Qwen 4: PR «qwen4 fuse op» в vLLM дал название архитектуре — Apsara 2026 дала название семейству

Пул-реквест под названием «Add qwen4 fuse op» остаётся открытым в репозитории vLLM с 26 августа, и большую часть этого месяца он был самым близким к описанию следующего поколения моделей Aliba{{1}}ba, существовавшим за пределами компании. Это изменилось 22 сентября 2026 года, когда руководитель Aliba{{1}}ba по направлению Qwe{{2}}n Лю Да Ичэн воспользовался открытием конференции Apsara в Ханчжоу, чтобы назвать семейство: Qwe{{2}}n 4 Max, Qwe{{2}}n 4 Flash, Qwe{{2}}n 4 Plus и Qwe{{2}}n 4 27B — уровень открытых весов, и именно его ждал мир локального инференса. Два дня спустя, после закрытия конференции, компания впервые включила это семейство в дорожную карту: Qwe{{2}}n 4 в обучении и линию-преемника — Qwe{{2}}n 4.5 и Qwe{{2}}n 5 — с прогнозом от 5 до 10 триллионов параметров; эту цифру со сцены назвал генеральный директор Aliba{{1}}ba Group Эдди У, а затем компания повторила её в собственном англоязычном релизе. Дорожная карта две недели спустя — это не график. Сроки, которые сейчас обсуждают, — это окно: октябрь или начало ноября, — и ничто из этого не восходит к чему-либо, что опубликовала Aliba{{1}}ba. В собственных письменных материалах компании нет ни месяца, ни квартала, ни даты; у модели нет ни идентификатора, ни контекстного окна, ни цены; и в организации Qwe{{2}}n на Hugging Face не существует репозитория Qwe{{2}}n 4. Считайте это окно пожеланием, а не планом. Пул-реквест — vllm-project/vllm#53909, всё ещё открытый, всё ещё не объединённый и всё ещё ожидающий проверки, — также не содержит ни даты выпуска, ни числа параметров. Он добавляет автономные ядра Triton для трёх семейств операторов: HyperConnection, Qwe{{2}}n Sparse Attention (QSA) и операции с состоянием PLE. В его заголовке сказано «qwen4», а список операторов почти точно совпадает с архитектурой, которую Aliba{{1}}ba выпустила в открытых весах Qwen3.8-Flash-Next — мультимодальной модели со смесью экспертов, выпущенной 26 августа 2026 года, в карточке которой на Hugging Face написано «Предварительный просмотр архитектуры Qwen4». Сам Qwe{{2}}n 4 всё ещё не выпущен. У семейства есть имя, место на дорожной карте и предполагаемое окно; но ядра — всё ещё единственное, что его описывает.

Это материал о том, что известно на данный момент, а не история запуска. Aliba​ba теперь назвала семейство на публичной сцене и включила его в дорожную карту компании, но название — это ещё не выпуск: нет ни карточки модели, ни весов, ни API ни для одного тира Qwe​n 4, и все утверждения об архитектуре ниже по-прежнему основаны на предварительной версии Qwen3.8-Flash-Next и инженерных артефактах вокруг неё, а не на каком-либо документе Qwe​n 4. Неопровержимые доказательства — это pull request в vLLM, всё ещё находящийся на рассмотрении, выпущенная предварительная модель, PR в sglang, поданный 27 августа и добавляющий нативную поддержку той же конфигурации архитектуры Qwe​n4-Exp, и запись qwen4_exp, которая с тех пор попала в собственный реестр моделей vLLM в ветке main — Qwen4ExpForCausalLM, Qwen4ExpForConditionalGeneration и Qwen4ExpMTP — наряду с мультимодальной работой на Rust-фронтенде, влитой 1 сентября. Вывод, который мы из них делаем — что операторы в PR и есть архитектура, которую Aliba​ba показала в предварительной версии, — представляет собой интерпретацию этих доказательств, и каждая конкретная деталь ниже помечена соответствующим образом. Одно утверждение здесь вовсе не принадлежит Alibaba: окно с октября до начала ноября взято из поста в списке наблюдения в X и страниц-трекеров, которые повторяли его последние две недели; оно не воспроизведено и подаётся как полученное от сообщества везде, где встречается.

Что Alibaba на самом деле сказала 22 сентября

Aliba​ba представила семейство Qwe​n 4 на открытии своей конференции Apsara (Yunqi), которая проходила в Ханчжоу с 22 по 24 сентября 2026 года, а на сцене присутствовал руководитель Qwe​n Лю Даихэн. На открытии были названы четыре уровня — на основе структуры, уже установленной поколением 3.8:

• Qwe​n 4 Max — флагманский уровень, и тот, который позиционируется против топовой модели каждой другой передовой лаборатории.

• Qwen 4 Flash — уровень с высокой пропускной способностью, ориентированный на чувствительные к задержкам задачи с большими объёмами, а не на пиковое качество рассуждений.

• Qwe n 4 Plus — сбалансированный средний уровень.

• Qwe​n 4 27B — уровень с открытыми весами: размерный класс, в котором Qwe​n уже выпускала открытые веса, и тот, о котором пишут как о варианте для локального запуска.

Пункт 27B — это конкретная часть анонса, и именно на него реагировал сигнал из источников, стоящий за этим материалом. В поколении 3.8 уровень 27B был выпуском открытых весов, который был преобразован в MLX, квантован в NVFP4 и дообучен в течение нескольких дней после релиза, поэтому модель с названием Qwe​n 4 27B снова даёт этой нижестоящей экосистеме цель. Это цель, а не релиз, и это различие стоит сохранить: Aliba​ba не опубликовала ни разбивки по параметрам, ни лицензии, ни окна контекста, ни даты для него, и само название уровня даже не говорит, является ли он плотным или смесью экспертов. Всё, что делало предыдущий уровень 27B работоспособным — класс размера, ориентация на одну машину — унаследовано из истории продуктовой линейки, а не указано для этой модели.

То, чего конференция не дала, — это именно то, на что читатель мог бы опереться при планировании. Заявленная позиция Alibaba — подача от вендора, озвученная на сцене и переданная несколькими независимыми изданиями, а не независимо проверенная, — состоит в том, что Qwen 4 создаётся на архитектуре нового поколения, проходит обучение и появится «скоро». Ни у одного уровня нет контекстного окна, цены, списка модальностей или опубликованной оценки. Единственным пунктом с датой на конференции была видеомодель нового поколения, намеченная на ноябрь. Одну цифру с той же сцены нужно не смешивать с остальными: амбиция в 5–10 триллионов параметров относится к временному горизонту Qwen 4.5 и Qwen 5, а не к Qwen 4, — ни для одного уровня Qwen 4 количество параметров не указывалось. Эта цифра больше не утечка и не циркулирующее утверждение: она есть в собственном англоязычном релизе Alibaba, где приписывается программному выступлению генерального директора Эдди У, и приводится как прогноз без даты и без стоящей за ним архитектуры — заявлено компанией, но всё ещё не воспроизведено.

Итак, переименование изменило статус семейства, а не состояние доказательств. Всё ниже — это по-прежнему описание serving-слоя о том, чем является эта архитектура, и, поскольку объявление не добавляет собственных спецификаций, это описание остаётся более подробным, чем всё, что опубликовала Aliba​ba.

Что на самом деле представляет собой PR "qwen4 fuse op"

Pull request #53909 в vllm-project/vllm открыт, он из форка участника и всё ещё ожидает ревью от владельца кода — автоматическое ревью было отключено именно потому, что PR пришёл из форка. Это небольшая работа, связанная с ядром:

• Три ядра HyperConnection — группированная Ge​ma RMSNorm, гейт-редукция и инжекционное объединение.

• Три ядра QSA плюс три вендорных базовых обёртки для сравнения.

• Ядра PLE для сбора состояния и маскированного разброса.

• Тринадцать успешно пройденных тестов, покрывающих проверки dtype и формы, метаданные пейджинга, слоты кэша, раскладку MRoPE, состояние со страйдом, нулевые и дублирующиеся индексы, а также детерминированное выполнение.

Помимо списка операций важны две детали. Во-первых, реализация закрыта по принципу fail-closed: защитные проверки хоста вызывают ошибки, а не откатываются к универсальному пути вычислений Torch, потому что молча неверное значение в ядре внимания хуже, чем жёсткий сбой. Во-вторых, само разделение в именовании — в заголовке указано «qwen4», а в описании — Qwen3.8-Flash-Next — уже является сигналом. Сторона vLLM рассматривает предварительную модель как первый экземпляр линейки qwen4 и создаёт ядра под семейным именем, которое охватит всё, что появится после неё.

Для контекста: «fuse op» — это операция слияния. Инференс-движок обычно выполняет граф модели, запуская по одному ядру на каждую операцию, и каждый запуск несёт накладные расходы — обмен данными между ядрами через память, стоимость диспетчеризации. Слияние нескольких поэлементных операций и операций с состоянием в одно ядро сокращает эти накладные расходы, и именно здесь решается, выиграет ли новая архитектура по стоимости и задержке или проиграет. Модель, построенная на операторах, для которых нигде нет слитой реализации, будет медленной и прожорливой по памяти, каким бы умным ни было обучение; первый движок, который хорошо их сольёт, определяет реальную цену модели.

Чтение имен ядра как чертежа

Ни одного из этих операторов нет в стандартном наборе операторов трансформера — именно поэтому для них и требуются новые ядра, — и каждый из них соответствует конкретному элементу архитектуры, которую Aliba​ba анонсировала в Qwen3.8-Flash-Next:

• HyperConnection → гейтированные остаточные соединения. Единый остаточный поток расширен до четырёх параллельных ветвей с поэлементным динамическим гейтированием, что позволяет модели решать, сколько считывать из каждой ветви и записывать в неё; остаточное состояние может храниться в FP8 для сокращения трафика памяти.

• QSA → Qwen Sparse Attention. Лёгкий индексатор сжимает ключи в микроблоки с коэффициентом сжатия 4, оценивает их и сохраняет лучшие 512 блоков — примерно 2 051 логическую позицию токенов — при этом финальный softmax и агрегация значений по-прежнему выполняются на исходных несжатых K/V. Двенадцать из 48 слоёв — QSA; остальные 36 — слои линейного внимания GDN с рекуррентным состоянием фиксированного размера и без растущего KV-кэша.

• Операции с состоянием PLE → n-граммная память. Поисковая таблица с 51 миллиардом параметров — "Per-Layer Embeddings" в описании SGLang — адресуется по хэшу от текущего токена и двух или трёх предыдущих, извлекая 16 строк на токен. Её позиции можно вычислить заранее, поэтому она может храниться в памяти хоста и предварительно загружаться асинхронно, не занимая видеопамять GPU.

• Корпус MoE, в котором находятся ядра: 125B общих параметров, примерно 6B активных на токен — менее 5% активации — маршрутизация через 512 экспертов с top-10 отбором.

Две оговорки сохраняют честность. Во-первых, архитектура выше взята из карточки модели Qwen3.8-Flash-Next и разборов сообщества, а не из какого-либо документа Qwe​n 4 — это свидетельство о семействе, а не его спецификация. Во-вторых, ничто из этого не меняет главного факта: Qwe​n 4 не существует ни в одном каталоге.

Отдельная линия доказательств — это визуальный путь, который стоит держать отдельно от прочтения ядра выше. Независимо от любого отображения операторов, собственный реестр моделей vLLM в ветке main содержит запись qwen4_exp — Qwen4ExpForConditionalGeneration — зарегистрированную как мультимодальная модель с визуальной башней Qwen3-VL и Qwen3VLMultiModalProcessor. PR на Rust-фронтенде (#54813), который подключает эту конфигурацию к мультимодальному крейту движка — путь кода, превращающий входные изображения в токены, — был влит 1 сентября 2026 года; это более сильное утверждение, чем если бы тот же PR оставался открытым, потому что мультимодальный путь для линейки qwen4 теперь находится в движке, а не в чьём-то форке. Это всё ещё не релиз: у модели, которую описывает эта запись в реестре, нет весов и нет API. Но это первое подтверждение на инженерном уровне, что следующее поколение Qwe​n принимает изображения на вход, и метка «мультимодальный» на архитектуре больше не просто строка в карточке модели предпросмотра.

Почему архитектура меняет картину затрат

Если Qwe​n 4 выйдет на этой архитектуре, экономика будет отличаться от стандартного плотного — или даже обычного MoE — трансформера, и именно это отличие — причина, по которой за работой над ядрами стоит следить.

• Разделение памяти и вычислений. Затраты памяти определяются общим числом параметров — все 125B должны находиться в памяти для обслуживания модели. Затраты вычислений определяются активными параметрами — при прямом проходе задействуются только ~6B. Именно такое разделение позволяет модели «125B» работать со стоимостью гораздо меньшей.

KV-кэш перестаёт расти на большинстве слоёв. Поскольку 36 из 48 слоёв используют attention с рекуррентным состоянием фиксированного размера, растущий KV-кэш ограничен 12 слоями. При нативном контексте в 262K токенов — 1M через YaRN — это во многом объясняет, почему обслуживание длинного контекста вообще становится доступным.

• Большую таблицу можно выгружать. Таблица n-1 — самый крупный компонент памяти с 51 млрд параметров, и ей не нужно находиться на GPU. Первоначальная работа SGLang измерила выгрузку таблицы BF16 в закреплённую память хоста, которая освободила около 3 ГиБ на GPU на H200 и увеличила выделенную ёмкость KV примерно на 78% — с бит-идентичными выходами. На стороне vLLM та же выгрузка была внедрена поэтапно, а не в одном PR: исходный PR поддержки (#53899) был закрыт без слияния 21 сентября, в то время как сама возможность появилась через отдельные слияния — #54371, выгрузка PLE на основе UVA с тензорным параллелизмом Engram, 9 сентября, и путь ROCm (#57497) 25 сентября.

Ни одна из этих цифр пока независимо не проверена — заявления об ускорении обработки длинного контекста в 7,6×/4,9×, показатель декодирования 540 ток/с из публикации SGLang, утверждение о стоимости обучения «1/9 от Qwen3.7-Plus» — и к ним следует относиться как к данным от вендора или сообщества, пока нейтральный индекс не воспроизведёт их.

Гонка за то, чтобы обслуживать его

В обоих основных движках ведётся работа по поддержке qwen4: SGLang выпустил поддержку day-0 уже через несколько дней после превью 26 августа, и с тех пор объём работы с каждой стороны продолжает расти — от регистрации конфигураций до инженерии ядра и памяти.

• SGLang опубликовал day-0-пост 26 августа в рамках сотрудничества между SGLang, Alibaba, NVIDIA и AMD, выпустив NVFP4-чекпойнт и заявив о 540 токенов/с при декодировании на TP4 на B200 со спекулятивным декодированием.

• 27 августа PR в sglang (#36585) добавил нативную поддержку Qwe​n4-Exp непосредственно в сам движок — зарегистрировав конфигурацию Qwen4ExpForConditionalGeneration и текстовую модель, собранную из тех же компонентов GatedResidual, Gated DeltaNet, разреженного внимания Qwe​n, PLE и MoE. Он не влит: PR исходит от контрибьютора, не являющегося мейнтейнером, работа приписана автономному агенту по имени Argus, и он всё ещё открыт и ожидает ревью. Однако его якорь можно проверить независимо — собственный конфиг Qwen3.8-Flash-Next объявляет model_type=qwen4_exp, а эталонная реализация теперь находится в huggingface/transformers в каталоге models/qwen4_exp.

8 сентября был открыт черновой PR sglang (#38492) в ветку qwen4-main-squashed — ветку sglang, посвящённую линейке Qwen4/Flash-Next, — и этот PR не о регистрации. Он портирует RecoverSSM — путь восстановления принятого состояния, впервые созданный для Qwen3.8-Flash-Next на SM120, — для проверки мультитокенного предсказания (MTP) в этой архитектуре. Черновики MTP проходят через рекуррентное состояние фиксированного размера слоёв Gated DeltaNet, и вместо того чтобы хранить в памяти каждое промежуточное спекулятивное состояние, пока проверяется черновик, движок восстанавливает принятое состояние из зафиксированного состояния и префикса принятых токенов. Режим включается по желанию (флаг --gdn-mtp-cache-mode none; текущее поведение full-cache остаётся значением по умолчанию), и он ранний даже по меркам этой истории: черновик, последний раз изменённый 14 сентября, чей текущий head всё ещё не проходит девять из своих проверок, а собственный чек-лист автора остаётся открытым, прежде чем его можно будет отметить как готовый к ревью. Направление — это и есть главное: sglang проектирует путь обслуживания Qwen4, а не просто регистрирует его конфигурацию.

• Линейка qwen4 в vLLM за недели с момента первой публикации этого материала перешла от трёх открытых PR к смешанному списку статусов. Мультимодальный PR с Rust-фронтендом (#54813) был влит 1 сентября. Работа по PLE-offload влита в двух частях — #54371 9 сентября и #57497 25 сентября, — тогда как исходный PR по PLE-offload (#53899) был закрыт без вливания 21 сентября. С тех пор конфиг ушёл в upstream: #57387, который переключает конфиг и процессор qwen4_exp на upstream-реализации Transformers, был влит 2 октября. Всё ещё открыт PR по fuse-op, которому посвящён этот материал (#53909), — наряду с исправлением ошибки кольцевого буфера QSA, поданным 1 октября (#59528), и проходом SM86 (Ampere) по таблице n-грамм на 51 миллиард параметров, открытым с 26 сентября (#58856); это как раз та работа, которую делают, когда модель — это то, что люди пытаются обслуживать на старом оборудовании, а не то, что никто не запускал. Сам конфиг qwen4_exp зарегистрирован в vLLM как мультимодальный: визуальная башня Qwen3-VL в паре с текстовой моделью Qwen4-Exp.

Это гонка с настоящим призом. Движок, который лучше всего объединяет новые операторы, устанавливает цену обслуживания для поколения Qwen4, потому что эффективность ядра — а не сырое количество параметров — определяет стоимость токена модели с гибридным вниманием.

Что на самом деле вышло сегодня: Qwen3.8-Flash-Next против Qwen 4

Стоит быть точным в отношении двух вещей в этой истории, потому что именование здесь играет большую роль.

• Qwen3.8-Flash-Next вышел. Открытые веса доступны на Hugging Face и ModelScope под лицензией qwen-community-1.0, в стандартном и FP8 вариантах; карточка модели уточняет спецификации — 125B MoE, ~6B активных, 51B n-граммная таблица, 262K контекст, мультимодальность. Это предварительный обзор архитектуры, а не флагманская модель.

• Qwen3.8-Flash — это запущенный в продакшене вариант, который Alibaba анонсировала вместе с ним; он указан в Qwen Cloud по цене ¥1 за миллион входных токенов и ¥3 за миллион выходных токенов (примерно $0,16 / $0,47), с контекстом на 1 млн токенов по умолчанию и встроенными инструментами. Цена заявлена производителем и пока не фигурирует ни в одном независимом индексе.

• Qwe​n 4 ещё не вышла. Aliba​ba назвала все четыре тира 22 сентября 2026 года и заявила, что семейство проходит обучение и появится скоро — первое официальное слово о сроках, и по-прежнему не график. Ни даты, ни карточки, ни весов ни для одного тира. Окно, которое сейчас гуляет по сети, — с октября до начала ноября, и исходит оно из веток watchlist и страниц трекеров, а не от Aliba​ba: статус обучения заявлен компанией, сроки — из сообщества. Сентябрьское окно, ходившее в июльской утечке дорожной карты, уже прошло, и это само по себе ответ.

• Сегмент Qwen 4 27B — тот, за которым стоит следить по причине, не связанной с бенчмарками: это единственный сегмент в семействе с историей выпуска открытых весов, а анонсированная модель на 27B — то, вокруг чего строят планы стеки локального инференса, — поэтому отсутствие разбивки по размерам, лицензии и даты здесь важнее, чем для флагмана.

Бенчмарк-таблица в превью — DeepSWE 1.1: 58.7, SWE-bench Pro: 62.5, LiveCodeBench v6: 91.9 — заявлена вендором на карточке и не была воспроизведена независимо. Планируйте, опираясь на архитектуру; относитесь к этим показателям как к обещанию, а не как к измерению.

Что разработчику следует делать сейчас

Сегодня в вашем текущем стеке ничего не меняется: Qwe​n 4 нигде нельзя вызвать — Apsara назвала тиры и включила семейство в дорожную карту, но ничего из этого не выпустила — и на момент написания открытых весов Qwen3.8-Flash-Next всё ещё нет и в нашем собственном списке моделей — самые близкие варианты, которые мы сегодня пропускаем через себя, — это обслуживаемый вариант Qwen3.8 Flash по цене $0.15/$0.47 за миллион токенов и маршрут к открытым весам Qwen3.8 27B по цене $0.33/$2.40; этот маршрут — самое близкое к локально запускаемому Qwe​n в каталоге, пока поколение-преемник остаётся лишь слухом. Строка дорожной карты — единственное, что стоит перечитать дважды, потому что это первый раз, когда Aliba​ba зафиксировала поколение-преемник на бумаге: если Qwe​n 4.5 и Qwe​n 5 действительно попадут в диапазон 5–10 триллионов параметров, тир, который вы можете позволить себе разместить самостоятельно в этом поколении, значит больше, а не меньше. Если вы хотите ощутить архитектуру до выхода семейства, честные пути — скачать веса самостоятельно или дождаться, пока превью появится за API. Для всех, кто планирует с расчётом на тир 27B, действует то же самое с одним дополнением: за ним стоит следить именно потому, что это тир, который с наибольшей вероятностью можно будет запускать без API, и сейчас он наименее описан из четырёх.

Когда Qwen3.8-Flash-Next или модель Qwe​n 4 появится в каталоге провайдера, стоимость переключения на OrcaRouter практически нулевая: один API для 200+ моделей, списочная цена провайдера передаётся с наценкой 0%, а снижение цены вендором становится доступным на нашей стороне в тот же день. Тот же эндпоинт и ключ, которые вы уже используете для Qwen3.8 Max — доступный сегодня как qwen/qwen3.8-max по цене $2.00/$6.00 за миллион токенов, списочная цена передаётся без изменений — это тот же эндпоинт, который будет использоваться при вызове Qwe​n 4.

Для непроверенной архитектуры автоматическое аварийное переключение — правильный первый шаг: направляйте часть трафика на новую модель с фолбэком на Qwen3.8 Max (или на ту модель, которая реально нужна для рабочей нагрузки), и пусть ваш собственный трафик решает, соответствует ли превью заявленным характеристикам — это правка routing-DSL, а не переписывание.

Что мы смотрим

• Смерджатся ли ядра fuse-op (#53909) — теперь это последний из исходных трёх PR vLLM по qwen4, всё ещё открытый: мультимодальный фронтенд и работа по PLE-offload уже влиты, а конфиг ушёл в upstream. На стороне sglang PR с нативной поддержкой и черновик RecoverSSM всё ещё открыты. Смердженный набор ядер — самый сильный на сегодня сигнал о том, что линейка qwen4 включена в ближайшие дорожные карты обоих рантаймов.

• Станет ли qwen4-main-squashed основой для магистральной ветки Qwen4 в sglang — интеграционной ветки, в которую продолжают вливаться изменения ядра и работы с памятью, — это более серьёзное обязательство, чем PR от одного контрибьютора, и стоит последить за тем, что с ней произойдёт, когда у флагманской модели появится дата релиза.

• Сохранится ли vision-путь к релизу — запись в мультимодальном реестре qwen4_exp и интеграция с Rust-фронтендом — это первый серьёзный сигнал о том, что флагман будет поддерживать ввод изображений, и обе теперь находятся в основной кодовой базе vLLM, а не в форке. Открытый вопрос: сохранит ли выпущенная модель этот визуальный энкодер.

• Первые независимые показатели для Qwen3.8-Flash-Next, которые станут первой проверкой того, подтвердятся ли заявления архитектуры о стоимости за пределами вендора.

• Дата или карточка для самого Qwen 4. У семейства теперь есть имена, тир-лист, статус обучения и место на опубликованной дорожной карте, но ничто из этого не является графиком. Окно, которое обсуждает сообщество, — с октября до начала ноября; дорожная карта, опубликованная Alibaba на Apsara, вообще не содержит дат, а на Hugging Face не появилось ни одного репозитория Qwen 4. Следующий реальный сигнал — это первый сигнал с привязанной к нему датой: карточка модели, идентификатор API или веса.

• Особенно уровень Qwen 4 27B — выпустят ли открытые веса по образцу Qwen3.8-27B, под какой лицензией и как быстро за ним подтянется экосистема конвертации и тонкой настройки.

• Лицензия для семейства — повторит ли Qwe​n 4 модель Qwen3.8 Max с открытыми весами под лицензией с ограничением на использование или станет ещё более открытой.

• Гонка цены обслуживания на превью, которая покажет нам, сколько на самом деле стоят токены гибридной архитектуры в производстве.

Часто задаваемые вопросы

Когда выйдет Qwen 4? Даты до сих пор нет, и теперь по срокам есть два официальных заявления, а не одно. Генеральный директор Alibaba Group Эдди У подтвердил на Apsara 22 сентября 2026 года, что Qwen 4 находится в обучении и что следующая линейка — Qwen 4.5 и Qwen 5 — прогнозируется в объёме от 5 до 10 триллионов параметров; английский релиз Alibaba повторяет оба этих утверждения. Ни в одном из заявлений нет графика. В обращении ходили три утверждения о сроках, и ни одно из них не принадлежит Alibaba: июльская утечка дорожной карты, в которой называлось окно в сентябре 2026 года, — оно прошло без запуска; и окно с октября до начала ноября, которое сейчас обсуждают в постах-обзорах и на страницах-трекерах, — это интерпретация темпов выпуска лаборатории, а не заявление самой лаборатории. Выпуск Qwen3.8-Flash-Next 26 августа — это явно превью архитектуры, а не флагман.

Является ли Qwe​n 4 той же моделью, что и Qwen3.8-Flash-Next? Нет. Qwen3.8-Flash-Next — это выпущенная модель с открытыми весами, в карточке которой она названа «предварительным обзором архитектуры Qwen4». Qwe​n 4 — это ещё не выпущенное семейство, о котором Aliba​ba объявила 22 сентября: четыре уровня, без опубликованных спецификаций; архитектура общая, а продукт — нет.

Могу ли я использовать Qwe​n 4 сегодня? Нет — ничто не маршрутизируется к модели, у которой нет ни весов, ни API, и анонс 22 сентября этого не изменил. Ближайшее, к чему вы действительно можете получить доступ, — это открытые веса Qwen3.8-Flash-Next, выпущенные 26 августа, или API Qwen3.8 Max, работающий на OrcaRouter по цене $2.00/$6.00 за миллион токенов.

Ядро — это сообщение, и анонс 22 сентября, при всём времени на сцене, не переписал его. vLLM не тратит циклы ревью на создание ядер Triton для семейств операторов, от которых собирается отказаться, и Aliba​ba не публикует превью архитектуры, от которого собирается отказаться. Между всё ещё открытым PR «qwen4 fuse op», превью Qwen3.8-Flash-Next, выпущенным 26 августа, записью qwen4_exp, которая сейчас находится в основном реестре vLLM с её конфигом, отправленным в upstream, и её мультимодальной интеграцией, влитой в основную ветку, работой по PLE-offload, которая появилась и на CUDA, и на ROCm в сентябре, и черновиком PR sglang, открытым 8 сентября, который всё ещё настраивает память SM120 для пути multi-token-prediction этой линейки, — форма следующего поколения Qwe​n больше не слух: она записана в ядрах и путях памяти, которые две среды выполнения строят для него. Apsara добавила название для каждого уровня, статус обучения и диапазон параметров для следующего поколения. То, что сообщество добавило с тех пор, — это скорее окно, чем факт: с октября по начало ноября, из тех же тредов watchlist. Aliba​ba не опубликовала ни того, ни другого. Планируйте архитектуру; не делайте ставку на даты.