groter dan 70 GB op schijf. Er is geen build die op één consumentenkaart past zoals een dense 27B dat doet, en de repository geeft helemaal geen VRAM-richtlijnen per kwantisatie — de hardware-sectie ervan is een lege "log in om je hardware toe te voegen"-prompt. Het eerlijke antwoord op "past dit op mijn machine" is dus dat je moet dimensioneren op basis van de hierboven gepubliceerde bestandsgroottes en op basis van de eigen truc van de architectuur: de 51B n-gram-embeddingtabel wordt geadresseerd met opzoeksleutels die vooraf bekend zijn, en dat is precies wat een checkpoint van deze omvang kan laten draaien met de embeddingtabel in het hostgeheugen in plaats van vastgezet in VRAM. Dat is een ontwerpkenmerk, geen bewering over jouw specifieke machine, en het is de reden dat de praktische ondergrens hier een machine is met veel systeem-RAM en een kleinere hoeveelheid acceleratorgeheugen, niet andersom.

nvfp4 bestaat ook, en het heeft een andere licentie. nvidia/Qwen3.8-Flash-Next-NVFP4 werd gepubliceerd op 2 september 2026, geproduceerd met N​VIDIA's Model Optimizer-toolchain, en omvat ongeveer 133 GB verdeeld over tien shards plus een FP8-bestand van 53,7 GB voor multi-token-prediction en per-layer-embedding. Op de kaart wordt de N​VIDIA Open Model License vermeld, niet de Qwen-licentie — een punt dat je twee keer moet lezen als je van plan bent het te herdistribueren. Er bestaan ook andere NVFP4-builds van Red Hat AI, RadixArk en local-inference-lab; Intel publiceert een W4A16 AutoRound-build; MLX-builds voor Apple silicon bestaan van verschillende community-uitgevers.

Nog één formaat is het vermelden waard omdat het van de leverancier zelf is: Qwen/Qwen3.8-Flash-Next-FP8. Het is een fijnmazige FP8-kwantisatie met een blokgrootte van 128, en op de kaart worden prestatiecijfers vermeld die "nagenoeg identiek zijn aan die van het oorspronkelijke model." Het heeft dezelfde gemeenschapslicentie als het oorspronkelijke model. Het is de checkpoint uit Alibaba's eigen pipeline.

Wat de licentie toestaat — en waarom dat de ongecensureerde vraag beantwoordt

De grootste afzonderlijke cluster zoekopdrachten rond dit model gaat niet over benchmarks. Het gaat over ongecensureerde en abliterated builds, en de juiste manier om die vraag te beantwoorden is de licentie te lezen en te kijken naar wat is gepubliceerd, omdat die twee dingen bepalen wat een lezer daadwerkelijk kan verkrijgen.

Qwen3.8-Flash-Next wordt uitgebracht onder de Qwen Community License 1.0. De licentietekst verleent, kosteloos, het recht om de gewichten, parameters, configuratiebestanden en inferentiecode te gebruiken, te kopiëren, te wijzigen, samen te voegen, te publiceren, te distribueren, in sublicentie te geven, te verkopen, te implementeren, te hosten, fijn af te stemmen en er afgeleide werken van te maken. Het vereist dat de kennisgeving van auteursrecht en toestemming meegaat met kopieën of substantiële delen. Het stelt een naamgevingsdrempel vast: als u de software of afgeleide werken gebruikt in een commercieel product of een commerciële dienst met meer dan 100 miljoen maandelijkse actieve gebruikers of US$20 miljoen aan maandelijkse omzet, moet de modelnaam prominent in de interface van dat product worden weergegeven. En het zondert dienstverlenende bedrijven af — een bedrijf voor "Model as a Service" of "AI Work Assistant" vereist een afzonderlijke licentie van Qwen vóór commercieel gebruik, met een uitzondering voor intern gebruik voor implementaties die het model, de uitvoer of de mogelijkheden ervan niet aan derden blootstellen.

Drie gevolgen volgen direct, en zij vormen het hele antwoord op de ongecensureerde queries:

• De gewichten zijn open en de licentie staat afgeleide werken uitdrukkelijk toe. Community-abliteraties zijn dus legaal, geen grijze markt, en ze bestaan in grote hoeveelheden — huihui-ai publiceert er verschillende, en OrcaRouters eigen Qwen3.8-Flash-Next-Uncensored-familie is gepubliceerd onder Apache 2.0, met daarvan afgeleide GGUF-, FP8-, NVFP4- en MLX-builds.

• Een afgeleide erft niet altijd de oorspronkelijke licentie. De NVIDIA NVFP4-build valt onder de NVIDIA Open Model License; een kwantisatie van een community-abliteratie kan onder Apache 2.0 vallen. Als licentievoorwaarden de reden zijn dat je het ene bestand boven het andere kiest, lees dan de kaart van de specifieke repository die je op het punt staat te downloaden, in plaats van de kaart van het basismodel.

• De commerciële drempel schaalt mee met je bedrijf, niet met het model. Voor een team dat een interne tool bouwt, is de praktische beperking de kennisgevingsverplichting. Voor een team dat toegang tot het model verkoopt, is de aparte-licentieclausule voor Model-as-a-Service-bedrijven een post om te beprijzen voordat je op deze gewichten bouwt, en de Apache-2.0 Qwen3.8-27B vermijdt dat gesprek volledig.

Wat deze pagina niet doet, is karakteriseren hoe een gehoste dienst of een specifieke build op een specifieke prompt reageert. Dat is niet wat de licentie regelt en niet wat wij hebben gemeten. De licentie en de gepubliceerde gewichtsbestanden bepalen de beschikbaarheid, en beide kun je zelf met een paar klikken verifiëren.

Wat te lopen vandaag

Dit is het deel dat een blijvende pagina verschuldigd is aan een lezer die arriveerde met de wens om vanmiddag iets te bouwen in plaats van 90 GB te downloaden.

Qwen3.8-Flash-Next is geen model dat wij routeren, en geen enkele wens maakt het er een — er staat vandaag geen model-id in onze catalogus die overeenkomt met qwen3.8-flash-next, en deze pagina zal niet suggereren dat die er ooit komt. Het verhaal rond het serveren is er een van downloaden en zelf hosten: haal de weights van Hugging Face of ModelScope, kies tussen de safetensors-, FP8-, NVFP4- en GGUF-paden hierboven, en draai het op hardware die je zelf inricht.

Wat wij routeren is de productiebuild van dezelfde architectuur. Qwen3.8-Flash is live als qwen/qwen3.8-flash voor $0,15 per miljoen inputtokens en $0,47 per miljoen outputtokens, met gecachte input voor ongeveer $0,018 per miljoen en een context van 1M tokens die tekst, afbeelding en video aanneemt en tekst retourneert. Die prijsstelling is de gepubliceerde lijst van de provider, doorgegeven zonder markup, zodat een wijziging aan de kant van A​libaba je endpoint dezelfde dag bereikt in plaats van bij de volgende factureringscyclus. Als wat je van de preview wilde de architectuur in productie was in plaats van de checkpoint op schijf, dan is dat het dichtstbijzijnde aanroepbare ding daarvoor en het is één key verwijderd.

Als je beperking licentie is in plaats van latentie, is het andere antwoord Qwen3.8-27B. Het is een dense model met 27 miljard parameters onder Apache 2.0 — geen naamsdrempel, geen aparte overeenkomst voor dienstverlenende bedrijven — en het wordt gerouteerd als qwen/qwen3.8-27b, zodat je de twee vormen kunt benchmarken tegen je eigen verkeer voordat je je aan een van beide vastlegt. Beide zitten achter dezelfde sleutel en hetzelfde OpenAI-compatibele endpoint, wat betekent dat het uitproberen van de een en dan de ander een wijziging van model-id kost in plaats van een integratie. Dat is de goedkope manier om "heb ik de 6B-actieve architectuur überhaupt nodig" te beantwoorden, omdat het jouw workload meet in plaats van iemand anders' benchmark.

Wat is niet geregeld

Of de "Next" in de naam van dit model een eenmalige preview is of de eerste van een genummerde reeks, is onopgelost, en niets dat is gepubliceerd stelt je in staat daar antwoord op te geven. Het enige waarop een lezer kan vertrouwen, is dat de productie-tegenhanger van de preview al bestaat en een prijs heeft, wat ongebruikelijk is — de meeste architectuurpreviews worden niet op dezelfde dag met een commerciële tegenhanger uitgebracht. Beschouw dit model als een preview van een familie die er gedeeltelijk al is, niet als een lek van iets dat er niet is.

De andere open vraag betreft tooling, niet het model. llama.cpp, vLLM en SGLang ondersteunen het allemaal, de FP8-build is het eigen evaluatiecheckpoint van de leverancier, en het GGUF-ecosysteem heeft al alles geproduceerd, van 1-bit- tot volledige-precisie-builds — maar kwantiseringskwaliteit bij 1 tot 3 bits op een mixture-of-experts-model dat als 176B is opgeslagen, is geen uitgemaakte zaak, en niemand heeft een gecontroleerde vergelijking gepubliceerd van de low-bit-builds op identieke hardware. Als je tussen UD-IQ1_S en UD-Q2_K_XL kiest om 6 GB te besparen, maak je die keuze op basis van je eigen evaluatie, wat de juiste manier is om die te maken en ook de reden waarom een speculatieve groottetabel op een pagina als deze erger dan nutteloos zou zijn.

Twee zusterpagina's bevatten de invalshoeken die deze bewust niet heeft: de lekverslaggeving, die rapporteerde wat de signalen vóór de release zeiden en dateert uit dat moment, en de rechtstreekse confrontatie met het Apache-2.0 dense model, waar de vergelijking thuishoort. Lees die als je het verhaal wilt over hoe dit model verscheen of een argument over welke van de twee je moet kiezen. Deze pagina zal er nog steeds zijn, ongewijzigd, wanneer beide achterhaald zijn.