Qwen3.8-Flash-Next vs Claude Opus 4.8: Vad 33x priset faktiskt köper

Claude Opus 4.8 anges till $5,00 per miljon inmatningstoken och $25,00 per miljon utmatningstoken på Anthropics egen prislista. Qwen3.8-Flash-Next är Alibabas förhandsversion med öppna vikter av Qwen4-arkitekturen – vikterna finns på Hugging Face sedan den 24 augusti 2026 och på ModelScope sedan den 26 augusti – och i den serverade varianten Qwen3.8-Flash kostar den $0,15 och $0,47 för samma enheter. Det är 33x på inmatning och 53x på utmatning för två modeller som på det enda offentliga index som har poängsatt båda ligger inom cirka två punkter från varandra. Matchningen ser obalanserad ut och är det inte. Vad multiplikatorn faktiskt köper är snävare och mer specifikt än gapet antyder, och att ta reda på vilken del av den din arbetsbelastning behöver är hela beslutet.

En sak måste klargöras före allt annat, eftersom den påverkar varje siffra nedan: ingen har kört dessa två mot varandra direkt med matchade inställningar i en namngiven testrigg och publicerat resultatet. Det som finns är varje modells egen poäng på Artificial Analysis Intelligence Index, och dessa poster utvärderades vid olika datum, så behandla dem som närliggande snarare än som en kontrollerad jämförelse. Allt annat här kommer från de två leverantörernas publicerade material och från oberoende testriggar som faktiskt har kört en av de två.

Claude Opus 4.8, från Anthropics egen dokumentation

Claude Opus 4.8 släpptes den 28 maj 2026, och Anthropic klassar det nu som en legacy-modell: fortfarande tillgänglig, fortfarande till salu, men inte längre i toppen av Opus-serien. Anthropics egen modellöversikt säger att du bör överväga att migrera till Claude Opus 5.5, och migreringsguiden för det steget är länkad från själva 4.8-sidan. Som ett faktum om modellen snarare än ett minus för den: legacy betyder här överträffad i toppen, inte tillbakadragen.

Vad den har: ett kontextfönster på 1M tokens och maxutdata på 128K, som höjs till 300K i Message Batches API under en beta-header. Text och bilder in, text ut, med vision, verktygsanvändning, JSON och resonemang bland de funktioner som stöds. Adaptivt tänkande där effort-parametern har standardvärdet hög — ett annat standardvärde än Opus 5.5, som levereras med medium, så ett identiskt `effort`-värde betyder inte samma tänkandebudget för de två. En tillförlitlig kunskapsgräns och träningsgräns som båda infaller i januari 2026, fem månader efter den nuvarande Opus-generationen. Prissättning på 5,00 USD per miljon indatatokens, 25,00 USD per miljon utdatatokens, 0,50 USD per miljon cacheläsningar, 6,25 USD per miljon cacheskrivningar för fem minuter, 10,00 USD per miljon cacheskrivningar för en timme och en fast 50 % rabatt för Batch API på indata och utdata. Anthropic förbinder sig att hålla modellen tillgänglig till minst den 28 maj 2027.

Det är inte heller ett museiföremål. Modell-ID:t `claude-opus-4-8` är tillgängligt på Claude API, Amazon Bedrock, Google Cloud, Microsoft Foundry och Claude Platform on AWS, och Anthropics eget release-material för Opus 5.5 dokumenterar att de flesta cybersäkerhetsförfrågningar i den nyare driftsättningen dirigeras ned till Opus 4.8 enligt design. En modell som är utsedd till reserv för det nuvarande flaggskeppet ombeds fortfarande att utföra riktigt arbete.

Qwen3.8-Flash-Next, från Alibabas eget kort

Qwen3.8-Flash-Next är inte en Qwen4-modell, och distinktionen är Alibabas egen snarare än en tolkning av den. Modellkortet beskriver en experimentell förhandsvisning av arkitekturen som kommer att ligga till grund för Qwen4 — arkitekturen som släpptes tidigt, avsiktligt, så att körtider och kvantiseringar är redo när familjen anländer. Den lagrar ungefär 180B parametrar i BF16: en 125B mixture-of-experts-kropp som aktiverar 6B per token, en separat 51B n-gram-inbäddningstabell, och cirka 4B multi-token-prediction-lager, över 48 lager med 512 experter varav 10 är routade och en är delad. Attentionsstacken är den verkligt nya delen — 36 linjära attention-lager som kör Gated Delta Network mot 12 full-attention-lager som kör Qwen Sparse Attention, samma ungefär tre-till-ett-hybriduppdelning som den bredare Qwen3.8-generationen använder.

Native kontext är 262 144 token, utökningsbar till 1 000 000. Indata är text, bild och video; utdata är text. Licensen är Qwen Community License 1.0, inte Apache 2.0 — en verklig skillnad från familjens 27B, och den sorts sak som avgör en upphandlingsfråga månader efter att den har avgjort en benchmark-diskussion. Alibaba positionerar de öppna vikterna som den experimentella förhandsversionen och Qwen3.8-Flash, som serveras via Qwen Cloud, som den officiella produktionsversionen med en standardkontext på 1M och inbyggda verktyg. Huruvida det är samma vikter under olika serveringskonfiguration anges inte på kortet.

Siffrorna, märkta efter vem som producerade dem

Alibabas modellkort är en leverantörstabell och betecknas som en sådan här. I kortets egna språkutvärderingar rapporterar Qwen3.8-Flash-Next 91,9 på LiveCodeBench v6, 91,7 på GPQA Diamond, 81,0 på SWE-bench Multilingual, 62,5 på SWE-bench Pro, 58,7 på DeepSWE 1.1, 73,9 på CoWorkBench och 55,7 på JobBench. I kortets egna jämförelserader förlorar den mot en Claude-modell på HLE, 35,9 mot 40,0, och på NL2Repo-Bench, 48,1 mot 54,2. Två förbehåll kommer från kortet självt: flera resultat använder interna benchmarks, och HLE-raden noterar att den bedömdes av GPT-4o, vilket är värt att känna till innan man citerar just den siffran för någon.

Anthropic publicerar ingen motsvarande offentlig tabell för Claude Opus 4.8 med samma testramverk, så någon jämförelse rad för rad mellan leverantörer finns inte och bör inte antydas utifrån någon av sidornas tabell. Det som finns är en tredje part som har kört båda. Artificial Analysis anger Claude Opus 4.8 till 41,8 i sitt Intelligence Index – på 23:e plats av modellerna den rankar, i 84:e percentilen – och Qwen3.8-Flash-Next till 40, på femte plats av de 113 modellerna i dess jämförelseklass. Båda siffrorna är från samma leverantörs index, vilket gör dem till det närmaste en gemensam måttstock som finns i dag, med den ovan nämnda reservationen om utvärderingsdatum.

Resten av den oberoende bilden, allt av det från Artificial Analysis och allt av det för förhandsversionen med öppna vikter snarare än den serverade Flash-varianten:

• Kunskapsarbete — Qwen3.8-Flash-Next redovisar 1587 i AA-Briefcase, 1647 i GDPval-AA v2 och 56 % på AutomationBench-AA, benchmarken för agentiska arbetsflöden som byggts med Zapier på en privat undanhållen uppsättning uppgifter.

• Terminal- och vetenskapligt arbete — 25 % på Terminal-Bench v4.0 och 51 % på SciCode, jämfört med en mycket svagare prestation på långsiktiga repository-uppgifter.

• Resonemang — Humanity's Last Exam 38 % för Qwen preview mot 48,7 % för Claude Opus 4.8 på samma leverantörs testramverk. På GPQA Diamond är de två i praktiken jämnstarka: 91,7 på A​libabas kort mot 92,0 för Opus 4.8 på Artificial Analysis.

• Faktaminne kontra konfabulering — AA-Omniscience på minus 10 för Qwen preview, måttet som straffar självsäker uppdiktning. Ingen motsvarande siffra publiceras för Opus 4.8 i den testmiljön, så de två kan inte jämföras där.

• Hastighet — Artificial Analysis mäter Qwen-förhandsvisningen till 53 utdatatokens per sekund med 2,80 sekunder till första token, och kallar den mycket ordrik: 108 000 utdatatokens per uppgift, varav 72 000 är resonemangstokens. Claude Opus 4.8, mätt via vår egen testmiljö under de senaste sju dagarna, returnerar 66,7 utdatatokens per sekund vid ett medianvärde på 4,2 sekunder för första token. Olika ramverk, så betrakta hastigheterna som indikativa snarare än som ett tävlingsresultat.

• Kontext — 262 144 native och 1 000 000 utökad för Qwen3.8-Flash-Next mot 1 000 000 native för Claude Opus 4.8.

Läst som en grupp snarare än en rad i taget är mönstret förenligt med att prisskillnaden är missvisande i båda riktningarna. Den billiga modellen är verkligen nära på kunskapsarbete, terminaluppgifter och allmänt resonemang – närmare än en 33x prisskillnad skulle förutsäga. Den dyra modellen ligger före där arbetet är långt, tvetydigt och dyrt att få fel, och den har en kontext på 1M tokens inbyggt snarare än genom en utökning.

Prisfrågan, på enheten som avgör den

Per token är gapet skriande, och det är ren aritmetik på publicerade siffror. För den serverade Qwen3.8-Flash är indata 33 gånger billigare och utdata 53 gånger billigare än Claude Opus 4.8. Cachning minskar gapet något till fördel för Anthropic jämfört med dess egen indatatakt – cacheläsningar för Claude Opus 4.8 ligger på $0.50 per miljon, en tiondel av dess indatapris – men den serverade Qwen3.8-Flash har en cacheläsningstakt på $0.0184 per miljon enligt vår egen publicerade lista, vilket är under 4 % av motsvarande för Opus 4.8. För en långlivad prompt med tung omläsning ackumuleras den skillnaden i samma riktning som allt annat.

Per slutförd uppgift är det tal som överlever token-utförlighet, och här är det ärliga svaret att jämförelsen är ofullständig på ena sidan. Artificial Analysis publicerar en siffra för kostnad per uppgift för de modeller den kör; previewens egen utförlighet – 245M tokens förbrukade i indexkörningen mot en median på 140M – innebär att dess fördel per token krymper på uppgiftsnivå i stället för att försvinna, och ingen körning med matchade inställningar av dessa två finns för att avgöra saken. Om du behöver en siffra att planera med, modellera den själv utifrån din egen trafik i stället för att låna någon annans tokenantal.

Där var och en är rätt val

Claude Opus 4.8 är rätt val när arbetet har höga insatser och ska göras i ett enda pass: långsiktiga agentiska körningar där en felaktig gren är dyr att backa ur, komplex felsökning i flera steg i en stor kodbas, och allt som redan är byggt mot Claudes thinking- och effort-kontroller, där en identisk `effort`-inställning och en kunskapsgräns i januari 2026 är kända storheter snarare än okända. Det är också det säkrare valet när du vill ha ett leverantörsåtagande med ett datum på och en modell som fortfarande är den dokumenterade fallbacken för sin efterträdares svåraste trafik.

Qwen3.8-Flash-Next är rätt val när arbetsbelastningen är bred snarare än djup – högvolymklassificering, extrahering, förståelse av skärmbilder och dokument, agentiska svep där du annars skulle batcha för att hålla nere kostnaden – och när du vill utvärdera Qwen4-arkitekturen på dina egna data månader innan Qwen4 finns. Dess starka oberoende signaler ligger inom kunskapsarbete och terminaluppgifter; dess svaga signaler ligger inom långsiktig generering av kodförråd och passningsfrekvens för agenter vid engångskörning, vilket är precis där produktionskodändringar sker. Kör en kopia med låg insats av en verklig arbetsbelastning mot den innan den rör något som spelar roll.

Regeln, formulerad som en regel: välj den modell vars felläge du har råd med. Om ett felaktigt svar kostar dig ett nytt försök är 33x gratis pengar. Om ett felaktigt svar kostar dig en återställning klockan 3 på natten har den billigare modellen ännu inte gjort sig förtjänt av det beslutet – och att den är en experimentell förhandsversion med en community-licens snarare än en lanserad produktlinje är en del av anledningen, oberoende av poängen.

Kör båda utan ett andra avtal

Båda sidorna i den här jämförelsen är live i en katalog. Claude Opus 4.8 routas som `anthropic/claude-opus-4.8` till $5.00 och $25.00 per miljon tokens — A​nthropics publicerade listpris som förs vidare med 0 % påslag, så inget här ändras om den prislistan gör det. Den produktionsvariant av Qwen-sidan som faktiskt serveras routas som `qwen/qwen3.8-flash` till $0.15 och $0.47, också till leverantörens listpris, med en kontext på 1 M tokens och text-, bild- och videoindata.

Själva förhandsversionen med öppna vikter är en annan sak och värd att säga rakt ut: Qwen3.8-Flash-Next är inte en av våra rutter. För att använda förhandsversionen laddar du ner vikterna från Hugging Face eller ModelScope och serverar dem själv – vLLM stöder det från dag ett med en offload-väg som håller n-gram-inbäddningstabellen med 51B parametrar i värdminnet i stället för permanent VRAM, SGLang och TensorRT-LLM finns med i NVIDIAs Day 0-lista, och Ollamas bibliotek innehåller ett MLX-bygge för Apple Silicon. Det vi routar är produktionsvarianten, som är den du faktiskt kan anropa i dag.

Det praktiska upplägget för ett team som vill ha båda är en trafikdelning snarare än ett beslut: en nyckel, en SDK, en faktura, med en andel av förfrågningarna som skickas till den billiga modellen och automatisk failover som fångar upp de stunder då en experimentell arkitektur eller en åldrande sådan strular. Det är ett mindre ingenjörsåtagande än inramningen av den här duellen antyder, och det är så de flesta användbara svar på "vilken av dem" faktiskt hittas – genom att köra båda mot verklig trafik i en vecka och läsa resultaten.

Vad skulle ändra den här sidan

Tre saker, i ordning efter hur sannolikt det är att de faktiskt inträffar. En utvärdering av Qwen3.8-Flash-Next mot Claude Opus 4.8 med matchade inställningar på en namngiven testram skulle ersätta varje försiktigt formulerad mening ovan med en siffra. Ankomsten av hela Qwen4-familjen skulle flytta förhandsvisningen från "arkitekturen, i tidigt skede" till "arkitekturens föregående generation", vilket ändrar vad den är till för. Och varje prisändring på Opus-linjen skulle öppna multiplikatorn i centrum av den här sidan igen — den levererade Qwen3.8-Flash-taxan som förs vidare hos oss ändras samma dag som leverantören ändrar den, så jämförelsen förblir aktuell även när siffrorna inte är det.

Fram till dess är det enskilda faktum som oftast avgör denna parkoppling inte ett benchmark: det är att den billiga sidan är en experimentell förhandsversion som du driftar själv och den dyra sidan är en äldre modell som du hyr med en supportrelation och ett tillgänglighetsåtagande för 2027. Team som behöver äga stacken och kan absorbera en obeprövad arkitektur bör ta 33x och testa det ordentligt. Team som behöver att svaret är rätt första gången bör betala för modellen vars felmod de redan har karakteriserat.