Qwen3.8-Flash-Next vs Qwen3.8-27B: Wynająć przepustowość czy posiadać wagi na własność?

Qwen3.8-Flash-Next i Qwen3.8-27B to dwie odpowiedzi na to samo pytanie, opublikowane w odstępie sześciu dni przez to samo laboratorium, a pytanie brzmi: co zespół powinien faktycznie uruchomić, gdy chce model z tej generacji, który może wystawić na ruch produkcyjny. Qwen3.8-27B pojawił się 13 sierpnia 2026 r.: gęsty model o 27 miliardach parametrów na licencji Apache 2.0, którego 55,6 GB wag BF16 mieści się na jednej karcie 24 GB po skwantyzowaniu. Qwen3.8-Flash-Next pojawił się na Hugging Face 24 sierpnia, a na ModelScope 26 sierpnia: około 180 mld zapisanych parametrów, 6 mld aktywowanych na token, na bardziej restrykcyjnej licencji Qwen Community License 1.0. Jeden to plik. Drugi to profil przepustowości. Wybór między nimi to głównie kwestia tego, której z tych dwóch rzeczy naprawdę potrzebuje twoje obciążenie.

Są bliższymi krewnymi, niż sugerują nazwy. Oba mają natywny kontekst o długości 262 144 tokenów, rozszerzalny do 1 000 000, oba przyjmują na wejściu tekst, obraz i wideo, a zwracają tekst, i oba działają według tej samej koncepcji hybrydowej uwagi, którą Alibaba stosuje od generacji Qwen3.5 — większość warstw uwagi liniowej tanio wykonuje pracę związaną z długim kontekstem, a mniejszość warstw pełnej uwagi obsługuje precyzyjne wyszukiwanie, w którym uwaga liniowa sobie nie radzi. A przestają być takie same, gdy chodzi o wszystko, co następuje dalej: licencję, rozmiar, cenę za token i to, co trzeba zrobić, aby któryś z nich uruchomić.

Czym jest każde z nich, po jednym akapicie na każde.

Qwen3.8-27B to gęsty przyczynowy model językowy z enkoderem wizyjnym: 64 warstwy, wymiar ukryty 5120, rozmiar pośredni 17 408 i słownik 248 320 tokenów, przy czym stos uwagi podzielono w stosunku 48 liniowych warstw Gated DeltaNet do 16 warstw Gated Attention. A​libaba wytrenowała go z predykcją wielu tokenów. Tryb myślenia jest domyślnie włączony, z poziomami `reasoning_effort`: xhigh, medium i low, a wiersze dotyczące wizji w samej karcie modelu obejmują parsowanie dokumentów (OmniDocBench 1.5 przy 91,1), pracę z GUI (OSWorld-Verified 84,3, AndroidWorld 81,9) oraz ogólne rozumowanie wizualne (RealWorldQA 85,9, MathVision 90,0). Jest to, mówiąc wprost, model do pobrania: jedno repozytorium, osiemnaście shardów safetensors, plik licencji i rozmiar, który udźwignie poważna stacja robocza.

Qwen3.8-Flash-Next to mieszanka ekspertów oparta na architekturze, która według Alibaby ma stanowić podstawę Qwen4 — 48 warstw, 512 ekspertów, z których 10 jest routowanych, a jeden współdzielony, 125 mld parametrów w części eksperckiej, z czego na token aktywuje się 6 mld, plus oddzielna tabela osadzeń n-gramowych o rozmiarze 51 mld i około 4 mld parametrów w warstwach predykcji wielu tokenów. Jego stos uwagi to ten sam pomysł trzy do jednego w innej skali: 36 warstw Gated DeltaNet wobec 12 warstw wykorzystujących Qwen Sparse Attention. Karta modelu wyraźnie wskazuje, że jest to eksperymentalna zapowiedź architektury, a nie model Qwen4, oraz że serwowanym wariantem produkcyjnym jest Qwen3.8-Flash przez Qwen Cloud. To nie jest plik, który ot tak posiadasz — to problem serwowania, który rozwiązujesz raz, a potem uruchamiasz tanio.

Tam, gdzie te dwa różnią się czymś więcej niż liczbą parametrów

Licencja to pierwsza różnica i ta, która przetrwa każdy spór o benchmarki na tej stronie. Qwen3.8-27B ma licencję Apache 2.0, i kropka: użytek komercyjny, modyfikacja, redystrybucja, budowanie wersji pochodnych, bez progu przychodów i bez odrębnej umowy do wynegocjowania. Qwen3.8-Flash-Next jest objęty licencją Qwen Community License 1.0, która zezwala na użytek komercyjny, w tym sprzedaż utworów pochodnych, ale wymaga odrębnej umowy komercyjnej z A​libaba, jeśli prowadzisz działalność model-as-a-service lub asystenta AI do pracy po przekroczeniu określonego progu przychodów i liczby miesięcznych aktywnych użytkowników. Jeśli tworzysz produkt, a nie narzędzie wewnętrzne, ta klauzula nie jest przypisem; to konkretna pozycja. Warto przeczytać licencję, zanim przeczytasz tabelę benchmarków, ponieważ może ona zdyskwalifikować model, który wygrywa w każdym wyniku.

Druga rozbieżność dotyczy tego, co oznacza „lokalny”. W przypadku 27B lokalny oznacza jedną maszynę: skwantyzuj do czterech bitów, a model zmieści się w karcie 24 GB, przy czym drabina formatów — poziomy kwantyzacji GGUF, MLX dla Apple Silicon, rzeczywista arytmetyka VRAM — jest szczegółowo omówiona na siostrzanej stronie, zamiast być tu powtarzana. W przypadku Flash-Next lokalny oznacza zapewnienie zasobów dla checkpointu o 180 mld parametrów. vLLM obsługuje go od pierwszego dnia dzięki ścieżce odciążania, która utrzymuje tablicę n-gramów o 51 mld parametrów w pamięci hosta zamiast na stałe w VRAM; SGLang i TensorRT-LLM znajdują się na liście Day 0 NVIDII, a biblioteka Ollamy zawiera kompilację MLX dla Apple Silicon — ale „działa” i „działa na maszynie, którą masz” to różne zdania, a tylko 27B może rościć sobie prawo do tego drugiego.

Co mówią publiczne liczby, a czego nie

Oba modele mają dane Artificial Analysis, pochodzące z tego samego indeksu, co czyni to rzadkim porównaniem wewnątrzrodzinnym, w którym niezależne liczby można przynajmniej odczytać obok siebie. Qwen3.8-27B uzyskuje 33,7 w Intelligence Index — 47. miejsce ogółem, 66. percentyl — oraz 68,1 w AA Coding Index, 35. miejsce ogółem. Otwarty preview Flash-Next uzyskuje 40 w Intelligence Index, piąte miejsce wśród 113 modeli w swojej klasie porównawczej. Te wpisy były oceniane w różnych datach, więc różnicę należy odczytywać jako kierunkową, a nie jako kontrolowany wynik.

Szczegóły kryjące się za oboma wynikami są ciekawsze niż same wyniki. W poszczególnych ewaluacjach własna karta 27B podaje 90,3 w LiveCodeBench v6, 89,2 w GPQA Diamond i 79,0 w QwenSWEBench, natomiast karta wersji zapoznawczej Flash-Next podaje 91,9, 91,7 oraz — w benchmarku tej samej rodziny — 81,0 w SWE-bench Multilingual i 62,5 w SWE-bench Pro. Wszystkie te liczby pochodzą od dostawcy, zostały przez niego wygenerowane i żadna z nich nie została odtworzona przez stronę trzecią na dopasowanym stanowisku testowym. Niezależny obraz jest węższy i w niektórych wierszach wskazuje przeciwny kierunek: wersja zapoznawcza jest mocna w pracy z wiedzą i zadaniach terminalowych, a słaba w generowaniu repozytoriów w długim horyzoncie, podczas gdy niezależny wskaźnik kodowania 27B wynoszący 68,1 plasuje się poniżej tego, co sugerowałyby jego własne, raportowane przez dostawcę wyniki SWE.

Jedna praktyczna różnica, którą indeks faktycznie wychwytuje: wersja preview jest rozwlekła. Artificial Analysis mierzy ją na 53 tokeny wyjściowe na sekundę przy czasie do pierwszego tokenu wynoszącym 2,80 sekundy i nazywa ją „bardzo rozwlekłą”, zużywając 108 tys. tokenów wyjściowych na zadanie, z czego 72 tys. to rozumowanie. Model 27B, mierzony w naszym własnym playgroundzie przez ostatnie siedem dni, zwraca nieco ponad 200 tokenów wyjściowych na sekundę przy medianie pierwszego tokenu wynoszącej 4,97 sekundy. Różne środowiska testowe, więc te tempa należy traktować jako orientacyjne — ale opisują ten sam kształt, który sugeruje architektura. Jeden zużywa tokeny, aby dotrzeć do odpowiedzi; drugi zużywa ich mniej, a gęsta konstrukcja sprawia, że każdy z nich jest tańszy w wytworzeniu.

Cena, na obu jednostkach, które się liczą

W przeliczeniu na token oba są na tyle zbliżone, że decyzja nie zapada tutaj. Qwen3.8-27B jest routowany po $0.33 za milion tokenów wejściowych i $2.40 za milion tokenów wyjściowych; serwowany Qwen3.8-Flash jest routowany po $0.15 i $0.47, oba w cenie katalogowej dostawcy przekazywanej bez narzutu. Zatem produkcyjny wariant Flash jest około 2,2 razy tańszy na wejściu i 5,1 razy tańszy na wyjściu.

W przeliczeniu na bajt na dysku wcale nie są blisko siebie, a to właśnie liczba, którą czytelnicy niedoszacowujący wdrożenia lokalnego zwykle pomijają. Model 27B to 55,6 GB wag BF16 w osiemnastu shardach, które można skompresować do czegoś, co działa na pojedynczej karcie konsumenckiej. Wersja preview to checkpoint z 180 miliardami parametrów w tej samej precyzji — kilkukrotnie większy zapis, kilkukrotnie większa przepustowość pamięci i konfiguracja serwowania, która zakłada przenoszenie do pamięci hosta, a nie pojedyncze urządzenie. Jeśli twoim ograniczeniem jest maszyna, którą już posiadasz, model 27B nie jest tańszą opcją; jest jedyną opcją.

Który uruchomić

Wybierz Qwen3.8-27B, jeśli potrzebujesz model posiadać, a nie wynajmować: wdrożenie on-premise lub w środowisku odizolowanym od sieci (air-gapped), licencja Apache 2.0, na której możesz zbudować produkt bez rozmowy o przychodach, koszty za pojedyncze zapytanie, które nie skalują się wraz z cennikiem kogoś innego, oraz podejście do serwowania na jednej GPU, które możesz obsługiwać samodzielnie. To także właściwy wybór z tej dwójki, gdy potrzebujesz dostrojenia, scalania lub kwantyzacji — repozytorium pokazuje setki społecznościowych adapterów, modeli dostrojonych i skwantyzowanych, które już na nim powstały; to właśnie z czasem daje ci wydanie wag na licencji Apache 2.0.

Wybierz Qwen3.8-Flash-Next, jeśli twoim ograniczeniem jest przepustowość i koszt na token, a nie kontrola: masowe przebiegi agentowe, szeroko zakrojone prace klasyfikacyjne i ekstrakcyjne, rozumienie zrzutów ekranu i dokumentów na dużą skalę oraz wszystko, gdzie model o 6B aktywnych parametrów przy jednej trzeciej ceny wejściowej zmienia to, co jest ekonomicznie możliwe. To także właściwy wybór, jeśli chcesz konkretnie ocenić architekturę Qwen4 na własnych danych, zanim Qwen4 powstanie — właśnie do tego służy wersja zapoznawcza i jest to powód, by testować, a nie powód, by się zobowiązywać.

Zasada: 27B jest dla czytelników, których wąskim gardłem jest to, gdzie działa model, a Flash-Next jest dla czytelników, których wąskim gardłem jest to, ile kosztuje uruchomienie modelu. Niewiele zespołów ma oba te wąskie gardła, a to, które faktycznie mają, zwykle rozstrzyga tę kwestię podczas jednego spotkania.

Uruchomienie któregokolwiek z nich jeszcze dziś

Qwen3.8-27B jest łatwiejszy z tych dwóch na start — i to w dwóch kierunkach jednocześnie. Pobierz wagi i uruchom je samodzielnie na licencji Apache 2.0 albo wywołuj go bez dotykania akceleratora: w naszym katalogu jest kierowany jako `qwen/qwen3.8-27b` w cenie 0,33 USD i 2,40 USD za milion tokenów, a model 27B jest obsługiwany na naszej własnej infrastrukturze, a nie pośredniczony z punktu końcowego dostawcy. To właśnie ta druga ścieżka czyni go prawdziwym domyślnym wyborem w multimodalnej pracy o dużym wolumenie — jako jeden z ponad 200 modeli dostępnych przez jeden punkt końcowy zgodny z OpenAI, na jednym kluczu, bez konieczności podpisywania drugiej umowy.

Qwen3.8-Flash-Next nie jest trasą, którą oferujemy. Wersję preview z otwartymi wagami trzeba pobrać i hostować samodzielnie, a droga do jej dostępności prowadzi przez Hugging Face i ModelScope, a nie przez API. Udostępniamy natomiast jej produkcyjnego bliźniaka: Qwen3.8-Flash, `qwen/qwen3.8-flash`, w cenie 0,15 USD i 0,47 USD za milion tokenów, z obsługą wejścia tekstowego, obrazowego i wideo w kontekście 1 mln tokenów, wyceniany zgodnie z opublikowanym cennikiem dostawcy, dzięki czemu zmiana stawek po stronie Alibaby trafia do Twojego endpointu tego samego dnia. Jeśli chcesz architekturę wersji preview bez projektu jej hostowania, to jest najbliższa rzecz, jaką można dziś wywołać.

Dla zespołu, który chce mieć jedno i drugie, rozwiązaniem jest podział ruchu, a nie decyzja. Oba działają za tym samym kluczem i tym samym SDK, więc procent żądań może trafiać do 27B, a reszta do endpointu Flash, przy czym automatyczne przełączanie awaryjne przejmuje momenty, gdy którakolwiek strona zawodzi. To tańszy sposób rozstrzygnięcia tego porównania niż jakakolwiek tabela benchmarków, ponieważ mierzy Twój ruch, a nie cudzy.

Nierozstrzygnięte pozostaje to, co się stanie, gdy rodzina zostanie ukończona. Qwen3.8-27B to ukończony, licencjonowalny, możliwy do pobrania model, który raczej nie zmieni się pod tobą. Wersja zapoznawcza Flash-Next jest kanarkiem dla architektury, której modele produkcyjne nie zostały jeszcze wydane, a udostępniany wariant Flash, któremu towarzyszy, jest wyraźnie pozycjonowany jako oficjalna wersja tej architektury. Jeśli rodzina Qwen4 pójdzie wzorem, jaki Qwen3-Next ustanowił pod koniec 2025 r., potomkowie wersji zapoznawczej pojawią się w ciągu kilku miesięcy, a ta strona będzie decyzją dotyczącą generacji, a nie wersji zapoznawczej.

Jednym faktem, który najczęściej rozstrzyga o tym zestawieniu, jest licencja, a nie benchmark: Apache 2.0 pozwala zbudować biznes na 27B bez pytania nikogo o zgodę, a Qwen Community License 1.0 nie daje ci tego w przypadku wersji preview. Wszystko inne na tej stronie — okno kontekstowe, hybrydowy mechanizm uwagi, obsługa wizji — jest wspólne dla obu.