Qwen3.8-Flash-Next: что подтверждено, что реально можно скачать и что запускать вместо него

Если вы ищете Qwen3.8-Flash-Next, ожидая, что он ещё только появится, самое полезное предложение здесь — то, которое спасёт вас от впустую потраченной сессии: он уже вышел. Веса доступны для скачивания с конца августа 2026 года, и эта модель — открытая по весам, способная работать с изображениями смесь экспертов, превью архитектуры, которая, по словам Alibaba, ляжет в основу Qwen4. Чего не существует — а это как раз то, что молчаливо подразумевают почти все запросы про "flash next" — так это какой-либо анонсированной следующей итерации после него. Нет второго превью, нет версии-преемника с датой и нет заявления вендора, обещающего таковую. Эта страница — постоянный ответ на вопрос, который люди всё ещё набирают: что такое Qwen3.8-Flash-Next, что о нём подтверждено, какие файлы для него существуют, что допускает его лицензия и что запускать сегодня, если вам нужна вызываемая модель, а не загрузка — его производственный собрат Qwen3.8-Flash или плотную модель Qwen3.8-27B под Apache-2.0.

Подтверждённое, ожидаемое и выведенное — не путайте эти три.

Здесь это различие важнее, чем обычно, потому что название этой модели побуждает людей усматривать в нём дорожную карту. Далее следуют три уровня утверждений, и каждый из них помечен.

Подтверждено по собственным материалам вендора. Qwen3.8-Flash-Next — это каузальная языковая модель с визуальным энкодером, опубликованная в виде весов после постобучения и конфигурационных файлов в формате Hugging Face Transformers. Её репозиторий в организации Qwen был создан 24 августа 2026 года и в последний раз изменён 27 августа 2026 года; официальный релиз в ModelScope состоялся 26 августа. В собственной карточке Alibaba он назван «этим экспериментальным превью архитектуры, которая ляжет в основу Qwen4», и указано, что первый релиз с открытыми весами на этой архитектуре — именно эта модель. Сохранённые параметры распределяются следующим образом: 125B — тело mixture-of-experts, отдельная 51B-таблица n-граммных эмбеддингов и примерно 4B слоёв multi-token prediction, при этом 6B активируется на каждый токен. Контекст составляет 262 144 токена нативно, расширяется до 1 000 000. Режим размышления включён по умолчанию. В карточке сообщается о совместимости с Hugging Face Transformers, vLLM, SGLang и TokenSpeed, а сам репозиторий содержит 131 шард safetensors в BF16.

Подтверждено, и это легко заметить. Модель, обслуживаемая в production, — это другой артефакт с похожим названием. Qwen3.8-Flash — это API-сборка, производная от этих весов; в описании самого FP8 говорится, что это «официальная версия на основе Qwen3.8-Flash-Next с более широкими production-возможностями». Если ваш вопрос — «можно ли вызывать это из API», то вам нужна именно она, а не версия из preview.

Ожидаемо, и поэтому здесь не указано. Модель под названием «Next» подразумевает следующую итерацию. Ничто из опубликованного не подтверждает ни дату, ни число параметров, ни лицензию, ни одну возможность для неё. Любая статья, которая даёт вам срок выпуска преемника, строит догадки, и это можно проверить, поискав источник. В собственных материалах A​libaba его нет.

Два вопроса, за которыми стоит реальный спрос: GGUF и nvfp4

Поисковые запросы по этой модели во многом сводятся к двум вещам — «flash next gguf» и «flash next nvfp4» — и на обе есть конкретные, проверяемые ответы, а не предположительные. Ни на один из них нельзя ответить, угадывая таблицу размеров, поэтому вот что на самом деле опубликовано.

GGUF существует в вариантах от нескольких независимых конвертеров. Основные источники — ggml-org/Qwen3.8-Flash-Next-GGUF, unsloth/Qwen3.8-Flash-Next-GGUF, bartowski/Qwen3.8-Flash-Next-GGUF и AtomicChat/Qwen3.8-Flash-Next-GGUF, а также длинный хвост более мелких репозиториев. Это не один и тот же продукт, и при таком размере разница имеет большее значение, чем обычно.

Репозиторий ggml-org — минимальный: сборка IQ4_NL, сборка Q8_0, отдельный файл мультимодального проектора (mmproj-Qwen3.8-Flash-Next-Q8_0.gguf, около 0,6 ГБ), который нужен, если вы хотите использовать режим зрения, и три черновых файла multi-token-prediction в BF16, Q4_0 и Q8_0. Если вы хотите запускать только текст, этого репозитория достаточно.

Репозиторий unsloth — это широкая лестница, и именно здесь на вопрос о размере действительно находится ответ. Его опубликованные файлы идут от 72,5 ГБ (UD-IQ1_S) и 74,5 ГБ (UD-IQ1_M) в нижней части, через 78,9 ГБ (UD-Q2_K_XL), 82 ГБ (UD-IQ3_XXS) и 90 ГБ (UD-Q3_K_XL), до 93,7 ГБ (UD-IQ4_XS), 111 ГБ (UD-Q4_K_XL), 158 ГБ (UD-Q5_K_XL), 169 ГБ (UD-Q6_K_XL), 188 ГБ (Q8_0) и около 354 ГБ в BF16. Он также включает собственные черновые файлы MTP и два файла mmproj.

Воспринимайте эту лестницу квантований такой, какая она есть. Самое маленькое квантование, которое кто-либо публикует для этой модели, всё ещё занимает больше 70 ГБ на диске. Нет сборки, которая поместилась бы на одну потребительскую видеокарту так, как помещается плотная 27B, а репозиторий вообще не даёт рекомендаций по объёму VRAM для отдельных квантований — его раздел о железе представляет собой пустое приглашение «войдите, чтобы добавить своё оборудование». Так что честный ответ на вопрос «поместится ли это на моей машине» таков: вам следует ориентироваться на опубликованные выше размеры файлов и на собственный трюк этой архитектуры: таблица n-gram эмбеддингов на 51B адресуется по ключам поиска, известным заранее, и именно это позволяет чекпоинту такого размера работать, когда таблица эмбеддингов находится в оперативной памяти хоста, а не закреплена в VRAM. Это особенность дизайна, а не утверждение о вашей конкретной машине, и именно поэтому практический минимум здесь — машина с большим объёмом системной памяти и меньшим объёмом памяти ускорителя, а не наоборот.

nvfp4 тоже существует, и у него другая лицензия. nvidia/Qwen3.8-Flash-Next-NVFP4 был опубликован 2 сентября 2026 года, создан с помощью инструментальной цепочки NVIDIA Model Optimizer и в общей сложности занимает примерно 133 ГБ на десяти шардах плюс файл FP8 multi-token-prediction и per-layer-embedding размером 53,7 ГБ. В его карточке указана лицензия NVIDIA Open Model License, а не лицензия Qwen — момент, который стоит перечитать дважды, если вы планируете распространять его дальше. Существуют и другие сборки NVFP4 от Red Hat AI, RadixArk и local-inference-lab; Intel публикует сборку W4A16 AutoRound; сборки MLX для Apple silicon есть у нескольких публикующих сообществ.

Стоит назвать ещё один формат, поскольку он принадлежит самому вендору: Qwen/Qwen3.8-Flash-Next-FP8. Это мелкозернистая квантизация FP8 с размером блока 128, и в её карточке заявлены показатели производительности, «почти идентичные показателям оригинальной модели». Она распространяется по той же лицензии сообщества, что и базовые веса, и именно этот чекпойнт использует собственный конвейер бенчмарков Alibaba.

Что позволяет лицензия — и почему это даёт ответ на вопрос о нецензурированности

Самый крупный единый кластер запросов, связанных с этой моделью, посвящён не бенчмаркам. Он посвящён нецензурированным и аблитерированным сборкам, и правильный способ ответить на него — прочитать лицензию и посмотреть, что было опубликовано, потому что эти две вещи определяют, что читатель действительно может получить.

Qwen3.8-Flash-Next распространяется под Qwen Community License 1.0. Текст лицензии безвозмездно предоставляет право использовать, копировать, изменять, объединять, публиковать, распространять, сублицензировать, продавать, развёртывать, хостить, дообучать и создавать производные произведения на основе весов, параметров, конфигурационных файлов и кода инференса. Она требует, чтобы уведомление об авторских правах и разрешении сопровождало копии или существенные части. Она устанавливает порог для указания названия: если вы используете программное обеспечение или производные произведения в коммерческом продукте или сервисе с более чем 100 миллионами ежемесячно активных пользователей или выручкой в 20 млн долларов США в месяц, название модели должно быть заметно отображено в интерфейсе такого продукта. А ещё она выделяет в отдельную категорию сервисный бизнес — бизнес «Model as a Service» или «AI Work Assistant» требует отдельной лицензии от Qwen до коммерческого использования, с исключением для внутреннего использования для развёртываний, которые не раскрывают модель, её результаты или её возможности третьим лицам.

Непосредственно вытекают три следствия, и они — весь ответ на нецензурированные запросы:

• Веса открыты, и лицензия явно разрешает производные произведения. Аблитерации сообщества, следовательно, законны, а не относятся к серому рынку, и существуют в большом количестве — huihui-ai публикует несколько из них, а собственное семейство Qwen3.8-Flash-Next-Uncensored от OrcaRouter опубликовано под лицензией Apache 2.0 вместе со сборками GGUF, FP8, NVFP4 и MLX, производными от него.

• Производная не всегда наследует исходную лицензию. Сборка NVIDIA NVFP4 распространяется под NVIDIA Open Model License; квантизация abliteration-модели, сделанной сообществом, может распространяться под Apache 2.0. Если вы выбираете один файл вместо другого из-за условий лицензии, читайте карточку конкретного репозитория, который собираетесь скачать, а не карточку базовой модели.

• Коммерческий порог масштабируется вместе с вашим бизнесом, а не с моделью. Для команды, создающей внутренний инструмент, практическое ограничение — это требование об уведомлении. Для команды, продающей доступ к модели, оговорка об отдельной лицензии для бизнесов Model-as-a-Service — это статья расходов, которую нужно оценить, прежде чем строить на этих весах, а Apache-2.0 Qwen3.8-27B полностью избегает этого разговора.

Эта страница не будет характеризовать, как какой-либо хостинговый сервис или какая-либо конкретная сборка реагирует на какой-либо конкретный запрос. Это не то, что регулирует лицензия, и не то, что мы измеряли. Лицензия и опубликованные файлы весов — это то, что определяет доступность, и и то, и другое вы можете проверить сами в пару кликов.

Что сегодня пробежать

Это та часть, которой постоянная страница обязана читателю, пришедшему с желанием собрать что-то уже сегодня днём, а не скачивать 90 ГБ.

Qwen3.8-Flash-Next — не та модель, которую мы маршрутизируем, и как бы ни хотелось, она ею не станет: в нашем каталоге сегодня нет идентификатора модели, соответствующего qwen3.8-flash-next, и эта страница не намерена намекать, что он когда-нибудь появится. Её обслуживание строится по принципу «скачай и размести у себя»: скачайте веса с Hugging Face или ModelScope, выберите один из указанных выше вариантов safetensors, FP8, NVFP4 и GGUF и запустите её на оборудовании, которое вы подготовите.

Маршрут what we do — это production-сборка той же архитектуры. Qwen3.8-Flash уже доступен как qwen/qwen3.8-flash по цене $0.15 за миллион входных токенов и $0.47 за миллион выходных, при этом кэшированный ввод стоит примерно $0.018 за миллион, а контекст на 1 млн токенов принимает текст, изображения и видео и возвращает текст. Это опубликованный прайс-лист провайдера, передаваемый без наценки, поэтому изменения на стороне Alibaba доходят до вашего эндпоинта в тот же день, а не в следующем расчётном цикле. Если от превью вам нужна была архитектура в production, а не чекпоинт на диске, это самое близкое к ней, что можно вызвать, и до него — всего один ключ.

Если ваше ограничение — лицензия, а не задержка, другой ответ — Qwen3.8-27B. Это плотная модель на 27 миллиардов параметров под Apache 2.0 — без порога по названию, без отдельного соглашения для сервисных компаний — и она маршрутизируется как qwen/qwen3.8-27b, так что вы можете протестировать оба варианта на своём трафике, прежде чем остановиться на одном из них. Обе доступны с одним и тем же ключом и через одну и ту же конечную точку, совместимую с OpenAI, а значит, попробовать сначала одну, а потом другую стоит смены идентификатора модели, а не интеграции. Это дешёвый способ ответить на вопрос «нужна ли мне вообще архитектура с 6B активными параметрами», потому что он измеряет вашу нагрузку, а не чей-то бенчмарк.

Что не решено

Остаётся неясным, является ли «Next» в названии этой модели разовым предварительным анонсом или первым в нумерованной линейке, и ничто из опубликованного не позволяет на это ответить. Единственное, на что читатель может положиться, — это то, что у этого предварительного анонса уже есть серийный собрат и объявлена его цена, что необычно: большинство архитектурных превью не выходят вместе с коммерческим аналогом в тот же день. Рассматривайте эту модель как предварительный анонс семейства, которое уже частично здесь, а не как утечку того, чего ещё нет.

Другой открытый вопрос — это инструментарий, а не модель. llama.cpp, vLLM и SGLang все её поддерживают, сборка FP8 — это собственный оценочный чекпойнт вендора, а экосистема GGUF уже выпустила всё: от 1-битных сборок до сборок полной точности. Но качество квантования при 1–3 битах для модели mixture-of-experts с 176B хранимых параметров — вопрос не решённый, и никто не опубликовал контролируемого сравнения низкобитных сборок на идентичном оборудовании. Если вы выбираете между UD-IQ1_S и UD-Q2_K_XL, чтобы сэкономить 6 ГБ, вы принимаете это решение на основе собственной оценки — это правильный способ его принимать, и по этой же причине умозрительная таблица размеров на странице вроде этой была бы хуже, чем бесполезной.

Две родственные страницы раскрывают те аспекты, которые эта намеренно не затрагивает: материал об утечке, где сообщалось, о чём говорили предрелизные сигналы, и который датирован тем моментом, и очное сравнение с плотной моделью Apache-2.0, за которым закреплено это сопоставление. Читайте их, если хотите узнать историю появления этой модели или аргументацию о том, какую из двух выбрать. Эта страница всё ещё будет здесь, неизменная, когда обе они потеряют актуальность.