Qwen3.8-Flash-Next vs Qwen3.8-Max: hur nära kommer en 6B-aktiv Qwen4-preview till 2.4T-flaggskeppet?

Den 26 augusti 2026 släppte Alibabas Qw{{1}}en-team Qwen3.8-Flash-Next som öppen källkod{{/1}}, en multimodal mixture-of-experts-modell med 176 miljarder parametrar som endast aktiverar cirka 6 miljarder parametrar per token och som uttryckligen beskrivs som en tidig förhandsversion av Qwen4-arkitekturen. Måttstocken som den kommer att mätas mot från dag ett är Alibabas egen flaggskeppsmodell, Qwen3.8-Max, den glesa MoE-modellen med 2,4 biljoner parametrar som blev allmänt tillgänglig den 3 augusti och som sedan dess har debiterat 2,00 dollar per miljon input-tokens och 6,00 dollar per miljon output-tokens. På papperet ligger de två mer än en storleksordning isär i lagrade parametrar — 2,4 biljoner mot ungefär 180 miljarder — och skiljer sig åt med ungefär en faktor sexton i aktiva parametrar. På Alibabas eget benchmarkblad hamnar resultaten långt närmare varandra än storleksskillnaden — vilket antingen är det mest imponerande med förhandsversionen, eller den hittills tydligaste påminnelsen om att en leverantörstabell är en hypotes tills ett oberoende labb har kört den.

Den korta versionen: detta är inte en tävling mellan jämbördiga parter, och att låtsas något annat är det enda sättet att ta fel. Qwen3.8-Max är kapacitetstaket för den nuvarande generationen — oberoende betygsatt av Artificial Analysis, med öppen vikt sedan 12 augusti, produktionsbeprövad i tre veckor. Qwen3.8-Flash-Next är en dagsgammal arkitekturprototyp som Alibaba säger att de flesta arbetsbelastningar inte behöver Max' utrymme för att köras. Anledningen till att jämförelsen fortfarande är värd att göra är att på de benchmarks där båda modellerna finns i Alibabas egna tabeller, landar förhandsversionen inom ungefär en poäng från flaggskeppet på agentiskt och kontorsarbete och före den på två — JobBench och RealWorldQA. Den avgörande skillnaden är inte kvalitetsgapet, som är litet och overifierat. Det är bevisgapet: en av dessa modeller har ett tredjepartsbetyg, och den andra har inget.

Vad varje modell faktiskt är

Qwen3.8-Flash-Next är provkörningen av arkitekturen. Den lagrar ungefär 180 miljarder parametrar på disk — en 125B MoE-kropp, en 51B N-gram-inbäddningstabell som lever i värdminne snarare än VRAM, och ett multi-token-prediktionshuvud — och leder varje token genom ungefär 6B av dem, en sparsitet på nära 95%. Dess MoE med 512 experter växlar tre Gated DeltaNet-lager med ett Qwen Sparse Attention-lager per grupp, lägger till en gated-residual-ström och N-gram-inbäddningar, och tränades med Muon-optimeraren till en kostnad som Alibaba anger till ungefär en niondel av Qwen3.7-Plus. Den tar emot text, bild och video som indata, serverar en inbyggd kontext på 262 144 tokens som kan utökas till 1M via YaRN, och släpptes under qwen-community-1.0-licensen på Hugging Face och ModelScope i bf16 och FP8. Den produktionsmodell som kommer att bära priset på QwenCloud API — Qwen3.8-Flash, annonserad till 0,16 USD per miljon inmatade tokens och 0,47 USD per miljon utmatade tokens — är den serveringsanpassade versionen av samma arkitektur och har ännu inte öppnats.

Qwen3.8-Max är generationens färdiga produkt. Det är en 2,4T-gles MoE på nuvarande generationens arkitektur — Gated DeltaNet plus gated attention, 512 experter med 10 routade och en delad, 95 miljarder aktiverade per token enligt det officiella modellkortet. Den är multimodal på API:et, serverar en 1M-token-kontext platt för $2/$6 utan extraavgift för långa prompter, och dess öppna vikter, Qwen3.8-2.4T-A95B, släpptes den 12 augusti under en anpassad licens som inte är Apache. Det är den modell som Artificial Analysis har gett ett intelligensindex på 58 och ett kodningsindex på 71,8, det starkaste oberoende kortet som någon Qw​en 3.8-familjemodell har.

• Totala parametrar — Qwen3.8-Flash-Next: 125B MoE + 51B N-gram (~180B lagrade). Qwen3.8-Max: 2.4T MoE.

• Aktiva per token — Qwen3.8-Flash-Next: ~6B (under 5%). Qwen3.8-Max: ~95B (~4%).

• Arkitektur — Qwen3.8-Flash-Next: Qwen4-förhandsversion (QSA + GDN, gated residual, N-gram, Muon). Qwen3.8-Max: Qw​en 3.5-generation (GDN + gated attention).

• Kontext — Qwen3.8-Flash-Next: 262K nativt / 1M via YaRN. Qwen3.8-Max: 1M på API:et / 262K nativt på de öppna vikterna.

• Pris — Qwen3.8-Flash-Next: 0,16 $ / 0,47 $ per 1M (tillkännagivet, API ännu inte öppet). Qwen3.8-Max: 2,00 $ / 6,00 $ per 1M, fast pris.

• Öppna vikter — Qwen3.8-Flash-Next: qwen-community-1.0, 26 augusti, kan köras på en enda nod. Qwen3.8-Max: Qwen3.8-2.4T-A95B, anpassad licens, multi-nod.

• Oberoende poäng — Qwen3.8-Flash-Next: inga ännu. Qwen3.8-Max: AA Intelligence Index 58, Coding Index 71.8.

Resultattavlan ovan komprimerar jämförelsen till de sju rader som räknas, och källfoten bär hela bördan: varje Flash-Next-siffra är Alibabas egen och inte reproducerad, medan Max-kolumnen vilar på Artificial Analysis samt Alibabas publicerade tabell. Läs det så, och kolumnerna slutar vara en kapplöpning och börjar vara ett uttalande om bevis.

Benchmarkbladet, ärligt läst.

På de gemensamma raderna i Alibabas egna tabeller är gapet långt mindre än vad den fyrtiofaldiga parameterskillnaden skulle antyda. På CoWorkBench (agentiskt kontorsarbete) noterar förhandsversionen 73,9 mot Max 74,8; på AndroidWorld 84,5 mot 85,3; på Agents' Last Exam 51,2 mot 52,4 — en poäng eller mindre på varje. Förhandsversionens 55,7 på JobBench och 88,5 på RealWorldQA är de bästa verifierade raderna i tabellen, före Max. Gapet vidgas i det visionsdominerade blocket — LVBench, ERQA, MathVision, Vision2Web — där Max leder med ungefär fyra till sex poäng. På de viktigaste agentiska mätvärdena noterar Qwen3.8-Flash-Next SWE-bench Pro 62,5 och DeepSWE 58,7, inom synhåll från flaggskeppet på arbete som kostar tolv gånger mer att köra.

Nu gäller etiketten för varje siffra ovan: allt är Alibaba-rapporterat, från Alibabas egen testmiljö, en dag gammal i förhandsvisningens fall och utan replikering för båda modellerna. Det spelar olika roll på varje sida. Qwen3.8-Max kvalitetstabell är leverantörsbekräftad, men dess Intelligence Index 58 och Coding Index 71.8 är tredjepartsmätningar på Alibabas API – modellen har varit utsatt för oberoende granskning i veckor och den håller måttet. Qwen3.8-Flash-Next har ännu inget oberoende resultat av något slag. Den ärliga läsningen av närheten är inte ”förhandsvisningen är i princip lika bra som flaggskeppet.” Det är ”Alibaba säger att förhandsvisningen ligger inom en poäng från flaggskeppet, och ingen utanför labbet har bekräftat det.” Skillnaden mellan dessa två meningar är hela skillnaden i hur mycket risk varje modell bär.

Prisskillnaden är poängen.

Räkna först, eftersom det är den del som står fast. Vid $0,16/$0,47 kostar en miljon inmatningstokens plus en miljon genererade tokens $0,63 på produktions-API:et Flash; samma anrop på Qwen3.8-Max kostar $8,00 — ungefär 12,7 gånger mer, på båda sidor av kalkylen. Alibaba uppger att arkitekturens träningskostnad är ungefär en niondel av kostnaden för Qwen3.7-Plus, vilket är den strukturella anledningen till att priset kan ligga där, och till $0,16 är produktions-Flash ungefär två tredjedelar billigare än till och med DeepSeek-V4-Flash. För högvolym-, agentbaserade eller långkontextbaserade arbetsbelastningar är en prisskillnad på 12,7 gånger skillnaden mellan en lönsam produkt och en subvention — vilket är anledningen till att jämförelsen över huvud taget görs.

Det är här ett routinglager gör skäl för sig på båda sidor av balansräkningen, och fakta är värda att anges precist. Qwen3.8-Max är live på OrcaRouter idag till leverantörens listpris utan påslag — samma $2.00/$6.00 som du skulle betala leverantören direkt, bakom den OpenAI-kompatibla slutpunkten du redan använder. Qwen3.8-Flash-Next finns ännu inte på något API: tills produktionsversionen av Qwen3.8-Flash öppnas på QwenCloud är de öppna vikterna den enda vägen, självhostad. När det API:et väl öppnas innebär samma genomsläpp med 0 % påslag att dess $0.16/$0.47-pris visas hos oss samma dag — en prissänkning som är live i en konfiguration, inte en rad i ett pressmeddelande — och båda modellerna ligger bakom en nyckel med automatisk failover mellan dem. Du kopplar inte om integrationen för att testa en dagsgammal arkitektur; du ändrar en routingregel.

Förhandsvisningsarkitektur kontra beprövad produkt

Det finns en skillnad med längre horisont som väger tyngre än något enskilt riktmärke. Qwen3.8-Flash-Next är byggd på den arkitektur som Alibaba säger att Qwen4 kommer att använda — sparse attention, gated DeltaNet, gated residual, N-gram embeddingar, Muon — släppt tidigt som öppna vikter så att ekosystemet kan stresstesta den innan den dyra modellen byggs ovanpå. Enligt Alibabas mätningar når den stacken upp till 7,6× snabbare prefill och 4,9× snabbare decode vid 1M-tokens kontext jämfört med full attention (leverantörsrapporterat), vilket är den tekniska anledningen till att en modell med 6B aktiva parametrar överhuvudtaget kan hålla ett 1M-tokens fönster överkomligt. Qwen3.8-Max är den mogna produkten av nuvarande generation, och det är just dess styrka: den kända kvantiteten, modellen vars serveringsbeteende och felscenarier team redan har kartlagt.

För ett produktionssystem är gaffeln tveeggad. Max är det säkra valet idag – oberoende bedömd, tre veckors produktionsexponering, ett etablerat pris. Flash-Next är den riktning som Alibaba satsar nästa generation på, till ett pris som omprissätter familjen. Att välja det nu innebär att rida på en arkitektur som communityn fortfarande granskar; att ignorera det innebär att satsa på att den billigare arkitekturen inte går om flaggskeppet inom sex månader. Inget av valen behöver vara allt-eller-inget – vilket är den praktiska poängen med att hålla båda nåbara från en ändpunkt.

De två skärmbilderna ovan är de publika ytorna för respektive release: OrcaRouter-listan där Qwen3.8-Max är tillgänglig idag till listpris, och tillkännagivandet från Alibabas Qw​en Studio om släppet av Qwen3.8-Flash-Next med öppna vikter.

Beslutet

Välj Qwen3.8-Max om du behöver generationens kapacitetstak idag — långsiktigt agentiskt arbete, den starkaste oberoende resultatlistan i familjen, och en modell som har varit i produktion i veckor snarare än timmar. Till ett fast pris på $2/$6 per miljon tokens är den billig för en frontlinjemodell, och den är den enda av de två med data som du inte tog på tro.

Välj Qwen3.8-Flash-Next om din arbetsbelastning är högvolym och priskänslig — agentiska loopar, batchkontorsautomation, långkontextpassager där en prisskillnad på 12,7× är skillnaden mellan break-even och marginal — och du är bekväm med att köra en en dag gammal arkitektur på ett leverantörsblad, eller självhosta öppna vikter i väntan på API:t.

För alla däremellan är den förnuftiga hållningen både: Qwen3.8-Max på en nyckel nu, Qwen3.8-Flash-Next en routingregel bort när API:et öppnas, och failover så att den en dag gamla modellen inte kan ta ner en produktionsväg medan du bestämmer dig. Den öppna frågan är den ärliga — kan en modell som aktiverar 6 miljarder av sina parametrar behålla dessa benchmarksiffror vid oberoende replikering, eller kommer visionsgapet och det en dag gamla resultatbladet att vidgas till den verkliga historien? De närmaste veckorna ger svaret, och jämförelsen är värd att återkomma till i samma stund som ett oberoende resultat för förhandsversionen landar.