Qwen3.8-Flash-Next：已确认的内容、实际可下载的内容，以及可替代运行的方案

如果你是因为期待 Qwen3.8-Flash-Next 到来而在寻找它，那么这里最有用的一句话，就是能让你免于白白浪费一次会话的那句：它已经来了。权重自 2026 年 8 月下旬起即可下载，而该模型是一个开放权重、具备视觉能力的混合专家预览版，其架构据阿里巴巴称将支撑 Qwen4。不存在的是——而这正是大多数搜索“flash next”的人默默假定的——在它之后有任何已宣布的下一代迭代。没有第二个预览版，没有注明日期的后继版本，也没有厂商声明承诺会有。本页是对人们仍在输入的那个问题的常设回答：Qwen3.8-Flash-Next 是什么、关于它已确认了什么、它有哪些文件存在、其许可证允许什么，以及如果你想要一个可调用的模型而不是一次下载、今天该运行什么——它的生产级同门 Qwen3.8-Flash，或 Apache-2.0 的稠密模型 Qwen3.8-27B。

已确认、预期与推断——三者务必区分开来

这里的区别比平常更重要，因为这个模型的名称会诱使人们从中读出一份路线图。接下来是三个等级的陈述，每一个都有标注。

已确认，来自供应商自己的材料。Qwen3.8-Flash-Next 是一个带有视觉编码器的因果语言模型，以后训练权重和配置文件的形式、按 Hugging Face Transformers 格式发布。其位于Qwen组织下的仓库创建于 2026 年 8 月 24 日，最后修改于 2026 年 8 月 27 日；正式的 ModelScope 发布则是在 8 月 26 日。阿里巴巴自己的模型卡称其为"这一架构的实验性预览版，该架构将支撑 Qwen4"，并表示该架构下的首个开放权重版本就是本模型。存储参数可拆解为：125B 的专家混合主体、一张独立的 51B n-gram 嵌入表，以及约 4B 的多 token 预测层，每个 token 激活 6B。上下文原生为 262,144 个 token，可扩展至 1,000,000。思考模式默认开启。模型卡称其兼容 Hugging Face Transformers、vLLM、SGLang 和 TokenSpeed，且仓库本身包含 131 个 BF16 格式的 safetensors 分片。

已确认，而且很容易被忽略。 所提供服务的生产模型是一个名称相似但不同的制品。Qwen3.8-Flash 是基于这些权重衍生出的 API 构建；FP8 检查点自己的卡片将其描述为“基于 Qwen3.8-Flash-Next 并具有更多生产功能的官方版本”。如果你的问题是“我能否通过 API 调用它”，那你要找的是这个名字，而不是预览版的。

在预期之内，因此此处不予说明。一款名为“Next”的模型，意味着会有下一轮迭代。但已公开的信息中，没有任何内容能支持它的发布日期、参数规模、许可证或能力。任何给出后继模型发布窗口的文章，都只是在推测——只需查找出处便可验证这一点。而A​libaba自己的材料里，并没有这样的出处。

背后有真实需求的两个问题：GGUF 和 nvfp4

针对这个模型的搜索高度集中在两件事上——“flash next gguf”和“flash next nvfp4”——而这两者都有具体、可核实的答案，而不是推测性的答案。这两者都无法通过猜测一张尺寸表来回答，所以下面就是实际已发布的内容。

GGUF 已经存在，来自多个独立的转换器。主要来源有 ggml-org/Qwen3.8-Flash-Next-GGUF、unsloth/Qwen3.8-Flash-Next-GGUF、bartowski/Qwen3.8-Flash-Next-GGUF和AtomicChat/Qwen3.8-Flash-Next-GGUF，此外还有一长串较小的仓库。它们并不是同一个产品，而且在这种规模下，这种差异比通常更重要。

这个 ggml-org 仓库是最精简的：一个 IQ4_NL 构建、一个 Q8_0 构建、一个单独的多模态投影器文件（mmproj-Qwen3.8-Flash-Next-Q8_0.gguf，约 0.6 GB），如果你想走视觉路径就需要它，以及三个多 token 预测草稿文件，分别为 BF16、Q4_0 和 Q8_0。如果你只想运行文本，那个仓库就足够了。

这个unsloth仓库就是那架宽广的阶梯，而尺寸问题实际上正是在这里得到解答。其发布文件从底部的 72.5 GB（UD-IQ1_S）和 74.5 GB（UD-IQ1_M）起步，经过 78.9 GB（UD-Q2_K_XL）、82 GB（UD-IQ3_XXS）和 90 GB（UD-Q3_K_XL），一直到 93.7 GB（UD-IQ4_XS）、111 GB（UD-Q4_K_XL）、158 GB（UD-Q5_K_XL）、169 GB（UD-Q6_K_XL）、188 GB（Q8_0），以及 BF16 下约 354 GB。它还自带 MTP 草稿文件和两个 mmproj 文件。

要看清那张阶梯到底意味着什么。这个模型目前任何人发布的最小量化版本，在磁盘上仍然超过 70 GB。没有任何构建能像稠密 27B 那样塞进单张消费级显卡，而且该仓库完全没有提供按量化级别划分的显存指引——它的硬件部分只是一个空白的“登录以添加你的硬件”提示。因此，对于“它能在我的机器上跑得动吗”这个问题，诚实的答案是：你应当依据上面已发布的文件大小，以及该架构自身的诀窍来估量：51B 的 n-gram 嵌入表通过预先已知的查找键来寻址，这恰恰使得这种规模的检查点能够运行，同时把嵌入表常驻在主机内存中，而不是固定在 VRAM 里。这是一种设计特性，而不是针对你特定机器的承诺；这也正是为什么这里实际的最低门槛是一台拥有大量系统 RAM、而加速器内存较少的机器，而不是反过来。

nvfp4 也存在，而且它采用不同的许可证。 nvidia/Qwen3.8-Flash-Next-NVFP4 于 2026 年 9 月 2 日发布，由 N​VIDIA 的 Model Optimizer 工具链生成，十个分片合计约 133 GB，外加一个 53.7 GB 的 FP8 多 token 预测与逐层嵌入文件。其模型卡上列出的是 N​VIDIA 开放模型许可证，而非 Qwen 许可证——如果你打算再分发，这一点值得读两遍。Red Hat AI、RadixArk 和 local-inference-lab 也有其他 NVFP4 构建；Intel 发布了一个 W4A16 AutoRound 构建；多家社区发布者提供了适用于 Apple 芯片的 MLX 构建。

还有一种格式值得点名，因为它是厂商自家的：Qwen/Qwen3.8-Flash-Next-FP8。这是一种块大小为 128 的细粒度 FP8 量化，其模型卡声称性能指标“与原始模型几乎相同”。它采用与基础权重相同的社区许可证，也是阿里巴巴自家基准测试流程所使用的检查点。

许可证允许什么——以及为什么这回答了那个未经审查的问题

围绕这个模型的最大一批查询，关注的并不是基准测试，而是无审查和 abliterated 版本。回答这个问题的正确方式是阅读许可证，并查看已经发布的内容，因为这两件事决定了读者实际能获得什么。

Qwen3.8-Flash-Next 依据Qwen 社区许可证 1.0 发布。许可证文本免费授予以下权利：对权重、参数、配置文件和推理代码进行使用、复制、修改、合并、发布、分发、再许可、销售、部署、托管、微调，以及创建衍生作品。它要求副本或实质性部分必须随附版权与许可声明。它设定了一条命名门槛：如果你在月活跃用户超过 1 亿或月收入超过 2000 万美元的商业产品或服务中使用该软件或其衍生作品，就必须在该产品的界面上显著展示模型名称。此外，它还将服务类业务单独列出——"模型即服务"或"AI 工作助手"业务在商业使用前需要获得 Qwen 的单独许可；对于不向第三方暴露模型、其输出或其能力的部署，则设有内部使用的例外条款。

三个后果直接随之而来，它们就是对那些未经审查的查询的全部答案：

• 权重是公开的，且许可证明确允许衍生作品。因此，社区的消融（abliteration）是合法的，而非灰色市场行为，并且此类模型数量众多——huihui-ai发布了多个此类模型，而 OrcaRouter 自家的 Qwen3.8-Flash-Next-Uncensored 系列也以 Apache 2.0 许可发布，并附有由其衍生的 GGUF、FP8、NVFP4 和 MLX 构建版本。

• 衍生作品并不总是继承原始许可证。N​VIDIA NVFP4 构建版采用 N​VIDIA 开放模型许可证；社区 abliteration 的量化版本可能采用 Apache 2.0。如果许可证条款是你选择某个文件而非另一个文件的原因，请阅读你即将下载的那个特定仓库的模型卡，而不是基础模型的模型卡。

• 商用门槛随你的业务规模而变化，而不是随模型而变化。对于构建内部工具的团队来说，实际约束是通知要求。对于销售模型访问权限的团队，针对 Model-as-a-Service 业务的单独许可条款，是在基于这些权重进行构建之前就需要定价的一项支出；而 Apache-2.0 的 Qwen3.8-27B 则完全避开了这一环节。

本页面不会去描述任何托管服务或任何特定构建如何响应任何特定提示。这不是许可证所管辖的内容，也不是我们所测量的内容。许可证和已发布的权重文件才是决定可用性的因素，而这两者你只需点击几下就能自行验证。

今天跑什么

这就是一个常驻页面欠那些来到这里、想今天下午就动手做出点什么，而不是只想下载 90 GB 的读者的那部分内容。

Qwen3.8-Flash-Next 不是我们会调度的模型，再怎么期盼也不会让它变成其中之一——如今我们的目录中没有任何模型 ID 与 qwen3.8-flash-next 相匹配，本页也不会暗示将来会有。它的服务方式就是下载并自行托管：从 Hugging Face 或 ModelScope 拉取权重，在上面的 safetensors、FP8、NVFP4 和 GGUF 路径之间选择，并在你自行准备的硬件上运行它。

我们所提供的 route 是同一架构的生产构建版。Qwen3.8-Flash 已正式上线，即 qwen/qwen3.8-flash，每百万输入 token 收费 $0.15，每百万输出 token 收费 $0.47，缓存输入约为每百万 $0.018，并支持 100 万 token 的上下文，可接收文本、图像和视频并返回文本。该定价是服务商公布的价目表原样透传，不含任何加价，因此 Alibaba 那边的变动当天就能到达你的端点，而不用等到下一个计费周期。如果你当初想从预览版里得到的是投入生产的架构，而不是磁盘上的检查点，那么这就是最接近它、可以实际调用的东西，而且只差一个密钥。

如果你的约束条件是许可证而非延迟，那么另一个答案就是 Qwen3.8-27B。它是一个采用 Apache 2.0 许可的稠密 270 亿参数模型——没有命名门槛，也无需为服务类业务单独签订协议——并且它的路由是qwen/qwen3.8-27b，因此你可以在最终选定任何一个之前，用你自己的真实流量对这两种形态进行基准测试。两者都位于同一个密钥和同一个 OpenAI 兼容端点之后，这意味着先试一个再试另一个，代价只是更改模型 ID，而不是做一次集成。这是回答“我到底需不需要 6B 激活架构”的廉价方式，因为它衡量的是你的工作负载，而不是别人的基准测试。

什么尚未确定

这款型号名称中的“Next”究竟是一次性预览，还是一个编号系列的开端，目前尚无定论，而已发布的信息也无法给出答案。读者唯一可以确定的是，这个预览版对应的量产型号已经存在并且已经定价，这很不寻常——大多数架构预览不会在同一天就有商用对应产品一同推出。请把这款型号视为一个已部分到来的产品家族的预览，而不是某个尚不存在之物的泄露。

另一个悬而未决的问题在于工具链，而非模型本身。llama.cpp、vLLM 和 SGLang 都能支持它，FP8 构建是厂商自己的评估检查点，而 GGUF 生态已经产出了从 1 比特到全精度的各种构建——但在一个存储量为 176B 的混合专家模型上，1 到 3 比特的量化质量尚无定论，也没有人发表过在相同硬件上对低比特构建进行的受控对比。如果你为了省下 6 GB 而在 UD-IQ1_S 和 UD-Q2_K_XL 之间做选择，那你就是根据自己的评估来做决定，而这正是做出该决定的正确方式，也是像本页这样的推测性大小表只会比无用更糟的原因。

有两个姊妹页面承载了本页面刻意不涵盖的角度：泄露报道，它记录了发布前的信号并定格于彼时，以及与Apache-2.0密集模型的正面交锋，它掌握了对比的内容。如果你想了解这个模型是如何出现的，或想要关于两者之间如何选择的论述，请阅读那些内容。当那两者都已过时，本页面仍将在这里，保持不变。