Qwen3.8-Flash-Next vs Qwen3.8-27B: Huur de doorvoer of bezit de gewichten

Qwen3.8-Flash-Next en Qwen3.8-27B zijn twee antwoorden op dezelfde vraag, zes dagen na elkaar gepubliceerd door hetzelfde lab, en de vraag is wat een team daadwerkelijk moet draaien wanneer het een model uit deze generatie wil dat het voor productieverkeer kan zetten. Qwen3.8-27B verscheen op 13 augustus 2026: een dense model met 27 miljard parameters onder Apache 2.0, waarvan de 55,6 GB aan BF16-gewichten na kwantisatie op één kaart van 24 GB passen. Qwen3.8-Flash-Next arriveerde op 24 augustus op Hugging Face en op 26 augustus op ModelScope: ruwweg 180B opgeslagen parameters, 6B geactiveerd per token, onder de restrictievere Qwen Community License 1.0. De een is een bestand. De ander is een doorvoerprofiel. Kiezen tussen beide is vooral de vraag welke van die twee dingen je workload daadwerkelijk nodig heeft.

Ze zijn nauwere verwanten dan de namen doen vermoeden. Beide hebben een native context van 262.144 tokens die uitbreidbaar is tot 1.000.000, beide nemen tekst, afbeelding en video als invoer en geven tekst terug, en beide hanteren hetzelfde hybride attention-idee dat Alibaba sinds de Qwen3.5-generatie uitbrengt — een meerderheid van linear-attentielagen die het longcontextwerk goedkoop doen, een minderheid van full-attentielagen die de precieze retrieval afhandelen waar lineaire attention slecht in is. Waar ze ophouden hetzelfde te zijn, is alles stroomafwaarts daarvan: licentie, grootte, prijs per token, en wat je moet doen om er een aan de praat te krijgen.

Wat elk ervan is, in één alinea per stuk.

Qwen3.8-27B is een dense causaal taalmodel met een visuele encoder: 64 lagen, verborgen dimensie 5120, een tussenliggende grootte van 17.408 en een vocabulaire van 248.320 tokens, waarbij de attention-stack is opgesplitst in 48 lineaire Gated DeltaNet-lagen tegenover 16 Gated Attention-lagen. A​libaba trainde het met multi-tokenvoorspelling. De denkmodus staat standaard aan, met `reasoning_effort`-niveaus xhigh, medium en low, en de eigen visierijen van de modelkaart bestrijken documentparsing (OmniDocBench 1.5 met 91,1), GUI-werk (OSWorld-Verified 84,3, AndroidWorld 81,9) en algemene visuele redenering (RealWorldQA 85,9, MathVision 90,0). Het is, in de gewone zin van het woord, een downloadbaar model: één repository, achttien safetensors-shards, een licentiebestand en een omvang die een serieuze workstation aankan.

Qwen3.8-Flash-Next is een mengsel van experts op de architectuur waarvan Alibaba zegt dat die de basis zal vormen voor Qwen4 — 48 lagen, 512 experts met 10 gerouteerde en één gedeelde, 125B parameters in het expertlichaam die 6B per token activeren, plus een aparte n-gram-embeddingtabel van 51B en ongeveer 4B aan multi-tokenvoorspellingslagen. De attentionstack is hetzelfde drie-op-één-idee op een andere schaal: 36 Gated DeltaNet-lagen tegenover 12 die Qwen Sparse Attention gebruiken. De kaart is expliciet dat dit een experimentele preview van de architectuur is en geen Qwen4-model, en dat de geserveerde productievariant Qwen3.8-Flash via Qwen Cloud is. Het is geen bestand dat je zomaar bezit — het is een serveerprobleem dat je één keer oplost en daarna goedkoop draait.

Waar de twee uiteenlopen, los van het aantal parameters

De licentie is het eerste verschilpunt en degene die elke benchmarkdiscussie op deze pagina overleeft. Qwen3.8-27B is Apache 2.0, punt uit: commercieel gebruik, wijziging, herdistributie, afgeleide builds, geen omzetdrempel en geen aparte overeenkomst om te onderhandelen. Qwen3.8-Flash-Next is Qwen Community License 1.0, die commercieel gebruik toestaat, inclusief het verkopen van afgeleide werken, maar een aparte commerciële overeenkomst met Alibaba vereist als je een model-as-a-service- of AI-werkassistentbedrijf runt dat een bepaalde drempel voor omzet en maandelijks actieve gebruikers overschrijdt. Als je een product bouwt in plaats van een interne tool, is die clausule geen voetnoot; het is een begrotingspost. Het is de moeite waard om de licentie te lezen voordat je de benchmarktabel leest, want die kan een model diskwalificeren dat op elke score wint.

Het tweede verschilpunt is wat "lokaal" betekent. Voor de 27B betekent "lokaal" één machine: kwantiseer naar vier bits en het model past op een kaart met 24 GB, waarbij de formaatladder — GGUF-kwatiseringsniveaus, MLX voor Apple Silicon, de daadwerkelijke VRAM-rekenkunde — in detail wordt behandeld op een zustergpagina in plaats van hier te worden herhaald. Voor Flash-Next betekent "lokaal" het provisioneren voor een checkpoint met 180B parameters. vLLM serveert het vanaf dag één met een offload-pad dat de n-gramtabel van 51B parameters in het hostgeheugen houdt in plaats van in permanent VRAM, SGLang en TensorRT-LLM staan op NVIDIA's Day 0-lijst, en de bibliotheek van Ollama bevat een MLX-build voor Apple Silicon — maar "draait" en "draait op de machine die je hebt" zijn verschillende zinnen, en alleen de 27B mag de tweede claimen.

Wat de openbare cijfers zeggen, en wat ze niet zeggen

Beide modellen hebben Artificial Analysis-cijfers, afkomstig uit dezelfde index, waardoor dit de zeldzame vergelijking binnen dezelfde familie is waarbij de onafhankelijke cijfers ten minste naast elkaar kunnen worden gelezen. Qwen3.8-27B scoort 33,7 op de Intelligence Index — 47e in totaal, 66e percentiel — en 68,1 op de AA Coding Index, 35e in totaal. De open-weight Flash-Next-preview scoort 40 op de Intelligence Index, vijfde van de 113 modellen in zijn vergelijkingsklasse. Die vermeldingen zijn op verschillende datums geëvalueerd, dus interpreteer het verschil als richtinggevend en niet als een gecontroleerd resultaat.

Het detail achter de twee scores is interessanter dan de scores zelf. Op de afzonderlijke evaluaties rapporteert de eigen kaart van de 27B 90,3 op LiveCodeBench v6, 89,2 op GPQA Diamond en 79,0 op QwenSWEBench, terwijl de kaart van de Flash-Next preview 91,9, 91,7 en — op de benchmark van dezelfde familie — 81,0 op SWE-bench Multilingual en 62,5 op SWE-bench Pro rapporteert. Dat zijn allemaal de eigen cijfers van de leverancier, geproduceerd door de leverancier, en geen ervan is door een derde partij gereproduceerd op een overeenkomstige testopstelling. Het onafhankelijke beeld is nauwer en wijst bij sommige rijen de andere kant op: de preview is sterk in kenniswerk en terminaltaken en zwak in het genereren van repositories over een lange horizon, terwijl de onafhankelijke codingindex van 68,1 van de 27B lager ligt dan de eigen door de leverancier gerapporteerde SWE-cijfers zouden doen vermoeden.

Een praktisch verschil dat de index wél vastlegt: de preview is verbose. Artificial Analysis meet die op 53 outputtokens per seconde met een tijd tot het eerste token van 2,80 seconden en noemt die "zeer verbose", waarbij hij 108k outputtokens per taak verbrandt, waarvan 72k redeneertokens. De 27B, gemeten via onze eigen playground gedurende de afgelopen zeven dagen, levert iets meer dan 200 outputtokens per seconde bij een mediane tijd tot het eerste token van 4,97 seconden. Verschillende testopstellingen, dus beschouw de snelheden als indicatief — maar ze beschrijven dezelfde vorm die de architectuur impliceert. De ene verbruikt tokens om tot een antwoord te komen; de andere verbruikt er minder, en het dense ontwerp maakt elk ervan goedkoper om te produceren.

Prijs, beide eenheden die ertoe doen

Per token liggen de twee dicht genoeg bij elkaar dat de beslissing hier niet wordt genomen. Qwen3.8-27B wordt gerouteerd tegen $0,33 per miljoen invoertokens en $2,40 per miljoen uitvoertokens; de geserveerde Qwen3.8-Flash wordt gerouteerd tegen $0,15 en $0,47, beide tegen de lijstprijs van de provider, doorgegeven zonder opslag. De productie-Flash-variant is dus ongeveer 2,2x goedkoper op invoer en 5,1x goedkoper op uitvoer.

Per byte op schijf liggen ze helemaal niet dicht bij elkaar, en dat is precies het cijfer dat lezers die lokale deployment onderschatten, meestal over het hoofd zien. De 27B is 55,6 GB aan BF16-gewichten verdeeld over achttien shards, comprimeerbaar tot iets dat op één consumentenkaart draait. De preview is een checkpoint met 180B parameters in dezelfde precisie — meerdere keren zoveel opslag, meerdere keren zoveel geheugenbandbreedte, en een serveerconfiguratie die uitgaat van offload naar hostgeheugen in plaats van één enkel apparaat. Als je beperking een machine is die je al bezit, is de 27B niet de goedkopere optie; hij is de enige optie.

Welke moet ik uitvoeren?

Kies Qwen3.8-27B als je het model wilt bezitten in plaats van huren: on-premise- of air-gapped-implementatie, een Apache 2.0-licentie waarop je een product kunt bouwen zonder een gesprek over omzet, kosten per verzoek die niet meeschalen met de tariefkaart van iemand anders, en een single-GPU-servingverhaal dat je zelf kunt beheren. Het is ook de juiste kant van dit tweetal wanneer je moet fine-tunen, mergen of quantiseren — de repository toont honderden community-adapters, finetunes en quantisaties die er al van zijn afgeleid, wat een Apache 2.0-release van gewichten je op termijn oplevert.

Kies Qwen3.8-Flash-Next als je beperking doorvoer en kosten per token is in plaats van controle: grootschalige agentische sweeps, breed classificatie- en extractiewerk, screenshot- en documentbegrip op schaal, en alles waarbij een 6B-actief model tegen een derde van de invoerprijs verandert wat economisch mogelijk is. Het is ook de juiste keuze als je specifiek de Qwen4-architectuur op je eigen data wilt evalueren voordat Qwen4 bestaat — dat is precies waar de preview voor is, en het is een reden om te testen in plaats van een reden om je eraan te binden.

De regel: de 27B is voor lezers wier knelpunt ligt bij waar het model draait, en Flash-Next is voor lezers wier knelpunt ligt bij wat het model kost om te draaien. Zeer weinig teams hebben beide knelpunten, en het knelpunt dat ze daadwerkelijk hebben, beslist dit doorgaans in één enkele vergadering.

Een van beide vandaag aan de praat krijgen

Qwen3.8-27B is de gemakkelijkere van de twee om mee te beginnen, en wel in twee richtingen tegelijk. Download de gewichten en serveer ze zelf onder Apache 2.0, of roep het aan zonder een accelerator aan te raken: het wordt gerouteerd als `qwen/qwen3.8-27b` in onze catalogus voor $0,33 en $2,40 per miljoen tokens, en de 27B wordt op onze eigen infrastructuur aangeboden in plaats van via een endpoint van een leverancier te worden geproxyd. Die tweede route is wat het tot een echte standaardkeuze maakt voor multimodaal werk met een hoog volume — als een van meer dan 200 modellen die bereikbaar zijn via één OpenAI-compatibel endpoint, met één sleutel, zonder een tweede contract te hoeven ondertekenen.

Qwen3.8-Flash-Next is geen route die wij aanbieden. De open-weight preview moet door jou worden gedownload en geserveerd, en het beschikbaarheidspad ervoor loopt via Hugging Face en ModelScope in plaats van via een API. Wat wij wel routeren is de productie-tegenhanger: Qwen3.8-Flash, `qwen/qwen3.8-flash`, voor $0,15 en $0,47 per miljoen tokens met tekst-, afbeeldings- en video-invoer op een context van 1M tokens, geprijsd volgens de gepubliceerde lijst van de leverancier, zodat een tariefwijziging aan A​libaba's kant dezelfde dag je endpoint bereikt. Als je de architectuur van de preview wilt zonder het serveerproject, is dat het dichtstbijzijnde dat vandaag aanroepbaar is.

Voor een team dat beide wil, is de opzet een traffic split in plaats van een beslissing. Beide bevinden zich achter dezelfde key en dezelfde SDK, dus een percentage van de requests kan naar de 27B gaan, terwijl de rest naar het Flash-endpoint gaat, waarbij automatische failover de momenten opvangt waarop een van beide kanten niet naar behoren functioneert. Dat is een goedkopere manier om deze vergelijking te beantwoorden dan welke benchmarktabel dan ook, omdat het jouw verkeer meet in plaats van dat van iemand anders.

Wat nog niet vaststaat, is wat er gebeurt wanneer de familie compleet is. Qwen3.8-27B is een afgerond, licentieerbaar, downloadbaar model dat waarschijnlijk niet onder je voeten zal veranderen. De Flash-Next-preview is een kanarie voor een architectuur waarvan de productiemodellen nog niet zijn uitgeleverd, en de aangeboden Flash-variant die daarbij hoort, wordt expliciet gepositioneerd als de officiële versie van die architectuur. Als de Qwen4-familie het patroon volgt dat Qwen3-Next eind 2025 zette, arriveren de nakomelingen van de preview binnen enkele maanden en gaat deze pagina over een generatie in plaats van over een preview.

Het ene feit dat deze combinatie het vaakst bepaalt, is de licentie, niet de benchmark: Apache 2.0 laat je een bedrijf bouwen op de 27B zonder iemand om toestemming te vragen, en de Qwen Community License 1.0 geeft je dat niet voor de preview. Al het andere op deze pagina — het contextvenster, de hybride attention, de vision-ondersteuning — hebben de twee gemeen.