Qwen3.8-Flash-Next vs Qwen3.8-27B: Thuê thông lượng hay tự sở hữu trọng số

Qwen3.8-Flash-Next và Qwen3.8-27B là hai câu trả lời cho cùng một câu hỏi, được cùng một phòng lab công bố cách nhau sáu ngày, và câu hỏi đặt ra là một đội ngũ thực sự nên chạy cái gì khi họ muốn một mô hình thuộc thế hệ này có thể đưa ra phục vụ lưu lượng production. Qwen3.8-27B ra mắt ngày 13 tháng 8 năm 2026: một mô hình dense 27 tỷ tham số theo giấy phép Apache 2.0, với 55,6 GB trọng số BF16 vừa vặn trên một card 24 GB sau khi lượng tử hóa. Qwen3.8-Flash-Next xuất hiện trên Hugging Face vào ngày 24 tháng 8 và trên ModelScope vào ngày 26 tháng 8: lưu trữ khoảng 180B tham số, kích hoạt 6B mỗi token, theo giấy phép Qwen Community License 1.0 có phần hạn chế hơn. Một cái là một tệp. Cái kia là một hồ sơ thông lượng. Việc lựa chọn giữa hai cái chủ yếu là câu hỏi về việc workload của bạn thực sự cần thứ nào trong hai thứ đó.

Chúng là họ hàng gần gũi hơn so với tên gọi. Cả hai đều có ngữ cảnh gốc 262.144 token có thể mở rộng lên 1.000.000, cả hai đều nhận văn bản, hình ảnh và video đầu vào và trả về văn bản, và cả hai đều chạy cùng một ý tưởng attention lai mà Alibaba đã tung ra kể từ thế hệ Qwen3.5 — đa số các lớp attention tuyến tính thực hiện công việc ngữ cảnh dài một cách rẻ, thiểu số các lớp attention đầy đủ xử lý việc truy xuất chính xác mà attention tuyến tính làm kém. Điểm mà chúng không còn giống nhau là mọi thứ phía sau đó: giấy phép, kích thước, giá mỗi token, và những gì bạn phải làm để có một cái chạy được.

Mỗi thứ là gì, mỗi thứ một đoạn văn.

Qwen3.8-27B là một mô hình ngôn ngữ nhân quả dày đặc với bộ mã hóa thị giác: 64 lớp, chiều ẩn 5120, kích thước trung gian 17,408 và từ vựng 248,320 token, với ngăn xếp attention được chia thành 48 lớp tuyến tính Gated DeltaNet đối lại 16 lớp Gated Attention. Alibaba đã huấn luyện nó bằng dự đoán đa token. Chế độ suy nghĩ được bật theo mặc định với các mức `reasoning_effort` là xhigh, medium và low, và các dòng về thị giác của chính model card bao gồm phân tích tài liệu (OmniDocBench 1.5 đạt 91.1), công việc GUI (OSWorld-Verified 84.3, AndroidWorld 81.9) và suy luận thị giác tổng quát (RealWorldQA 85.9, MathVision 90.0). Theo nghĩa thông thường, đây là một mô hình có thể tải xuống: một kho lưu trữ, mười tám shard safetensors, một tệp giấy phép và kích thước mà một máy trạm thực thụ có thể chứa.

Qwen3.8-Flash-Next là một hỗn hợp các chuyên gia trên kiến trúc mà Alibaba nói sẽ làm nền tảng cho Qwen4 — 48 lớp, 512 chuyên gia với 10 chuyên gia được định tuyến và một chuyên gia dùng chung, 125B tham số trong phần thân chuyên gia, kích hoạt 6B mỗi token, cộng thêm một bảng nhúng n-gram 51B riêng biệt và khoảng 4B lớp dự đoán đa token. Ngăn xếp attention của nó cũng mang cùng ý tưởng ba-một ở một quy mô khác: 36 lớp Gated DeltaNet so với 12 lớp chạy Qwen Sparse Attention. Thẻ mô hình nói rõ rằng đây là bản xem trước thử nghiệm của kiến trúc chứ không phải một mô hình Qwen4, và rằng biến thể sản xuất được phục vụ là Qwen3.8-Flash thông qua Qwen Cloud. Nó không phải là một tệp mà bạn tùy tiện sở hữu — nó là một bài toán phục vụ mà bạn giải một lần rồi vận hành với chi phí thấp.

Nơi hai bên khác biệt ngoài số lượng tham số

Giấy phép là điểm khác biệt đầu tiên và là điểm tồn tại lâu hơn mọi tranh luận về benchmark trên trang này. Qwen3.8-27B dùng Apache 2.0, chấm hết: sử dụng thương mại, sửa đổi, phân phối lại, xây dựng bản phái sinh, không ngưỡng doanh thu và không phải thương lượng thỏa thuận riêng nào. Qwen3.8-Flash-Next dùng Qwen Community License 1.0, cho phép sử dụng thương mại kể cả bán các tác phẩm phái sinh, nhưng yêu cầu một thỏa thuận thương mại riêng với Alibaba nếu bạn vận hành mô hình dưới dạng dịch vụ (model-as-a-service) hoặc dịch vụ trợ lý công việc AI vượt qua một ngưỡng doanh thu và số người dùng hoạt động hàng tháng đã được xác định. Nếu bạn đang xây dựng một sản phẩm chứ không phải một công cụ nội bộ, thì điều khoản đó không phải là chú thích nhỏ; nó là một khoản mục thực sự. Đáng để đọc giấy phép trước khi đọc bảng benchmark, vì nó có thể loại một mô hình dù mô hình đó thắng ở mọi điểm số.

Sự khác biệt thứ hai nằm ở ý nghĩa của từ “local”. Với 27B, local nghĩa là một máy: lượng tử hóa xuống bốn bit và mô hình vừa trong một card 24 GB, với thang định dạng — các mức lượng tử hóa GGUF, MLX cho Apple Silicon, phép tính VRAM thực tế — được trình bày chi tiết ở một trang cùng cấp thay vì lặp lại ở đây. Với Flash-Next, local nghĩa là phải cấp phát cho một checkpoint 180B tham số. vLLM phục vụ nó ngay từ ngày đầu với một đường offload giữ bảng n-gram 51B tham số trong bộ nhớ host thay vì VRAM thường trú, SGLang và TensorRT-LLM nằm trong danh sách Day 0 của NVIDIA, và thư viện của Ollama có bản dựng MLX cho Apple Silicon — nhưng “chạy” và “chạy trên chiếc máy bạn có” là hai câu khác nhau, và chỉ 27B mới có thể tự nhận câu thứ hai.

Những con số công khai nói lên điều gì, và điều gì chúng không nói

Cả hai mô hình đều có số liệu của Artificial Analysis, từ cùng một chỉ số, khiến đây trở thành một so sánh hiếm hoi trong cùng dòng mô hình, nơi các con số độc lập ít nhất có thể được đọc song song với nhau. Qwen3.8-27B đạt 33.7 trên Chỉ số Thông minh — xếp thứ 47 chung cuộc, thuộc phân vị thứ 66 — và 68.1 trên AA Coding Index, xếp thứ 35 chung cuộc. Bản xem trước Flash-Next trọng số mở đạt 40 trên Chỉ số Thông minh, đứng thứ năm trong số 113 mô hình thuộc lớp so sánh của nó. Những mục này được đánh giá vào các ngày khác nhau, vì vậy hãy đọc khoảng cách đó như mang tính định hướng thay vì một kết quả được kiểm soát.

Chi tiết đằng sau hai điểm số thú vị hơn chính các điểm số. Trong từng đánh giá riêng lẻ, card của chính 27B báo cáo 90,3 trên LiveCodeBench v6, 89,2 trên GPQA Diamond và 79,0 trên QwenSWEBench, trong khi card của bản xem trước Flash-Next báo cáo 91,9, 91,7 và — trên benchmark của cùng dòng — 81,0 trên SWE-bench Multilingual và 62,5 trên SWE-bench Pro. Tất cả những con số đó đều là số liệu của chính nhà cung cấp, do nhà cung cấp tạo ra, và không con số nào trong đó được bên thứ ba tái lập trên một harness tương ứng. Bức tranh độc lập thì hẹp hơn và chỉ ra chiều ngược lại ở một số hàng: bản xem trước mạnh về công việc tri thức và tác vụ terminal, yếu về sinh repository tầm xa, trong khi chỉ số lập trình độc lập 68,1 của 27B nằm dưới mức mà các số liệu SWE do chính nhà cung cấp báo cáo của nó gợi ý.

Một khác biệt thực tế mà chỉ số này có nắm bắt được: bản preview khá dài dòng. Artificial Analysis đo được nó ở mức 53 token đầu ra mỗi giây với thời gian đến token đầu tiên là 2,80 giây và gọi nó là “rất dài dòng”, đốt 108k token đầu ra mỗi tác vụ, trong đó 72k là suy luận. Còn 27B, được đo qua playground của chính chúng tôi trong bảy ngày qua, trả về chỉ hơn 200 token đầu ra mỗi giây với trung vị thời gian đến token đầu tiên là 4,97 giây. Các harness khác nhau, nên hãy coi những tốc độ này là mang tính tham khảo — nhưng chúng mô tả cùng một hình thái mà kiến trúc ngụ ý. Một bên tiêu tốn token để đạt tới câu trả lời; bên kia tiêu tốn ít hơn, và thiết kế dense khiến việc tạo ra mỗi token trong số đó trở nên rẻ hơn.

Giá, trên cả hai đơn vị quan trọng

Tính theo mỗi token, hai phương án đủ gần nhau đến mức quyết định không được đưa ra ở đây. Qwen3.8-27B được định tuyến ở mức 0,33 USD cho mỗi triệu token đầu vào và 2,40 USD cho mỗi triệu token đầu ra; Qwen3.8-Flash được phục vụ được định tuyến ở mức 0,15 USD và 0,47 USD, cả hai đều theo giá niêm yết của nhà cung cấp, được chuyển nguyên không thêm phụ phí. Vì vậy, biến thể Flash dùng cho production rẻ hơn khoảng 2,2 lần ở đầu vào và 5,1 lần ở đầu ra.

Tính theo byte trên đĩa, chúng hoàn toàn không gần nhau chút nào, và đây chính là con số mà những độc giả xem nhẹ việc triển khai cục bộ thường bỏ sót. Mô hình 27B có 55,6 GB trọng số BF16 trải trên mười tám shard, có thể nén xuống mức chạy được trên một card tiêu dùng duy nhất. Bản preview là một checkpoint 180 tỷ tham số ở cùng độ chính xác — dung lượng gấp nhiều lần, băng thông bộ nhớ gấp nhiều lần, và một cấu hình phục vụ giả định việc offload sang bộ nhớ máy chủ thay vì một thiết bị đơn lẻ. Nếu ràng buộc của bạn là một cỗ máy bạn đã sở hữu, thì 27B không phải là lựa chọn rẻ hơn; nó là lựa chọn duy nhất.

Chạy cái nào?

Chọn Qwen3.8-27B nếu bạn cần sở hữu mô hình thay vì thuê nó: triển khai tại chỗ hoặc trong môi trường biệt lập, giấy phép Apache 2.0 mà bạn có thể xây dựng sản phẩm dựa trên đó mà không cần bàn chuyện doanh thu, chi phí theo từng yêu cầu không tăng theo bảng giá của người khác, và câu chuyện phục vụ trên một GPU duy nhất mà bạn có thể tự vận hành. Nó cũng là lựa chọn đúng trong cặp này khi bạn cần tinh chỉnh, hợp nhất hoặc lượng tử hoá — kho lưu trữ cho thấy hàng trăm adapter, bản tinh chỉnh và bản lượng tử hoá từ cộng đồng đã được tạo ra từ nó, đó là điều mà một bản phát hành trọng số Apache 2.0 mang lại cho bạn theo thời gian.

Chọn Qwen3.8-Flash-Next nếu ràng buộc của bạn là thông lượng và chi phí trên mỗi token thay vì khả năng kiểm soát: các đợt quét tác tử khối lượng lớn, công việc phân loại và trích xuất trên diện rộng, hiểu ảnh chụp màn hình và tài liệu ở quy mô lớn, và bất cứ thứ gì mà một mô hình 6B-active với mức giá bằng một phần ba giá đầu vào có thể thay đổi điều gì là khả thi về mặt kinh tế. Đây cũng là lựa chọn đúng đắn nếu bạn đặc biệt muốn đánh giá kiến trúc Qwen4 trên dữ liệu của chính mình trước khi Qwen4 tồn tại — đó chính xác là mục đích của bản xem trước, và đó là lý do để thử nghiệm chứ không phải lý do để cam kết.

Nguyên tắc: 27B dành cho những độc giả có điểm nghẽn là nơi mô hình chạy, còn Flash-Next dành cho những độc giả có điểm nghẽn là chi phí để chạy mô hình. Rất ít đội có cả hai điểm nghẽn, và điểm nghẽn mà họ thực sự có thường quyết định điều này chỉ trong một cuộc họp.

Chạy được một trong hai cái đó ngay hôm nay

Qwen3.8-27B là mô hình dễ bắt đầu hơn trong hai mô hình, theo hai hướng cùng lúc. Tải trọng số về và tự phục vụ theo Apache 2.0, hoặc gọi nó mà không cần chạm đến accelerator: nó được định tuyến là `qwen/qwen3.8-27b` trên danh mục của chúng tôi với giá $0.33 và $2.40 mỗi triệu token, và 27B được phục vụ trên hạ tầng của chính chúng tôi thay vì proxy từ endpoint của nhà cung cấp. Chính con đường thứ hai đó khiến nó trở thành lựa chọn mặc định thực sự cho công việc đa phương thức khối lượng lớn — với tư cách là một trong hơn 200 mô hình có thể truy cập qua một endpoint tương thích OpenAI duy nhất, trên một khóa duy nhất, không cần ký thêm hợp đồng thứ hai.

Qwen3.8-Flash-Next không phải là một route mà chúng tôi cung cấp. Bản xem trước trọng số mở phải do bạn tự tải về và phục vụ, và đường đi khả dụng của nó chạy qua Hugging Face và ModelScope chứ không phải qua API. Thứ chúng tôi định tuyến là người anh em bản sản xuất của nó: Qwen3.8-Flash, `qwen/qwen3.8-flash`, với giá $0,15 và $0,47 mỗi triệu token, hỗ trợ đầu vào văn bản, hình ảnh và video trên ngữ cảnh 1M token, được định giá theo bảng giá công bố của nhà cung cấp, nên khi phía A​ibaba thay đổi giá thì endpoint của bạn cũng nhận được thay đổi ngay trong cùng ngày. Nếu bạn muốn kiến trúc của bản xem trước mà không cần dự án phục vụ, thì đây là thứ gần nhất với nó có thể gọi được ngay hôm nay.

Với một nhóm muốn cả hai, cách bố trí là chia tách lưu lượng thay vì đưa ra một quyết định. Cả hai đều nằm sau cùng một key và cùng một SDK, nên một tỷ lệ phần trăm yêu cầu có thể đi đến 27B trong khi phần còn lại đi đến Flash endpoint, với cơ chế chuyển đổi dự phòng tự động hấp thụ những thời điểm một trong hai bên hoạt động không đúng. Đó là cách rẻ hơn để trả lời so sánh này so với bất kỳ bảng benchmark nào, vì nó đo lưu lượng của bạn thay vì của người khác.

Điều chưa ngã ngũ là điều gì sẽ xảy ra khi họ này hoàn tất. Qwen3.8-27B là một mô hình đã hoàn thiện, có thể cấp phép, có thể tải xuống và khó có khả năng thay đổi bên dưới bạn. Bản xem trước Flash-Next là một canary cho một kiến trúc mà các mô hình sản xuất của nó chưa được phát hành, và biến thể Flash được phục vụ đi kèm với nó được định vị rõ ràng là phiên bản chính thức của kiến trúc đó. Nếu họ Qwen4 đi theo khuôn mẫu mà Qwen3-Next đã thiết lập vào cuối năm 2025, thì các hậu duệ của bản xem trước sẽ xuất hiện trong vòng vài tháng và trang này sẽ là một quyết định về một thế hệ chứ không phải về một bản xem trước.

Điều duy nhất thường quyết định sự kết hợp này là giấy phép, chứ không phải benchmark: Apache 2.0 cho phép bạn xây dựng doanh nghiệp trên 27B mà không cần hỏi ai, còn Qwen Community License 1.0 thì không cho bạn điều đó với bản preview. Mọi thứ khác trên trang này — cửa sổ ngữ cảnh, cơ chế attention lai, hỗ trợ thị giác — đều là điểm chung của cả hai.