Qwen3.8-Flash-Next против Qwen3.8-27B: арендовать пропускную способность или владеть весами

Qwen3.8-Flash-Next и Qwen3.8-27B — это два ответа на один и тот же вопрос, опубликованные одной и той же лабораторией с разницей в шесть дней, и вопрос заключается в том, что команде на самом деле стоит запускать, когда ей нужна модель из этого поколения, которую можно выпустить на продакшн-трафик. Qwen3.8-27B вышла 13 августа 2026 года: плотная модель с 27 миллиардами параметров под Apache 2.0, чьи 55,6 ГБ весов в BF16 после квантования умещаются на одной 24-гигабайтной карте. Qwen3.8-Flash-Next появилась на Hugging Face 24 августа, а на ModelScope — 26 августа: примерно 180 млрд сохранённых параметров, 6 млрд активируемых на токен, под более ограничительной лицензией Qwen Community License 1.0. Одна — это файл. Другая — это профиль пропускной способности. Выбор между ними — это в основном вопрос о том, что именно из этих двух вещей действительно нужно вашей рабочей нагрузке.

Они более близкие родственники, чем можно подумать по названиям. У обоих нативный контекст на 262 144 токена, расширяемый до 1 000 000, оба принимают текст, изображения и видео и возвращают текст, и оба используют одну и ту же идею гибридного внимания, которую Alibaba выпускает начиная с поколения Qwen3.5, — большинство слоёв линейного внимания дёшево выполняют работу с длинным контекстом, а меньшинство слоёв полного внимания отвечают за точный поиск, с которым линейное внимание плохо справляется. А различаются они во всём, что идёт дальше: лицензия, размер, цена за токен и то, что нужно сделать, чтобы запустить одну из них.

Что представляет собой каждый из них, по одному абзацу на каждый

Qwen3.8-27B — это плотная каузальная языковая модель с визуальным энкодером: 64 слоя, скрытая размерность 5120, промежуточный размер 17 408 и словарь на 248 320 токенов, а стек внимания разделён: 48 линейных слоёв Gated DeltaNet против 16 слоёв Gated Attention. Alibaba обучила её с предсказанием нескольких токенов. Режим мышления включён по умолчанию с уровнями `reasoning_effort` xhigh, medium и low, а собственные строки визуальных метрик в карточке модели охватывают разбор документов (OmniDocBench 1.5 — 91,1), работу с GUI (OSWorld-Verified — 84,3, AndroidWorld — 81,9) и общее визуальное рассуждение (RealWorldQA — 85,9, MathVision — 90,0). В самом прямом смысле это скачиваемая модель: один репозиторий, восемнадцать шардов safetensors, файл лицензии и размер, который способна вместить серьёзная рабочая станция.

Qwen3.8-Flash-Next — это смесь экспертов на архитектуре, которая, по словам Alibaba, ляжет в основу Qwen4 — 48 слоёв, 512 экспертов, из которых 10 маршрутизируемых и один общий, 125 млрд параметров в теле экспертов, активирующем 6 млрд на токен, плюс отдельная таблица n-gram-эмбеддингов на 51 млрд и около 4 млрд в слоях многотокенного предсказания. Её стек внимания — та же идея «три к одному» в другом масштабе: 36 слоёв Gated DeltaNet против 12, использующих Qwen Sparse Attention. В карточке прямо указано, что это экспериментальный предпросмотр архитектуры, а не модель Qwen4, и что обслуживаемый production-вариант — это Qwen3.8-Flash через Qwen Cloud. Это не файл, которым вы просто так владеете, — это задача обслуживания, которую вы решаете один раз, а затем дёшево запускаете.

Где эти два расходятся помимо количества параметров

Лицензия — это первое расхождение и то, что переживёт все аргументы о бенчмарках на этой странице. Qwen3.8-27B распространяется под Apache 2.0, и точка: коммерческое использование, модификация, перераспределение, производные сборки, без порога выручки и без необходимости вести отдельные переговоры о соглашении. Qwen3.8-Flash-Next распространяется под Qwen Community License 1.0, которая разрешает коммерческое использование, включая продажу производных работ, но требует отдельного коммерческого соглашения с Alibaba, если вы ведёте бизнес model-as-a-service или AI-work-assistant и превышаете определённый порог выручки и числа активных пользователей в месяц. Если вы создаёте продукт, а не внутренний инструмент, этот пункт — не сноска; это отдельная статья расходов. Лицензию стоит прочитать до того, как вы перейдёте к таблице бенчмарков, потому что она может дисквалифицировать модель, которая выигрывает по всем показателям.

Второе расхождение — в том, что означает «локальный». Для 27B локальный означает одну машину: квантуйте до четырёх бит, и модель помещается в карту на 24 ГБ, а лестница форматов — уровни квантования GGUF, MLX для Apple Silicon, собственно арифметика VRAM — подробно описана на соседней странице, а не повторяется здесь. Для Flash-Next локальный означает подготовку ресурсов для чекпоинта с 180 млрд параметров. vLLM обслуживает его с первого дня с путём выгрузки, который хранит таблицу n-грамм на 51 млрд параметров в памяти хоста вместо постоянной VRAM, SGLang и TensorRT-LLM входят в список Day 0 от NVIDIA, а библиотека Ollama содержит сборку MLX для Apple Silicon — но «работает» и «работает на машине, которая у вас есть» — это разные предложения, и только 27B может претендовать на второе.

Что говорят публичные цифры, а что — нет

Обе модели имеют показатели Artificial Analysis из одного и того же индекса, что делает это редким сравнением внутри одного семейства, где независимые цифры можно хотя бы сопоставить бок о бок. Qwen3.8-27B набирает 33,7 балла в Intelligence Index — 47-е место в общем зачёте, 66-й процентиль — и 68,1 в AA Coding Index, 35-е место в общем зачёте. Предварительная версия Flash-Next с открытыми весами набирает 40 в Intelligence Index, занимая пятое место среди 113 моделей в своём классе сравнения. Эти записи оценивались в разные даты, поэтому воспринимайте разрыв как ориентировочный, а не как результат контролируемого сравнения.

Детали, стоящие за двумя оценками, интереснее самих оценок. В отдельных тестах карточка самой 27B сообщает 90,3 в LiveCodeBench v6, 89,2 в GPQA Diamond и 79,0 в QwenSWEBench, тогда как карточка предварительной версии Flash-Next сообщает 91,9, 91,7 и — на бенчмарке того же семейства — 81,0 в SWE-bench Multilingual и 62,5 в SWE-bench Pro. Все это собственные цифры вендора, полученные вендором, и ни одна из них не была воспроизведена третьей стороной на сопоставимом стенде. Независимая картина более узкая и в некоторых строках указывает в противоположную сторону: предварительная версия сильна в работе со знаниями и терминальными задачами и слаба в долгосрочной генерации репозиториев, тогда как независимый индекс программирования 27B, равный 68,1, ниже того, что предполагали бы заявленные самим вендором SWE-показатели.

Одно практическое различие индекс всё же улавливает: предварительная версия многословна. Artificial Analysis измеряет её на уровне 53 выходных токенов в секунду при времени до первого токена 2,80 секунды и называет её «очень многословной», сжигая 108 тыс. выходных токенов на задачу, из которых 72 тыс. приходятся на рассуждения. Модель 27B, измеренная через наш собственный плейграунд за последние семь дней, выдаёт чуть более 200 выходных токенов в секунду при медианном времени до первого токена 4,97 секунды. Разные тестовые стенды, поэтому воспринимайте эти скорости как ориентировочные — но они описывают ту же картину, которую предполагает архитектура. Одна тратит токены, чтобы прийти к ответу; другая тратит меньше, а плотная архитектура делает производство каждого из них дешевле.

Цена, по обеим единицам, которые имеют значение.

В расчёте на токен они настолько близки, что решение принимается не здесь. Для Qwen3.8-27B маршрутизация идёт по цене $0,33 за миллион входных токенов и $2,40 за миллион выходных; для обслуживаемого Qwen3.8-Flash — по $0,15 и $0,47, причём в обоих случаях это прайс-листовая цена провайдера, переданная без наценки. Таким образом, production-вариант Flash примерно в 2,2 раза дешевле по входу и в 5,1 раза дешевле по выходу.

По количеству байтов на диске они совсем не близки, и именно эту цифру обычно упускают читатели, недооценивающие локальное развёртывание. 27B — это 55,6 ГБ весов BF16 в восемнадцати шардах; их можно сжать до размера, при котором всё запускается на одной потребительской видеокарте. Preview — это чекпоинт на 180B параметров в той же точности: в несколько раз больше хранилища, в несколько раз больше пропускной способности памяти и конфигурация обслуживания, рассчитанная на выгрузку в память хоста, а не на одно устройство. Если ваше ограничение — машина, которая у вас уже есть, то 27B не более дешёвый вариант; это единственный вариант.

Какой запустить?

Выбирайте Qwen3.8-27B, если вам нужно владеть моделью, а не арендовать её: развёртывание локально или в изолированной среде, лицензия Apache 2.0, на основе которой можно строить продукт без разговоров о выручке, стоимость за запрос, не зависящая от чужого прайс-листа, и схема обслуживания на одном GPU, которую вы можете эксплуатировать сами. Это также правильный выбор из этой пары, когда нужно дообучать, объединять или квантовать — в репозитории уже показаны сотни адаптеров, дообученных и квантованных версий, созданных сообществом на её основе, и именно это со временем даёт выпуск весов под Apache 2.0.

Выбирайте Qwen3.8-Flash-Next, если ваше ограничение — пропускная способность и стоимость за токен, а не контроль: массовые агентные прогоны, большие объёмы работ по классификации и извлечению данных, понимание скриншотов и документов в масштабе, а также всё, где модель с 6B активных параметров при цене за входные данные в одну треть меняет экономические возможности. Это также правильный выбор, если вы хотите целенаправленно оценить архитектуру Qwen4 на собственных данных до появления Qwen4 — именно для этого и предназначена предварительная версия, и это повод протестировать, а не повод связывать себя обязательствами.

Правило: 27B — для читателей, чьё узкое место — то, где запускается модель, а Flash-Next — для читателей, чьё узкое место — то, во сколько обходится запуск модели. У очень немногих команд есть оба узких места, и то, которое у них действительно есть, обычно решает этот вопрос за одну встречу.

Запустить любой из них сегодня

Qwen3.8-27B — с него из этих двух проще всего начать, причём сразу в двух направлениях. Скачайте веса и разместите их у себя под Apache 2.0 либо вызывайте его, не касаясь ускорителя: в нашем каталоге он маршрутизируется как `qwen/qwen3.8-27b` по цене $0.33 и $2.40 за миллион токенов, причём 27B обслуживается на нашей собственной инфраструктуре, а не проксируется с конечной точки вендора. Именно этот второй путь делает её настоящим выбором по умолчанию для мультимодальной работы с большими объёмами — как одну из более чем 200 моделей, доступных через единый OpenAI-совместимый эндпоинт, по одному ключу, без необходимости подписывать второй договор.

Qwen3.8-Flash-Next — это не маршрут, который мы предлагаем. Превью с открытыми весами придётся скачать и обслуживать самостоятельно, а путь доступности к нему идёт через Hugging Face и ModelScope, а не через API. А маршрутизируем мы его производственную версию: Qwen3.8-Flash, `qwen/qwen3.8-flash`, по цене $0.15 и $0.47 за миллион токенов с вводом текста, изображений и видео при контексте в 1 млн токенов, по опубликованному прайс-листу поставщика, так что изменение тарифа на стороне Alibaba достигает вашего эндпоинта в тот же день. Если вам нужна архитектура превью без проекта по его обслуживанию, это самое близкое к ней, что можно вызвать сегодня.

Для команды, которой нужно и то и другое, схема — это разделение трафика, а не выбор одного варианта. Оба работают через один и тот же ключ и один и тот же SDK, поэтому часть запросов можно направлять в 27B, а остальные — в эндпоинт Flash, при этом автоматическое переключение при сбое сгладит моменты, когда любая из сторон ведёт себя неправильно. Это более дешёвый способ ответить на это сравнение, чем любая таблица бенчмарков, потому что он измеряет ваш трафик, а не чей-то чужой.

Что остаётся нерешённым — так это то, что произойдёт, когда семейство завершится. Qwen3.8-27B — это законченная, лицензируемая, загружаемая модель, которая вряд ли изменится у вас под ногами. Превью Flash-Next — это канарейка для архитектуры, производственные модели которой ещё не выпущены, а обслуживаемый вариант Flash, который его сопровождает, явно позиционируется как официальная версия этой архитектуры. Если семейство Qwen4 последует шаблону, заданному Qwen3-Next в конце 2025 года, потомки превью появятся в течение нескольких месяцев, и эта страница будет посвящена решению о поколении, а не о превью.

Чаще всего именно лицензия, а не бенчмарк, определяет это сопоставление: Apache 2.0 позволяет строить бизнес на 27B, ни у кого не спрашивая разрешения, а Qwen Community License 1.0 не даёт вам этого для preview-версии. Всё остальное на этой странице — контекстное окно, гибридное внимание, поддержку компьютерного зрения — они разделяют между собой.