Qwen3.8-Flash-Next vs Qwen3.8-Max: quão perto um preview Qwen4 com 6B ativos chega do carro-chefe de 2.4T?

Em 26 de agosto de 2026, a equipe Qw​en da Alibaba disponibilizou em código aberto o Qwen3.8-Flash-Next, um mixture-of-experts multimodal de 176 bilhões de parâmetros que ativa apenas cerca de 6 bilhões de parâmetros por token e é explicitamente apresentado como uma prévia inicial da arquitetura Qwen4. A referência contra a qual ele será medido desde o primeiro dia é o carro-chefe da própria Alibaba, o Qwen3.8-Max, o MoE esparso de 2,4 trilhões de parâmetros que atingiu disponibilidade geral em 3 de agosto e, desde então, cobra US$ 2,00 por milhão de tokens de entrada e US$ 6,00 por milhão de tokens de saída. No papel, os dois estão separados por mais de uma ordem de grandeza em parâmetros armazenados — 2,4 trilhões contra cerca de 180 bilhões — e por aproximadamente dezesseis vezes em parâmetros ativos. Na própria tabela de benchmarks da Alibaba, os resultados ficam muito mais próximos do que o tamanho sugere — o que é, ou a coisa mais impressionante sobre a prévia, ou o lembrete mais claro até agora de que uma tabela de fornecedor é uma hipótese até que um laboratório independente a execute.

Versão curta: isto não é uma disputa entre iguais, e fingir que é — essa é a única forma de errar. Qwen3.8-Max é o teto de capacidade da geração atual — avaliado de forma independente pela Artificial Analysis, com pesos abertos desde 12 de agosto, comprovado em produção por três semanas. Qwen3.8-Flash-Next é um protótipo de arquitetura de um dia, e a Alibaba diz que a maioria das cargas de trabalho não precisará da folga do Max para rodar. A comparação ainda vale a pena porque, nos benchmarks em que ambos os modelos aparecem nas próprias tabelas da Alibaba, a prévia fica a cerca de um ponto da principal em tarefas de agente e trabalho de escritório, e à frente dela em dois — JobBench e RealWorldQA. A diferença decisiva não é a lacuna de qualidade, que é pequena e não verificada. É a lacuna de evidências: um desses modelos tem um placar de terceiros, e o outro não tem nenhum.

O que cada modelo realmente é

Qwen3.8-Flash-Next é a versão experimental da arquitetura. Ele armazena cerca de 180 bilhões de parâmetros em disco — um corpo MoE de 125B, uma tabela de embeddings N-gram de 51B que vive na memória do host em vez da VRAM e uma cabeça de previsão de múltiplos tokens — e roteia cada token por cerca de 6B deles, com uma esparsidade de quase 95%. Seu MoE de 512 especialistas alterna três camadas Gated DeltaNet com uma camada Qwen Sparse Attention por grupo, adiciona um fluxo residual com portão e embeddings N-gram, e foi treinado com o otimizador Muon a um custo que a Alibaba estima em cerca de um nono do custo do Qwen3.7-Plus. Ele aceita entrada de texto, imagem e vídeo, oferece um contexto nativo de 262.144 tokens extensível a 1M via YaRN e foi disponibilizado sob a licença qwen-community-1.0 no Hugging Face e no ModelScope em bf16 e FP8. O modelo de produção que terá o preço na API QwenCloud — Qwen3.8-Flash, anunciado a US$ 0,16 por milhão de tokens de entrada e US$ 0,47 por milhão de tokens de saída — é a versão ajustada para servir dessa mesma arquitetura e ainda não foi aberto ao público.

Qwen3.8-Max é o produto final da geração. É um MoE esparso de 2,4T na arquitetura da geração atual — Gated DeltaNet mais atenção com portas, 512 especialistas com 10 roteados e um compartilhado, 95 bilhões de parâmetros ativados por token, de acordo com o cartão oficial do modelo. É multimodal na API, oferece um contexto de 1M de tokens com preço fixo de US$ 2/US$ 6, sem sobretaxa para prompts longos, e seus pesos abertos, Qwen3.8-2.4T-A95B, foram lançados em 12 de agosto sob uma licença personalizada que não é Apache. É o modelo que a Artificial Analysis avaliou com um Índice de Inteligência de 58 e um Índice de Codificação de 71,8, o cartão independente mais forte que qualquer modelo da família Qwen 3.8 possui.

• Parâmetros totais — Qwen3.8-Flash-Next: 125B MoE + 51B N-grama (~180B armazenados). Qwen3.8-Max: 2.4T MoE.

• Ativo por token — Qwen3.8-Flash-Next: ~6B (abaixo de 5%). Qwen3.8-Max: ~95B (~4%).

Arquitetura — Qwen3.8-Flash-Next: prévia do Qwen4 (QSA + GDN, residual com porta, N-gram, Muon). Qwen3.8-Max: geração Qwen 3.5 (GDN + atenção com porta).

• Contexto — Qwen3.8-Flash-Next: 262K nativo / 1M via YaRN. Qwen3.8-Max: 1M na API / 262K nativo nos pesos abertos.

• Preço — Qwen3.8-Flash-Next: $0.16 / $0.47 por 1M (anunciado, API ainda não aberta). Qwen3.8-Max: $2.00 / $6.00 por 1M, fixo.

• Pesos abertos — Qwen3.8-Flash-Next: qwen-community-1.0, 26 de agosto, com suporte a nó único. Qwen3.8-Max: Qwen3.8-2.4T-A95B, licença personalizada, multi-nó.

• Pontuação independente — Qwen3.8-Flash-Next: nenhuma ainda. Qwen3.8-Max: Índice de Inteligência AA 58, Índice de Codificação 71.8.

O placar acima comprime a comparação às sete linhas que importam, e o rodapé de fontes carrega o peso: cada número Flash-Next é da própria Alibaba e não reproduzido, enquanto a coluna Max se apoia na Artificial Analysis mais a tabela publicada pela Alibaba. Lido dessa forma, as colunas deixam de ser uma corrida de cavalos e passam a ser uma declaração sobre evidências.

A planilha de benchmark, lida honestamente.

Nas linhas compartilhadas das próprias tabelas da Alibaba, a diferença é muito menor do que a diferença de parâmetros de quarenta vezes sugeriria. No CoWorkBench (trabalho de escritório agêntico), a prévia registra 73,9 contra 74,8 da Max; no AndroidWorld, 84,5 contra 85,3; no Agents' Last Exam, 51,2 contra 52,4 — um ponto ou menos em cada. No JobBench, os 55,7 da prévia e, no RealWorldQA, seus 88,5 são as melhores linhas verificadas na planilha, à frente da Max. O alargamento está no bloco com forte presença de visão — LVBench, ERQA, MathVision, Vision2Web — onde a Max lidera por aproximadamente quatro a seis pontos. Nos números agênticos de destaque, o Qwen3.8-Flash-Next registra 62,5 no SWE-bench Pro e 58,7 no DeepSWE, próximos do modelo principal em um trabalho que custa doze vezes mais para executar.

Agora, o rótulo aplicado a cada número acima: tudo é reportado pela Alibaba, proveniente do próprio aparato de testes da Alibaba, com um dia de idade no caso da prévia e sem replicação para ambos os modelos. Isso importa de forma diferente em cada lado. A tabela de qualidade do Qwen3.8-Max é declarada pelo fornecedor, mas seu Intelligence Index 58 e Coding Index 71.8 são medições de terceiros na API da Alibaba — o modelo está exposto a escrutínio independente há semanas e se sustenta. O Qwen3.8-Flash-Next ainda não tem nenhuma pontuação independente de nenhum tipo. A leitura honesta da proximidade não é "a prévia é basicamente tão boa quanto o carro-chefe". É "a Alibaba diz que a prévia está a um ponto do carro-chefe, e ninguém fora do laboratório confirmou isso". A distância entre essas duas frases é toda a diferença em quanto risco cada modelo carrega.

A diferença de preço é o ponto.

Faça a aritmética primeiro, porque é a parte que não se move. A $0.16/$0.47, um milhão de tokens de entrada mais um milhão de tokens de saída custa $0.63 na API Flash de produção; a mesma chamada no Qwen3.8-Max custa $8.00 — aproximadamente 12.7× mais, em ambos os lados da conta. A Alibaba diz que a arquitetura treina com cerca de um nono do custo do Qwen3.7-Plus, que é a razão estrutural pela qual o preço pode permanecer assim, e a $0.16 o Flash de produção é mais barato até mesmo que o DeepSeek-V4-Flash em cerca de dois terços. Para cargas de trabalho de alto volume, agênticas ou de contexto longo, uma diferença de preço de 12.7× é a diferença entre um produto lucrativo e um subsídio — e é por isso que a comparação está sendo feita em primeiro lugar.

É aqui que uma camada de roteamento mostra seu valor nos dois lados da balança, e os fatos merecem ser apresentados com precisão. O Qwen3.8-Max já está disponível no OrcaRouter hoje pelo preço de tabela do provedor, com margem zero — os mesmos US$ 2,00/US$ 6,00 que você pagaria diretamente ao fornecedor, por trás do endpoint compatível com OpenAI que você já usa. O Qwen3.8-Flash-Next ainda não está em nenhuma API: até que o Qwen3.8-Flash de produção seja aberto no QwenCloud, o único caminho são os pesos abertos, com auto-hospedagem. Quando essa API for aberta, o mesmo repasse com margem de 0% significa que o preço de US$ 0,16/US$ 0,47 aparece do nosso lado no mesmo dia — um corte de preço que entra em vigor por meio de uma configuração, não em uma linha de comunicado à imprensa — e ambos os modelos ficam atrás de uma única chave, com failover automático entre eles. Você não reconfigura a integração para testar uma arquitetura de um dia; você altera uma regra de roteamento.

Arquitetura de pré-visualização versus produto comprovado

Existe uma diferença de horizonte mais longo que supera qualquer benchmark individual. O Qwen3.8-Flash-Next é construído sobre a arquitetura que a Alibaba afirma que o Qwen4 usará — atenção esparsa, DeltaNet com portão, resíduo com portão, embeddings N-gram, Muon — lançado antecipadamente como pesos abertos para que o ecossistema possa submetê-lo a testes de estresse antes que o modelo caro seja construído sobre ele. Nas medições da Alibaba, essa pilha atinge prefill até 7,6× mais rápido e decode até 4,9× mais rápido em contexto de 1M de tokens do que a atenção completa (relatado pelo fornecedor), o que é a razão técnica pela qual um modelo com 6B ativos consegue manter uma janela de 1M de tokens a um custo acessível. O Qwen3.8-Max é o produto maduro da geração atual, e essa é exatamente a sua virtude: a quantidade conhecida, o modelo cujo comportamento de serviço e modos de falha as equipes já mapearam.

Para um sistema de produção, a bifurcação corta dos dois lados. Max é a escolha segura hoje — avaliado de forma independente, três semanas de exposição em produção, um preço estabelecido. Flash-Next é a direção em que a Alibaba está apostando a próxima geração, a um preço que redefine o preço da família. Escolher agora significa adotar uma arquitetura que a comunidade ainda está auditando; ignorá-la significa apostar que a arquitetura mais barata não vai ultrapassar o carro-chefe em seis meses. Nenhuma das apostas precisa ser tudo ou nada — que é o ponto prático de manter ambos acessíveis a partir de um único endpoint.

As duas capturas acima são as superfícies públicas de cada lançamento: a listagem do OrcaRouter, onde o Qwen3.8-Max pode ser chamado hoje pelo preço de tabela, e o anúncio do Qwen Studio da Alibaba sobre o lançamento dos pesos abertos do Qwen3.8-Flash-Next.

A decisão

Escolha o Qwen3.8-Max se você precisar {{1}}do teto de capacidade da geração hoje{{/1}} — {{2}}trabalho agêntico de horizonte longo, o scorecard independente mais forte da família e um modelo que está em produção há semanas, não horas{{/2}}. A $2/$6 fixos por milhão de tokens, {{3}}é barato para um modelo de fronteira, e é o único dos dois com dados que você não aceitou por fé{{/3}}.

Escolha o Qwen3.8-Flash-Next se sua carga de trabalho for de alto volume e sensível a preço — {{1}}loops de agentes, automação de escritório em lote, passagens de contexto longo em que uma diferença de preço de 12,7× é o que separa o ponto de equilíbrio da margem{{/1}} — e você se sentir confortável em executar {{2}}uma arquitetura de um dia na ficha do fornecedor, ou hospedar por conta própria os pesos abertos enquanto a API está pendente{{/2}}.

Para todos os que estão no meio-termo, a postura sensata é ambas: Qwen3.8-Max em uma chave agora, Qwen3.8-Flash-Next a uma regra de roteamento de distância quando a API abrir, e failover para que o modelo de um dia não derrube um caminho de produção enquanto você decide. A questão em aberto é a honesta — um modelo que ativa 6 bilhões de seus parâmetros consegue manter esses números de benchmark sob replicação independente, ou a lacuna de visão e a folha de um dia se alargarão até virar a história real? As próximas semanas respondem isso, e a comparação vale ser revisitada no momento em que uma pontuação independente para a prévia chegar.