Qwen3.8-Flash-Next vs Qwen3.8-Max: hoe dicht komt een 6B-actieve Qwen4-preview bij het 2.4T-vlaggenschip?

Op 26 augustus 2026 heeft het Qw​en-team van Alibaba Qwen3.8-Flash-Next als open source uitgebracht, een multimodale mixture-of-experts met 176 miljard parameters die per token slechts ongeveer 6 miljard parameters activeert en expliciet wordt gepresenteerd als een vroege preview van de Qwen4-architectuur. De maatstaf waaraan het vanaf dag één zal worden afgemeten, is Alibaba's eigen vlaggenschip Qwen3.8-Max, de schaarse MoE met 2,4 biljoen parameters die op 3 augustus algemeen beschikbaar werd en sindsdien $2,00 per miljoen invoertokens en $6,00 per miljoen uitvoertokens rekent. Op papier liggen de twee wat betreft opgeslagen parameters meer dan een orde van grootte uit elkaar — 2,4 biljoen tegenover ruwweg 180 miljard — en wat actieve parameters betreft ruwweg een factor zestien. Op Alibaba's eigen benchmarkblad vallen de resultaten veel dichter bij elkaar uit dan de omvang zou doen vermoeden — wat ofwel het meest indrukwekkende aan de preview is, ofwel de duidelijkste herinnering tot nu toe dat een leverancierstabel een hypothese is totdat een onafhankelijk lab hem uitvoert.

De korte versie: dit is geen wedstrijd tussen gelijken, en doen alsof dat wel zo is, is de enige manier om het mis te hebben. Qwen3.8-Max is het capaciteitsplafond van de huidige generatie — onafhankelijk beoordeeld door Artificial Analysis, open-weight sinds 12 augustus, drie weken bewezen in productie. Qwen3.8-Flash-Next is een architectuurprototype van één dag oud waarvan Alibaba zegt dat de meeste workloads de headroom van Max niet nodig zullen hebben om te draaien. De reden dat de vergelijking toch de moeite waard is, is dat op de benchmarks waar beide modellen in Alibaba's eigen tabellen voorkomen, de preview binnen ongeveer een punt van het vlaggenschip zit op agentisch en kantoorwerk, en erop voorligt op twee — JobBench en RealWorldQA. Het beslissende verschil is niet de kwaliteitskloof, die klein en ongeverifieerd is. Het is de bewijskloof: een van deze modellen heeft een scorecard van een derde partij, en het andere heeft er geen.

Wat elk model daadwerkelijk is

Qwen3.8-Flash-Next is de proefversie van de architectuur. Het bevat ongeveer 180 miljard parameters op schijf — een MoE-body van 125B, een N-gram-embeddingtabel van 51B die in het hostgeheugen staat in plaats van in het VRAM, en een multi-token-predictie-head — en leidt elke token door ongeveer 6B daarvan, een sparsity van bijna 95%. De MoE met 512 experts wisselt drie Gated DeltaNet-lagen af met één Qw​en Sparse Attention-laag per groep, voegt een gated-residual-stream en N-gram-embeddings toe, en werd getraind met de Muon-optimizer tegen kosten die Alibaba op ongeveer een negende van die van Qwen3.7-Plus schat. Het accepteert tekst-, beeld- en video-invoer, biedt een native context van 262.144 tokens die via YaRN uitbreidbaar is tot 1M, en werd onder de qwen-community-1.0-licentie op Hugging Face en ModelScope in bf16 en FP8 uitgebracht. Het productiemodel dat het prijskaartje op de QwenCloud-API zal dragen — Qwen3.8-Flash, aangekondigd voor $0,16 per miljoen invoertokens en $0,47 per miljoen uitvoertokens — is de serving-tuned versie van dezelfde architectuur en is nog niet openbaar gemaakt.

Qwen3.8-Max is het voltooide product van deze generatie. Het is een sparse MoE van 2,4T op de huidige generatie-architectuur — Gated DeltaNet plus gated attention, 512 experts waarvan 10 gerouteerd en één gedeeld, met 95 miljard geactiveerde parameters per token volgens de officiële modelkaart. Het is multimodaal via de API, biedt een context van 1M tokens voor een vast tarief van $2/$6 zonder toeslag voor lange prompts, en de open gewichten, Qwen3.8-2.4T-A95B, zijn op 12 augustus uitgebracht onder een aangepaste licentie die geen Apache-licentie is. Het is het model waaraan Artificial Analysis een Intelligence Index van 58 en een Coding Index van 71,8 heeft toegekend, de sterkste onafhankelijke score die enig model uit de Qwen 3.8-familie bezit.

• Totale parameters — Qwen3.8-Flash-Next: 125B MoE + 51B N-gram (~180B opgeslagen). Qwen3.8-Max: 2.4T MoE.

• Actief per token — Qwen3.8-Flash-Next: ~6B (onder 5%). Qwen3.8-Max: ~95B (~4%).

• Architectuur — Qwen3.8-Flash-Next: Qwen4 preview (QSA + GDN, gated residual, N-gram, Muon). Qwen3.8-Max: Qwen 3.5-generatie (GDN + gated attention).

• Context — Qwen3.8-Flash-Next: 262K native / 1M via YaRN. Qwen3.8-Max: 1M via de API / 262K native bij de open weights.

• Prijs — Qwen3.8-Flash-Next: $0.16 / $0.47 per 1M (aangekondigd, API nog niet open). Qwen3.8-Max: $2.00 / $6.00 per 1M, vast.

• Open gewichten — Qwen3.8-Flash-Next: qwen-community-1.0, 26 augustus, geschikt voor één node. Qwen3.8-Max: Qwen3.8-2.4T-A95B, aangepaste licentie, multi-node.

• Onafhankelijke score — Qwen3.8-Flash-Next: nog geen. Qwen3.8-Max: AA Intelligence Index 58, Coding Index 71.8.

Het scorebord hierboven drukt de vergelijking samen tot de zeven rijen die ertoe doen, en de voettekst over bronvermelding draagt de last: elk Flash-Next-cijfer is van Alibaba zelf en niet onafhankelijk gereproduceerd, terwijl de Max-kolom steunt op Artificial Analysis plus de gepubliceerde tabel van Alibaba. Als je het zo leest, houden de kolommen op een paardenrace te zijn en worden ze een uitspraak over bewijs.

Het benchmarkoverzicht, eerlijk gelezen

Op de gedeelde rijen van Alibaba's eigen tabellen is het gat veel kleiner dan de veertigvoudige parameterkloof zou doen vermoeden. Op CoWorkBench (agentisch kantoorwerk) scoort de preview 73,9 tegenover de 74,8 van Max; op AndroidWorld 84,5 tegenover de 85,3 van Max; op Agents' Last Exam 51,2 tegenover de 52,4 van Max — een punt of minder op elk. De 55,7 van de preview op JobBench en de 88,5 op RealWorldQA zijn de best geverifieerde rijen op de tabel, vóór Max. De verbreding zit in het visueel-intensieve blok — LVBench, ERQA, MathVision, Vision2Web — waar Max ongeveer vier tot zes punten voorligt. Op de prominente agentische cijfers noteert Qwen3.8-Flash-Next 62,5 op SWE-bench Pro en 58,7 op DeepSWE, op zichtafstand van het vlaggenschip bij werk dat twaalf keer meer kost om te draaien.

Nu het label, toegepast op elk bovenstaand getal: het is allemaal door Alibaba gerapporteerd, uit Alibaba's eigen testopstelling, één dag oud in het geval van de preview en voor beide modellen niet gerepliceerd. Dat betekent aan elke kant iets anders. De kwaliteitstabel van Qwen3.8-Max is door de leverancier opgegeven, maar de Intelligence Index van 58 en de Coding Index van 71,8 zijn metingen van derden op Alibaba's API — het model is wekenlang aan onafhankelijke controle blootgesteld en het houdt stand. Qwen3.8-Flash-Next heeft nog geen enkele onafhankelijke score. De eerlijke interpretatie van die nabijheid is niet "de preview is in feite net zo goed als het vlaggenschip." Het is "Alibaba zegt dat de preview binnen één punt van het vlaggenschip zit, en niemand buiten het lab heeft dat bevestigd." De kloof tussen die twee zinnen is het hele verschil in hoeveel risico elk model met zich meebrengt.

Het prijsverschil is het punt.

Doe eerst de rekensom, want dat is het deel dat niet zal bewegen. Bij $0,16/$0,47 kost een miljoen invoertokens plus een miljoen uitvoertokens $0,63 op de productie-Flash-API; dezelfde aanroep op Qwen3.8-Max kost $8,00 — ruwweg 12,7× meer, aan beide zijden van de balans. Alibaba zegt dat de architectuur voor ongeveer een negende van de kosten van Qwen3.7-Plus traint, wat de structurele reden is dat de prijs op dat niveau kan liggen, en met $0,16 onderbiedt de productie-Flash zelfs DeepSeek-V4-Flash met ruwweg twee derde. Voor workloads met hoge volumes, agentische of lange contexten is een prijsverschil van 12,7× het verschil tussen een winstgevend product en een subsidie — en dat is waarom de vergelijking sowieso wordt gemaakt.

Dit is waar een routinglaag aan beide kanten van de balans zijn nut bewijst, en het is de moeite waard om de feiten precies te vermelden. Qwen3.8-Max is vandaag live op OrcaRouter tegen de lijstprijs van de provider, zonder opslag — dezelfde $2.00/$6.00 die je rechtstreeks aan de leverancier zou betalen, achter het OpenAI-compatibele endpoint dat je al gebruikt. Qwen3.8-Flash-Next is nog op geen enkele API beschikbaar: totdat de productieversie van Qwen3.8-Flash op QwenCloud live gaat, zijn de open gewichten het enige pad: self-hosted. Wanneer die API eenmaal beschikbaar komt, betekent dezelfde doorberekening zonder opslag dat de prijs van $0.16/$0.47 dezelfde dag aan onze kant verschijnt — een prijsverlaging die in een config staat, geen regel in een persbericht — en beide modellen zitten achter één sleutel, met automatische failover ertussen. Om een architectuur te testen die een dag oud is, hoef je de integratie niet om te bouwen; je wijzigt een routingregel.

Previewarchitectuur versus bewezen product

Er is een verschil op langere termijn dat boven elke individuele benchmark uitgaat. Qwen3.8-Flash-Next is gebouwd op de architectuur waarvan Alibaba zegt dat Qwen4 die zal gebruiken — sparse attention, gated DeltaNet, gated residual, N-gram embeddings, Muon — vroeg uitgebracht als open weights zodat het ecosysteem het kan stresstesten voordat het dure model er bovenop wordt gebouwd. Volgens Alibaba's metingen bereikt die stack tot {{1}}7.6× snellere prefill en 4.9× snellere decode bij 1M-token context dan volledige attention (door leverancier gerapporteerd){{/1}}, wat de technische reden is dat een {{2}}6B-active{{/2}} model een 1M-token venster überhaupt betaalbaar kan houden. Qwen3.8-Max is het volwassen product van de huidige generatie, en dat is precies zijn kracht: de bekende grootheid, het model waarvan teams het serving-gedrag en de faalmodi al in kaart hebben gebracht.

Bij een productiesysteem snijdt de vork aan twee kanten. Max is vandaag de veilige keuze — onafhankelijk beoordeeld, drie weken in productie, een gevestigde prijs. Flash-Next is de richting waarop Alibaba de volgende generatie inzet, tegen een prijs die de hele familie herprijst. Daarvoor kiezen betekent meegaan met een architectuur die de community nog aan het doorlichten is; het negeren ervan betekent wedden dat de goedkopere architectuur het vlaggenschip niet binnen zes maanden voorbijstreeft. Geen van beide weddenschappen hoeft alles-of-niets te zijn — dat is het praktische nut van beide bereikbaar te houden vanaf één endpoint.

De twee bovenstaande schermafbeeldingen zijn de publieke oppervlakken van elke release: de OrcaRouter-lijst waar Qwen3.8-Max vandaag tegen de lijstprijs aanroepbaar is, en de aankondiging van Alibaba's Qwen Studio voor de open-weights-release van Qwen3.8-Flash-Next.

De beslissing

Kies Qwen3.8-Max als je vandaag de prestatielimiet van de generatie nodig hebt — langetermijn-agentisch werk, de sterkste onafhankelijke scorecard in de familie, en een model dat al weken in productie is in plaats van uren. Voor $2/$6 flat per miljoen tokens is het goedkoop voor een frontiermodel, en het is de enige van de twee met data die je niet op goed vertrouwen hoefde aan te nemen.

Kies {{1}}Qwen3.8-Flash-Next{{/1}} als uw workload een hoog volume heeft en prijsgevoelig is — agentic loops, batchkantoorautomatisering, lange-contextpassages waarbij een prijsverschil van {{2}}12.7×{{/2}} het verschil is tussen break-even en marge — en u zich comfortabel voelt bij het draaien van een één dag oude architectuur op een leveranciersblad, of het zelf hosten van open gewichten terwijl de API nog in behandeling is.

Voor iedereen die ertussenin zit, is de verstandige houding om beide te gebruiken: Qwen3.8-Max nu op één key, Qwen3.8-Flash-Next een routeringsregel verder zodra de API opent, en failover zodat het één dag oude model geen productiepad kan platleggen terwijl jij beslist. De open vraag is ook meteen de eerlijke: kan een model dat 6 miljard van zijn parameters activeert deze benchmarkcijfers waarmaken bij onafhankelijke replicatie, of zullen de visiekloof en het één dag oude resultatenblad uitgroeien tot het echte verhaal? De komende weken geven het antwoord, en het is de moeite waard om de vergelijking opnieuw te bekijken zodra een onafhankelijke score voor de preview binnenkomt.