Qwen3.8-Flash-Next เทียบกับ Qwen3.8-Max: Qwen4 พรีวิวแบบ 6B-active ใกล้เคียงกับเรือธง 2.4T แค่ไหน?

เมื่อวันที่ 26 สิงหาคม 2026 ทีม Qwen ของ Alibaba ได้เปิดเผยซอร์สโค้ด Qwen3.8-Flash-Next ซึ่งเป็นโมเดล multimodal mixture-of-experts ที่มีพารามิเตอร์ 176 พันล้านพารามิเตอร์ โดยเปิดใช้งานเพียงประมาณ 6 พันล้านพารามิเตอร์ต่อ token และถูกวางกรอบอย่างชัดเจนว่าเป็นตัวอย่างเบื้องต้นของสถาปัตยกรรม Qwen4 เกณฑ์ที่จะใช้วัดตั้งแต่เริ่มต้นคือโมเดลเรือธงของ Alibaba เอง นั่นคือ Qwen3.8-Max ซึ่งเป็น sparse MoE ที่มีพารามิเตอร์ 2.4 ล้านล้านพารามิเตอร์ เปิดให้ใช้งานทั่วไปเมื่อวันที่ 3 สิงหาคม และคิดค่าบริการ 2.00 ดอลลาร์ต่อล้าน input tokens และ 6.00 ดอลลาร์ต่อล้าน output tokens ตั้งแต่นั้นมา ในทางเอกสาร ทั้งสองโมเดลมีช่องว่างของพารามิเตอร์ที่จัดเก็บมากกว่าหนึ่งลำดับขนาด กล่าวคือ 2.4 ล้านล้านเทียบกับประมาณ 180 พันล้าน และมีช่องว่างประมาณสิบหกเท่าในแง่ของพารามิเตอร์ที่ใช้งานจริง ในตาราง benchmark ของ Alibaba เอง ผลลัพธ์ออกมาใกล้กันมากกว่าขนาดของโมเดล ซึ่งอาจเป็นสิ่งที่ประทับใจที่สุดเกี่ยวกับตัวอย่างนี้ หรืออาจเป็นเครื่องเตือนใจที่ชัดเจนที่สุดว่า ตารางของผู้จำหน่ายเป็นเพียงสมมติฐานจนกว่าห้องปฏิบัติการอิสระจะทำการทดสอบ

เวอร์ชันสั้น: นี่ไม่ใช่การแข่งขันระหว่างผู้ที่เท่าเทียมกัน และการแสร้งว่าเป็นเช่นนั้นคือหนทางเดียวที่จะผิดพลาด Qwen3.8-Max คือเพดานความสามารถของเจนเนอเรชันปัจจุบัน — ได้รับการให้คะแนนอย่างอิสระโดย Artificial Analysis, เปิดน้ำหนักตั้งแต่ 12 สิงหาคม, พิสูจน์แล้วในระบบผลิตจริงเป็นเวลาสามสัปดาห์ Qwen3.8-Flash-Next เป็นต้นแบบสถาปัตยกรรมอายุหนึ่งวัน ซึ่ง Alibaba กล่าวว่าเวิร์กโหลดส่วนใหญ่ไม่จำเป็นต้องใช้กำลังสำรองของ Max ในการทำงาน เหตุผลที่การเปรียบเทียบนี้ยังคงคุ้มค่าคือ บนเกณฑ์มาตรฐานที่ทั้งสองโมเดลปรากฏในตารางของ Alibaba เอง พรีวิวดังกล่าวอยู่ห่างจากรุ่นเรือธงประมาณหนึ่งจุดในงานด้านเอเจนต์และงานออฟฟิศ และนำหน้าอยู่สองรายการ — JobBench และ RealWorldQA ความแตกต่างที่ชี้ขาดไม่ใช่ช่องว่างด้านคุณภาพ ซึ่งเล็กและไม่ได้รับการยืนยัน แต่เป็นช่องว่างด้านหลักฐาน: โมเดลหนึ่งในสองนี้มีสกอร์การ์ดจากบุคคลที่สาม ส่วนอีกโมเดลไม่มีเลย

แต่ละโมเดลจริงๆ แล้วคืออะไร

Qwen3.8-Flash-Next คือการทดลองรันสถาปัตยกรรม มันจัดเก็บพารามิเตอร์ประมาณ 180 พันล้านบนดิสก์ — ตัวหลัก MoE ขนาด 125B, ตาราง embedding แบบ N-gram ขนาด 51B ที่อยู่ในหน่วยความจำหลักแทนที่จะเป็น VRAM และส่วนหัวสำหรับทำนายหลายโทเค็น — และส่งแต่ละโทเค็นผ่านประมาณ 6B ของพารามิเตอร์เหล่านั้น คิดเป็นความเบาบางเกือบ 95% MoE แบบ 512 ผู้เชี่ยวชาญสลับสามชั้น Gated DeltaNet กับหนึ่งชั้น Qwen Sparse Attention ต่อกลุ่ม เพิ่มสตรีมแบบ gated-residual และ N-gram embeddings และฝึกด้วยออปติไมเซอร์ Muon ด้วยต้นทุนที่ Alibaba ระบุว่าอยู่ที่ประมาณหนึ่งในเก้าของ Qwen3.7-Plus รองรับอินพุตทั้งข้อความ รูปภาพ และวิดีโอ ให้บริการบริบทแบบเนทีฟ 262,144 โทเค็น ซึ่งขยายได้ถึง 1M ผ่าน YaRN และเผยแพร่ภายใต้ใบอนุญาต qwen-community-1.0 บน Hugging Face และ ModelScope ในรูปแบบ bf16 และ FP8 โมเดลโปรดักชันที่จะคิดราคาบน QwenCloud API — Qwen3.8-Flash ซึ่งประกาศราคาไว้ที่ $0.16 ต่อล้านโทเค็นอินพุต และ $0.47 ต่อล้านโทเค็นเอาต์พุต — เป็นเวอร์ชันที่ปรับแต่งสำหรับการให้บริการของสถาปัตยกรรมเดียวกันนี้ และยังไม่ได้เปิดให้ใช้งาน

Qwen3.8-Max คือผลิตภัณฑ์ขั้นสุดท้ายของรุ่นนี้ มันเป็นโมเดล sparse MoE ขนาด 2.4T บนสถาปัตยกรรมรุ่นปัจจุบัน — Gated DeltaNet บวกกับ gated attention, มี 512 experts โดยที่ 10 ตัวถูกเลือกและอีก 1 ตัวใช้ร่วมกัน, มีการกระตุ้น (activated) 95 พันล้านพารามิเตอร์ต่อ token ตาม official model card. มันเป็น multimodal บน API, ให้บริการบริบทขนาด 1M token ในราคาแบน $2/$6 โดยไม่มีค่าธรรมเนียมเพิ่มเติมสำหรับ long prompt, และ open weights ของมันคือ Qwen3.8-2.4T-A95B เปิดตัวเมื่อวันที่ 12 สิงหาคมภายใต้ไลเซนส์แบบกำหนดเองซึ่งไม่ใช่ Apache. มันเป็นโมเดลที่ Artificial Analysis ให้คะแนน Intelligence Index ไว้ที่ 58 และ Coding Index 71.8 ซึ่งเป็นการ์ดอิสระที่แข็งแกร่งที่สุดเท่าที่โมเดลในตระกูล Qw​en 3.8 เคยมี

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

• ใช้งานต่อโทเคน — Qwen3.8-Flash-Next: ~6B (ต่ำกว่า 5%) Qwen3.8-Max: ~95B (~4%)

• สถาปัตยกรรม — {{1}}Qwen3.8-Flash-Next: {{2}}Qwen4 พรีวิว (QSA + GDN, gated residual, N-gram, Muon) Qwen3.8-Max: Qwen 3.5 เจนเนอเรชัน (GDN + gated attention){{/2}}{{/1}}

• บริบท — Qwen3.8-Flash-Next: 262K เนทีฟ / 1M ผ่าน YaRN. Qwen3.8-Max: 1M บน API / 262K เนทีฟบน open weights.

• ราคา — Qwen3.8-Flash-Next: $0.16 / $0.47 ต่อ 1M (ประกาศแล้ว, API ยังไม่เปิดให้ใช้) Qwen3.8-Max: $2.00 / $6.00 ต่อ 1M, คงที่

• น้ำหนักเปิด — Qwen3.8-Flash-Next: qwen-community-1.0, 26 สิงหาคม, รองรับโหนดเดียว. Qwen3.8-Max: Qwen3.8-2.4T-A95B, ใบอนุญาตแบบกำหนดเอง, หลายโหนด.

• คะแนนอิสระ — Qwen3.8-Flash-Next: ยังไม่มี Qwen3.8-Max: AA Intelligence Index 58, Coding Index 71.8.

กระดานคะแนนด้านบนบีบอัดการเปรียบเทียบให้เหลือเจ็ดแถวที่สำคัญ และส่วนท้ายที่มาของข้อมูลก็รับภาระไว้: ทุกตัวเลขของ Flash-Next เป็นของ Alibaba เองและไม่ได้ลอกมาจากที่อื่น ขณะที่คอลัมน์ Max อาศัย Artificial Analysis บวกกับตารางที่เผยแพร่โดย Alibaba อ่านแบบนั้นแล้วคอลัมน์ต่างๆ จะไม่ใช่การแข่งม้าอีกต่อไป แต่กลายเป็นคำกล่าวเกี่ยวกับหลักฐาน

เอกสารเกณฑ์มาตรฐาน เมื่ออ่านอย่างตรงไปตรงมา

ในแถวที่ใช้ร่วมกันของตารางของ Alibaba เอง ช่องว่างนั้นเล็กกว่าที่ความแตกต่างของพารามิเตอร์ถึงสี่สิบเท่าจะบ่งบอกได้มาก บน CoWorkBench (งานออฟฟิศแบบ agentic) รุ่นพรีวิวได้ 73.9 เทียบกับ Max ที่ 74.8; บน AndroidWorld ได้ 84.5 เทียบกับ 85.3; บน Agents' Last Exam ได้ 51.2 เทียบกับ 52.4 — ต่างกันแค่จุดเดียวหรือน้อยกว่าในแต่ละรายการ บน JobBench คะแนน 55.7 ของพรีวิว และบน RealWorldQA คะแนน 88.5 ของมัน ต่างเป็นแถวที่ยืนยันแล้วดีที่สุดในตาราง นำหน้า Max ช่องว่างที่กว้างขึ้นอยู่ในกลุ่มที่เน้นวิทัศน์เป็นหลัก — LVBench, ERQA, MathVision, Vision2Web — ซึ่ง Max นำอยู่ประมาณสี่ถึงหกจุด สำหรับตัวเลข agentic ที่เป็นไฮไลต์ Qwen3.8-Flash-Next บันทึก SWE-bench Pro ได้ 62.5 และ DeepSWE 58.7 ซึ่งใกล้เคียงกับรุ่นเรือธงในงานที่ใช้ต้นทุนประมวลผลมากกว่าถึงสิบสองเท่า

ตอนนี้ป้ายกำกับที่ใช้กับทุกตัวเลขข้างต้น: ทั้งหมดนี้เป็นข้อมูลที่ Alibaba รายงาน มาจากเครื่องมือทดสอบของ Alibaba เอง สำหรับพรีวิวข้อมูลเพิ่งได้มาเมื่อวันก่อน และไม่มีการทดสอบซ้ำสำหรับทั้งสองโมเดล สิ่งนี้ส่งผลแตกต่างกันในแต่ละฝ่าย ตารางคุณภาพของ Qwen3.8-Max เป็นสิ่งที่ผู้จำหน่ายอ้าง แต่ Intelligence Index 58 และ Coding Index 71.8 เป็นการวัดจากบุคคลที่สามบน API ของ Alibaba — โมเดลนี้ถูกตรวจสอบอย่างอิสระมาหลายสัปดาห์แล้ว และมันก็ยังคงยืนหยัดได้ Qwen3.8-Flash-Next ยังไม่มีคะแนนอิสระใดๆ เลย การอ่านความใกล้เคียงอย่างตรงไปตรงมาไม่ใช่ "พรีวิวโดยพื้นฐานดีพอๆ กับรุ่นเรือธง" แต่เป็น "Alibaba กล่าวว่าพรีวิวอยู่ห่างจากรุ่นเรือธงไม่เกินหนึ่งจุด และไม่มีใครนอกห้องปฏิบัติการยืนยันได้" ช่องว่างระหว่างสองประโยคนี้คือความแตกต่างทั้งหมดของความเสี่ยงที่แต่ละโมเดลแบกรับ

ช่องว่างของราคาคือประเด็น

คิดเลขก่อน เพราะเป็นส่วนที่ไม่ขยับ ที่ $0.16/$0.47 หนึ่งล้าน input tokens บวกหนึ่งล้าน output tokens คิดเป็น $0.63 บน production Flash API; การเรียกเดียวกันบน Qwen3.8-Max คิดเป็น $8.00 — มากกว่าประมาณ 12.7 เท่า ทั้งสองฝั่งของบัญชี Alibaba กล่าวว่าสถาปัตยกรรมนี้ฝึกด้วยต้นทุนประมาณหนึ่งในเก้าของ Qwen3.7-Plus ซึ่งเป็นเหตุผลเชิงโครงสร้างที่ทำให้ราคาอยู่ตรงนั้นได้ และที่ $0.16 production Flash ยังถูกกว่าแม้แต่ DeepSeek-V4-Flash ไปประมาณสองในสาม สำหรับงานที่มีปริมาณสูง แบบ agentic หรือแบบ long-context ช่องว่างราคา 12.7 เท่าคือความแตกต่างระหว่างผลิตภัณฑ์ที่ทำกำไรกับการอุดหนุน — และนั่นคือเหตุผลที่กำลังมีการเปรียบเทียบนี้ขึ้นมา

นี่คือจุดที่เลเยอร์การจัดเส้นทางสร้างคุณค่าทั้งสองด้าน และข้อเท็จจริงเหล่านี้ควรกล่าวอย่างแม่นยำ Qwen3.8-Max เปิดใช้งานบน OrcaRouter แล้ววันนี้ในราคารายการของผู้ให้บริการโดยไม่มีมาร์กอัป — เท่ากับ $2.00/$6.00 ที่คุณจะจ่ายให้ผู้ขายโดยตรง ผ่าน endpoint ที่เข้ากันได้กับ OpenAI ที่คุณใช้อยู่แล้ว Qwen3.8-Flash-Next ยังไม่พร้อมใช้งานบน API ใด ๆ จนกว่า Qwen3.8-Flash เวอร์ชันผลิตจะเปิดบน QwenCloud น้ำหนักแบบเปิด (open weights) เป็นทางเลือกเดียวเท่านั้น คือการโฮสต์เอง เมื่อ API นั้นเปิดใช้งาน การส่งผ่านแบบไม่มีมาร์กอัป 0% หมายความว่าราคา $0.16/$0.47 จะปรากฏฝั่งเราภายในวันเดียวกัน — การลดราคาที่เกิดขึ้นจริงในการกำหนดค่า ไม่ใช่แค่บรรทัดในข่าวประชาสัมพันธ์ — และโมเดลทั้งสองอยู่ภายใต้คีย์เดียวที่มีการสลับอัตโนมัติระหว่างกัน คุณไม่จำเป็นต้องปรับปรุงการผสานรวมเพื่อทดสอบสถาปัตยกรรมที่เก่าหนึ่งวัน แต่คุณเพียงเปลี่ยนกฎการจัดเส้นทาง

สถาปัตยกรรมตัวอย่าง เทียบกับผลิตภัณฑ์ที่ได้รับการพิสูจน์แล้ว

มีความแตกต่างในขอบเขตเวลาที่ยาวกว่าซึ่งเหนือกว่าเกณฑ์มาตรฐานใด ๆ เพียงรายการเดียว Qwen3.8-Flash-Next สร้างขึ้นบนสถาปัตยกรรมที่ Alibaba กล่าวว่า Qwen4 จะใช้ — sparse attention, gated DeltaNet, gated residual, N-gram embeddings, Muon — ซึ่งถูกปล่อยออกมาเป็น open weights ตั้งแต่เนิ่น ๆ เพื่อให้ระบบนิเวศสามารถทดสอบความทนทานได้ก่อนที่จะสร้างโมเดลที่มีต้นทุนสูงต่อยอดบนนั้น จากการวัดของ Alibaba สแต็กนี้ทำความเร็ว prefill ได้เร็วขึ้นถึง 7.6 เท่า และ decode เร็วขึ้น 4.9 เท่า ที่บริบท 1M token เมื่อเทียบกับ full attention (ตามที่ผู้ผลิตแจ้ง) ซึ่งเป็นเหตุผลทางเทคนิคที่ทำให้โมเดลแบบ 6B-active ยังคงรักษาหน้าต่าง 1M token ให้มีต้นทุนที่จ่ายไหวได้เลย Qwen3.8-Max คือผลิตภัณฑ์ที่สมบูรณ์ของเจนเนอเรชันปัจจุบัน และนั่นคือข้อดีของมัน: เป็นสิ่งที่รู้จักดี เป็นโมเดลที่ทีมต่าง ๆ ได้ทำแผนผังพฤติกรรมการให้บริการและโหมดความล้มเหลวไว้แล้ว

สำหรับระบบการผลิต ทางเลือกนี้เป็นดาบสองคม Max คือทางเลือกที่ปลอดภัยในวันนี้ — ได้รับการประเมินอย่างอิสระ ผ่านการใช้งานจริงมาสามสัปดาห์ มีราคาที่เป็นที่ยอมรับ Flash-Next คือทิศทางที่ Alibaba กำลังวางเดิมพันสำหรับเจนเนอเรชันถัดไป ในราคาที่ส่งผลต่อราคาของกลุ่มผลิตภัณฑ์ทั้งหมด การเลือกตอนนี้หมายถึงการพึ่งพาสถาปัตยกรรมที่ชุมชนยังคงตรวจสอบอยู่ การไม่เลือกหมายถึงการเดิมพันว่าสถาปัตยกรรมที่ถูกกว่าจะไม่ก้าวกระโดดแซงหน้าผลิตภัณฑ์เรือธงในหกเดือน เดิมพันทั้งสองไม่จำเป็นต้องเป็นแบบทั้งหมดหรือไม่มีเลย — ซึ่งเป็นจุดที่ใช้งานได้จริงของการรักษาทั้งสองให้เข้าถึงได้จากปลายทางเดียว

ภาพจับหน้าจอทั้งสองด้านบนคือสิ่งที่ปรากฏสู่สาธารณะของการเปิดตัวแต่ละครั้ง: รายการ OrcaRouter ที่ Qwen3.8-Max พร้อมให้เรียกใช้งานได้แล้ววันนี้ในราคาที่ระบุไว้ และประกาศของ Alibaba ใน Qwen Studio เกี่ยวกับการปล่อย open-weights ของ Qwen3.8-Flash-Next

การตัดสินใจ

เลือก Qwen3.8-Max หากคุณต้องการขีดจำกัดความสามารถของเจนเนอเรชันในวันนี้ — งานเอเจนต์ระยะยาว สกอร์การ์ดอิสระที่แข็งแกร่งที่สุดในตระกูล และโมเดลที่ใช้งานจริงมานานเป็นสัปดาห์ ไม่ใช่แค่ชั่วโมง ด้วยราคาแบน $2/$6 ต่อล้านโทเค็น มันถูกสำหรับระดับฟรอนเทียร์ และมันเป็นเพียงหนึ่งในสองตัวที่มีข้อมูลที่คุณไม่ได้เชื่อแบบไม่ตรวจสอบ

เลือก Qwen3.8-Flash-Next หากเวิร์กโหลดของคุณมีปริมาณสูงและอ่อนไหวต่อราคา — วงวนเอเจนต์ ระบบอัตโนมัติในสำนักงานแบบแบตช์ การประมวลผลบริบทยาวที่ช่องว่างราคา 12.7 เท่าเป็นตัวชี้ขาดระหว่างจุดคุ้มทุนกับอัตรากำไร — และคุณสบายใจที่จะรันสถาปัตยกรรมที่เพิ่งเปิดตัวได้หนึ่งวันบนเอกสารผู้จำหน่าย หรือโฮสต์โอเพนเวทด้วยตัวเองในขณะที่ API ยังอยู่ในระหว่างรอ

สำหรับทุกคนที่อยู่ตรงกลาง ท่าทีที่สมเหตุสมผลคือทั้งสองอย่าง: Qwen3.8-Max บนคีย์หนึ่งในตอนนี้ Qwen3.8-Flash-Next ห่างออกไปเพียงกฎการกำหนดเส้นทางหนึ่งข้อเมื่อ API เปิดให้บริการ และการสำรองข้อมูลอัตโนมัติ (failover) เพื่อให้โมเดลที่เพิ่งออกมาเมื่อวานไม่สามารถทำให้เส้นทางการใช้งานจริงล่มลงได้ในขณะที่คุณกำลังตัดสินใจ คำถามที่ค้างคาอยู่คือคำถามที่ตรงไปตรงมา — โมเดลที่เปิดใช้งานพารามิเตอร์ 6 พันล้านตัวจะรักษาค่าผลการทดสอบมาตรฐานเหล่านี้ไว้ได้หรือไม่เมื่อมีการทดสอบซ้ำอย่างเป็นอิสระ หรือช่องว่างด้านวิสัยทัศน์และเอกสารข้อมูลที่เพิ่งออกมาเมื่อวันเดียวจะขยายกลายเป็นเรื่องจริงที่ต้องจับตามอง? ไม่กี่สัปดาห์ข้างหน้าจะให้คำตอบ และการเปรียบเทียบนี้สมควรกลับมาทบทวนอีกครั้งทันทีที่ผลคะแนนอิสระสำหรับเวอร์ชันพรีวิวออกมา