Qwen3.8-Flash-Next so với Qwen3.8-Max: một bản xem trước Qwen4 kích hoạt 6B có thể tiến gần đến đâu so với mô hình chủ lực 2.4T?

Vào ngày 26 tháng 8 năm 2026, đội ngũ Qwen của Alibaba đã mã nguồn mở Qwen3.8-Flash-Next, một mô hình mixture-of-experts đa phương thức với 176 tỷ tham số, chỉ kích hoạt khoảng 6 tỷ tham số cho mỗi token và được định vị rõ ràng như một bản xem trước sớm của kiến trúc Qwen4. Tiêu chuẩn mà nó sẽ bị đo lường ngay từ ngày đầu chính là mô hình chủ lực của Alibaba, Qwen3.8-Max, mô hình MoE thưa với 2,4 nghìn tỷ tham số, đạt trạng thái khả dụng tổng quát vào ngày 3 tháng 8 và đang tính phí 2,00 đô la cho mỗi triệu token đầu vào và 6,00 đô la cho mỗi triệu token đầu ra kể từ đó. Trên lý thuyết, hai mô hình cách nhau hơn một bậc độ lớn về tham số lưu trữ — 2,4 nghìn tỷ so với khoảng 180 tỷ — và gần gấp mười sáu lần về tham số hoạt động. Trên bảng benchmark của chính Alibaba, kết quả nằm gần nhau hơn nhiều so với kích thước — điều này hoặc là điểm ấn tượng nhất của bản xem trước, hoặc là lời nhắc nhở rõ ràng nhất rằng bảng số liệu của nhà cung cấp chỉ là một giả thuyết cho đến khi một phòng thí nghiệm độc lập chạy thử.

Tóm lại: đây không phải cuộc so tài giữa những đối thủ ngang tài, và giả vờ ngược lại là cách duy nhất để hiểu sai. Qwen3.8-Max là trần năng lực của thế hệ hiện tại — được Artificial Analysis chấm điểm độc lập, mở trọng số từ ngày 12 tháng 8, đã được kiểm chứng trong sản xuất suốt ba tuần. Qwen3.8-Flash-Next là một nguyên mẫu kiến trúc mới chỉ một ngày tuổi, mà Alibaba cho biết hầu hết khối lượng công việc sẽ không cần đến khoảng dư địa của Max để vận hành. Lý do khiến việc so sánh vẫn đáng thực hiện là trên các bài benchmark mà cả hai mô hình đều xuất hiện trong bảng xếp hạng của chính Alibaba, bản xem trước đạt chỉ số trong khoảng một điểm so với mô hình chủ lực ở các tác vụ agentic và công việc văn phòng, đồng thời vượt trội hơn ở hai hạng mục — JobBench và RealWorldQA. Khác biệt quyết định không phải là khoảng cách chất lượng, vốn nhỏ và chưa được kiểm chứng. Mà là khoảng cách bằng chứng: một trong hai mô hình có bảng điểm từ bên thứ ba, còn mô hình kia không có.

Mỗi mô hình thực sự là gì

Qwen3.8-Flash-Next là bản chạy thử kiến trúc. Mô hình lưu trữ khoảng 180 tỷ tham số trên đĩa — gồm thân MoE 125B, bảng nhúng N-gram 51B nằm trong bộ nhớ host thay vì VRAM, và phần đầu dự đoán đa token — đồng thời định tuyến mỗi token qua khoảng 6B tham số, đạt độ thưa gần 95%. MoE 512 chuyên gia của mô hình xen kẽ ba lớp Gated DeltaNet với một lớp Qwen Sparse Attention trong mỗi nhóm, bổ sung luồng phần dư có cổng (gated-residual stream) và nhúng N-gram, đồng thời được huấn luyện bằng bộ tối ưu Muon với chi phí mà Alibaba công bố vào khoảng một phần chín so với Qwen3.7-Plus. Mô hình nhận đầu vào dạng văn bản, hình ảnh và video, hỗ trợ ngữ cảnh gốc 262.144 token, có thể mở rộng lên 1M qua YaRN, và được phát hành theo giấy phép qwen-community-1.0 trên Hugging Face và ModelScope ở định dạng bf16 và FP8. Mô hình sản xuất sẽ mang mức giá trên API QwenCloud — Qwen3.8-Flash, được công bố ở mức 0,16 USD mỗi triệu token đầu vào và 0,47 USD mỗi triệu token đầu ra — là phiên bản được tinh chỉnh phục vụ triển khai của cùng kiến trúc này và hiện chưa được mở.

Qwen3.8-Max là sản phẩm hoàn thiện của thế hệ này. Đây là mô hình MoE thưa 2,4T trên kiến trúc thế hệ hiện tại — Gated DeltaNet cùng với gated attention, 512 chuyên gia với 10 chuyên gia được định tuyến và một chuyên gia dùng chung, kích hoạt 95 tỷ tham số mỗi token theo thẻ mô hình chính thức. Mô hình đa phương thức trên API, phục vụ ngữ cảnh 1 triệu token với mức giá phẳng $2/$6, không tính phụ phí cho prompt dài, và trọng số mở của nó, Qwen3.8-2.4T-A95B, ra mắt ngày 12 tháng 8 theo giấy phép tùy chỉnh không phải Apache. Đây là mô hình mà Artificial Analysis đã chấm điểm Chỉ số Trí tuệ 58 và Chỉ số Lập trình 71,8, bảng điểm độc lập mạnh nhất mà bất kỳ mô hình nào trong dòng Qw​en 3.8 hiện sở hữu.

• Tổng tham số — Qwen3.8-Flash-Next: 125B MoE + 51B N-gram (~180B được lưu trữ). Qwen3.8-Max: 2.4T MoE.

• Tham số hoạt động trên mỗi token — Qwen3.8-Flash-Next: ~6B (dưới 5%). Qwen3.8-Max: ~95B (~4%).

• Kiến trúc — Qwen3.8-Flash-Next: Bản xem trước Qwen4 (QSA + GDN, phần dư có cổng, N-gram, Muon). Qwen3.8-Max: Thế hệ Qwen 3.5 (GDN + cơ chế chú ý có cổng).

• Ngữ cảnh — Qwen3.8-Flash-Next: 262K gốc / 1M thông qua YaRN. Qwen3.8-Max: 1M trên API / 262K gốc trên trọng số mở.

• Giá — Qwen3.8-Flash-Next: $0.16 / $0.47 mỗi 1M (đã công bố, API chưa mở). Qwen3.8-Max: $2.00 / $6.00 mỗi 1M, cố định.

• Trọng số mở — Qwen3.8-Flash-Next: qwen-community-1.0, ngày 26 tháng 8, hỗ trợ một nút. Qwen3.8-Max: Qwen3.8-2.4T-A95B, giấy phép tùy chỉnh, đa nút.

• Điểm đánh giá độc lập — Qwen3.8-Flash-Next: chưa có. Qwen3.8-Max: AA Intelligence Index 58, Coding Index 71.8.

Bảng điểm phía trên rút gọn so sánh thành bảy hàng quan trọng, và phần chân trang ghi nguồn gánh vác trọng trách: mọi con số Flash-Next đều là số liệu của riêng Alibaba và chưa được tái lập, còn cột Max dựa trên Artificial Analysis cùng bảng công bố của Alibaba. Đọc như vậy, các cột không còn là cuộc đua ngựa mà trở thành một phát biểu về bằng chứng.

Bảng đánh giá, đọc một cách trung thực

Trên các hàng dùng chung trong bảng tự đánh giá của Alibaba, khoảng cách nhỏ hơn nhiều so với mức chênh lệch tham số gấp bốn mươi lần mà người ta có thể hình dung. Trên CoWorkBench (tác vụ văn phòng agentic), bản xem trước đạt 73.9 so với 74.8 của Max; trên AndroidWorld là 84.5 so với 85.3; trên Agents' Last Exam là 51.2 so với 52.4 — mỗi bài chỉ chênh lệch một điểm hoặc ít hơn. Trên JobBench, bản xem trước ghi 55.7 và trên RealWorldQA ghi 88.5, là những hàng được xác minh tốt nhất trên bảng, vượt qua cả Max. Khoảng cách mở rộng nằm ở nhóm bài thiên nặng về thị giác — LVBench, ERQA, MathVision, Vision2Web — nơi Max dẫn trước khoảng bốn đến sáu điểm. Về các chỉ số agentic nổi bật, Qwen3.8-Flash-Next đạt SWE-bench Pro 62.5 và DeepSWE 58.7, bám sát bản flagship trên khối lượng công việc có chi phí vận hành đắt gấp mười hai lần.

Giờ đến phần nhãn, áp dụng cho mọi con số ở trên: tất cả đều do Alibaba công bố, từ bộ thử nghiệm của chính Alibaba — với bản preview thì số liệu mới chỉ có một ngày tuổi, và cả hai mô hình đều chưa được tái xác minh. Điều đó có ý nghĩa khác nhau ở mỗi bên. Bảng chất lượng của Qwen3.8-Max là do nhà cung cấp tự công bố, nhưng Chỉ số Thông minh 58 và Chỉ số Lập trình 71.8 lại là các phép đo độc lập trên API của Alibaba — mô hình đã được kiểm tra độc lập suốt nhiều tuần và vẫn trụ vững. Còn Qwen3.8-Flash-Next thì vẫn chưa có bất kỳ điểm số độc lập nào. Cách đọc trung thực về sự sát sao này không phải là "bản preview về cơ bản tốt ngang bản flagship." Mà là "Alibaba nói bản preview chỉ kém bản flagship một điểm, và chưa ai bên ngoài phòng thí nghiệm xác nhận điều đó." Khoảng cách giữa hai câu nói đó chính là toàn bộ sự khác biệt về mức độ rủi ro mà mỗi mô hình mang theo.

Chênh lệch giá mới chính là điểm mấu chốt.

Hãy làm phép tính trước, vì đó là phần sẽ không thay đổi. Với mức giá $0,16/$0,47, một triệu token đầu vào cộng một triệu token đầu ra tính phí $0,63 trên Flash API sản xuất; cùng một lệnh gọi trên Qwen3.8-Max tính phí $8,00 — đắt hơn khoảng 12,7 lần, ở cả hai phía của bảng kế toán. Alibaba cho biết kiến trúc này huấn luyện với chi phí bằng khoảng một phần chín so với Qwen3.7-Plus, đó là lý do cấu trúc vì sao mức giá có thể đứng ở đó, và ở $0,16, Flash sản xuất còn rẻ hơn cả DeepSeek-V4-Flash khoảng hai phần ba. Đối với khối lượng công việc lớn, tác nhân (agentic) hoặc ngữ cảnh dài, khoảng cách giá 12,7 lần là sự khác biệt giữa một sản phẩm có lãi và một khoản trợ giá — đó là lý do vì sao sự so sánh này được đưa ra.

Đây là nơi một lớp định tuyến chứng tỏ giá trị của nó ở cả hai phía của bảng cân đối, và các sự thật đáng được nêu ra một cách chính xác. Qwen3.8-Max đã có mặt trên OrcaRouter ngay hôm nay với giá niêm yết của nhà cung cấp, không phụ phí — mức $2.00/$6.00 tương tự mà bạn sẽ trả trực tiếp cho nhà cung cấp, nằm sau endpoint tương thích OpenAI mà bạn đã sử dụng. Qwen3.8-Flash-Next chưa có trên bất kỳ API nào: cho đến khi phiên bản production Qwen3.8-Flash được mở trên QwenCloud, trọng số mở tự lưu trữ là con đường duy nhất. Khi API đó được mở, cơ chế chuyển tiếp 0% phụ phí tương tự cũng khiến mức giá $0.16/$0.47 của nó xuất hiện ở phía chúng tôi ngay trong ngày hôm đó — một đợt giảm giá có hiệu lực ngay trong cấu hình, chứ không phải một dòng trong thông cáo báo chí — và cả hai mô hình cùng nằm sau một khóa API duy nhất với khả năng tự động chuyển đổi dự phòng giữa chúng. Bạn không cần kết nối lại tích hợp để thử nghiệm một kiến trúc vừa ra mắt; bạn chỉ cần thay đổi một quy tắc định tuyến.

Kiến trúc xem trước so với sản phẩm đã được chứng minh

Có một khác biệt tầm nhìn dài hạn vượt trội hơn mọi điểm chuẩn đơn lẻ. Qwen3.8-Flash-Next được xây dựng trên kiến trúc mà Alibaba cho biết Qwen4 sẽ sử dụng — sparse attention, gated DeltaNet, gated residual, N-gram embeddings, Muon — được phát hành sớm dưới dạng trọng số mở để hệ sinh thái có thể kiểm tra sức chịu đựng trước khi mô hình tốn kém được xây dựng trên nền tảng đó. Theo số liệu đo lường của Alibaba, ngăn xếp này đạt tốc độ prefill nhanh hơn tới 7,6 lần và decode nhanh hơn 4,9 lần ở ngữ cảnh 1M token so với full attention (do nhà cung cấp báo cáo) — đó là lý do kỹ thuật giúp một mô hình 6B tham số hoạt động có thể duy trì cửa sổ 1M token ở mức chi phí phải chăng. Qwen3.8-Max là sản phẩm trưởng thành của thế hệ hiện tại, và đó chính xác là điểm mạnh của nó: một đại lượng đã biết, một mô hình mà các đội ngũ đã nắm rõ hành vi phục vụ và các chế độ lỗi.

Đối với một hệ thống sản xuất, sự lựa chọn này là con dao hai lưỡi. Max là lựa chọn an toàn ngay lúc này — được đánh giá độc lập, ba tuần vận hành thực tế, mức giá đã được thiết lập. Flash-Next là hướng đi Alibaba đặt cược cho thế hệ tiếp theo, với mức giá định giá lại cả dòng sản phẩm. Chọn nó ngay bây giờ nghĩa là đi theo một kiến trúc mà cộng đồng vẫn đang kiểm định; bỏ qua nó nghĩa là đặt cược rằng kiến trúc rẻ hơn sẽ không vượt mặt sản phẩm chủ lực trong sáu tháng tới. Không lựa chọn nào phải là tất cả hoặc không có gì — đó chính là điểm thực dụng của việc giữ cả hai có thể truy cập từ một điểm cuối duy nhất.

Hai ảnh chụp màn hình ở trên là giao diện công khai của mỗi bản phát hành: danh sách OrcaRouter nơi Qwen3.8-Max có thể được gọi ngay hôm nay với giá niêm yết, và thông báo Qwen Studio của Alibaba về bản phát hành open-weights Qwen3.8-Flash-Next.

Quyết định

Chọn Qwen3.8-Max nếu bạn cần trần năng lực của thế hệ này ngay hôm nay — các tác vụ agentic dài hạn, bảng điểm độc lập mạnh nhất trong gia đình, và một mô hình đã được vận hành sản xuất trong nhiều tuần chứ không phải vài giờ. Với mức giá phẳng $2/$6 cho mỗi triệu token, đây là mức rẻ đối với một mô hình tiên phong, và đây là mô hình duy nhất trong hai mô hình có dữ liệu mà bạn không cần tin một cách mù quáng.

Chọn Qwen3.8-Flash-Next nếu khối lượng công việc của bạn ở mức cao và nhạy cảm về giá — các vòng lặp agentic, tự động hóa văn phòng hàng loạt, các lượt xử lý ngữ cảnh dài, nơi chênh lệch giá 12,7× là ranh giới giữa hòa vốn và biên lợi nhuận — và bạn thoải mái khi chạy một kiến trúc mới ra lò trên bảng thông số nhà cung cấp, hoặc tự lưu trữ open weights trong khi API đang chờ được cấp.

Đối với tất cả những người ở vị trí trung gian, lập trường hợp lý là cả hai: Qwen3.8-Max trên một phím ngay bây giờ, Qwen3.8-Flash-Next chỉ cách một quy tắc định tuyến khi API mở, và phương án dự phòng để mô hình cũ một ngày không thể làm sập một đường dẫn sản xuất trong lúc bạn quyết định. Câu hỏi mở là câu hỏi trung thực — liệu một mô hình kích hoạt 6 tỷ tham số của nó có giữ được những con số benchmark này khi được kiểm chứng độc lập, hay khoảng cách về thị giác và bảng điểm đã cũ một ngày sẽ nới rộng thành câu chuyện thực sự? Vài tuần tới sẽ trả lời điều đó, và sự so sánh này đáng để xem lại ngay khi có điểm số độc lập cho bản xem trước.