Qwen3.8-Flash-Next 对比 Qwen3.8-27B：租用吞吐量，还是自持权重

Qwen3.8-Flash-Next 和 Qwen3.8-27B 是同一个问题的两种答案，由同一家实验室相隔六天先后发布，而这个问题是：当一个团队想用这一代模型来承载生产流量时，究竟该跑哪一个。Qwen3.8-27B 于 2026 年 8 月 13 日落地：一个在 Apache 2.0 许可下发布的稠密 270 亿参数模型，其 55.6 GB 的 BF16 权重经量化后能塞进单张 24 GB 显卡。Qwen3.8-Flash-Next 于 8 月 24 日上架 Hugging Face，8 月 26 日上架 ModelScope：存储参数约 180B，每 token 激活 6B，采用限制更严格的 Qwen Community License 1.0。一个是文件。另一个是一份吞吐量画像。在两者之间做选择，本质上取决于你的工作负载真正需要的是这两者中的哪一个。

比起名称所暗示的，它们是关系更近的同类。两者都原生支持 262,144 token 的上下文，并可扩展至 1,000,000；两者都能接收文本、图像和视频输入并返回文本；而且两者都运行着同一套混合注意力思路——即 Alibaba 自 Qwen3.5 代际以来一直在推出的方案：大多数线性注意力层以低成本承担长上下文工作，少数全注意力层则负责处理线性注意力不擅长的精确检索。它们不再相同的地方，在于此后的一切：许可证、规模、每 token 的价格，以及要让其中一个跑起来你需要做些什么。

每一项分别是什么，每项用一段话说明。

Qwen3.8-27B 是一个带视觉编码器的稠密因果语言模型：64 层，隐藏维度 5120，中间大小为 17,408，词表包含 248,320 个词元，其注意力栈由 48 层 Gated DeltaNet 线性层和 16 层 Gated Attention 层组成。Alibaba 使用多词元预测对其进行训练。思考模式默认开启，`reasoning_effort` 分为 xhigh、medium 和 low 三档，而模型卡自身的视觉相关条目涵盖文档解析（OmniDocBench 1.5 得分 91.1）、GUI 任务（OSWorld-Verified 84.3，AndroidWorld 81.9）以及通用视觉推理（RealWorldQA 85.9，MathVision 90.0）。从最直接的意义上说，它是一个可下载的模型：一个仓库、十八个 safetensors 分片、一个许可证文件，以及一台严肃工作站能够容纳的体量。

Qwen3.8-Flash-Next 是阿里巴巴称为将支撑 Qwen4 的架构上的专家混合模型——48 层，512 个专家，其中 10 个路由专家和 1 个共享专家，专家主体有 125B 参数、每个 token 激活 6B，外加一张独立的 51B n-gram 嵌入表以及约 4B 的多 token 预测层。它的注意力堆栈是同一套三比一思路在不同规模下的体现：36 层 Gated DeltaNet 对 12 层运行 Qwen Sparse Attention。该卡片明确说明，这是该架构的实验性预览，而非 Qwen4 模型，并且实际提供服务的生产变体是通过 Qwen Cloud 提供的 Qwen3.8-Flash。它不是你能随手拥有的一个文件——而是一个你解决一次、之后就能低成本运行的服务问题。

两者在参数数量之外的分歧之处

许可证是第一个分歧点，也是本页所有基准测试争论中最经久不衰的一个。Qwen3.8-27B 是 Apache 2.0，就这么简单：商业使用、修改、再分发、衍生构建，没有收入门槛，也无需另行协商协议。Qwen3.8-Flash-Next 是 Qwen Community License 1.0，它允许商业使用，包括销售衍生作品，但如果你经营模型即服务或 AI 工作助手业务并超过规定的收入和月活跃用户门槛，则需与 Aibaba 另行签订商业协议。如果你是在构建产品而非内部工具，那么该条款不是脚注，而是一个必须列入清单的条目。值得在阅读基准测试表之前先读许可证，因为它可能让一个在每项得分上都胜出的模型失去资格。

第二个分歧在于“本地”指的是什么。对 27B 来说，本地意味着一台机器：量化到 4 位，模型就能塞进一张 24 GB 的卡里；至于格式阶梯——GGUF 量化等级、面向 Apple Silicon 的 MLX、实际的显存算术——已在姊妹页面详细展开，这里不再重复。对 Flash-Next 来说，本地意味着要为 180B 参数的检查点做资源准备。vLLM 从第一天起就能提供服务，它有一条卸载路径，把 51B 参数的 n-gram 表留在主机内存中，而不是长期占用显存；SGLang 和 TensorRT-LLM 都在 N​VIDIA 的 Day 0 名单上；Ollama 的库中也有面向 Apple Silicon 的 MLX 构建——但“能跑”和“能在你手头这台机器上跑”是两句不同的话，只有 27B 有资格说第二句。

公开数字说明了什么，又没有说明什么

两款模型都带有 Artificial Analysis 的数据，来自同一指数，这使得这成为罕见的家族内比较，至少可以并排查看这些独立数字。Qwen3.8-27B 在 Intelligence Index 上得分为 33.7——总排名第 47，第 66 百分位——在 AA Coding Index 上得分为 68.1，总排名第 35。开放权重的 Flash-Next 预览版在 Intelligence Index 上得分为 40，在其比较类别的 113 个模型中排名第五。这些条目是在不同日期评估的，因此应将差距视为方向性的，而非受控结果。

这两个分数背后的细节比分数本身更有意思。在单项评测中，27B 自己的模型卡报告 LiveCodeBench v6 为 90.3、GPQA Diamond 为 89.2、QwenSWEBench 为 79.0，而 Flash-Next preview 的模型卡则报告 91.9、91.7，以及——在同一系列模型的基准上——SWE-bench Multilingual 为 81.0、SWE-bench Pro 为 62.5。所有这些都是厂商自己的数字，由厂商产出，且没有一项由第三方在匹配的测试框架上复现过。独立评测呈现的画面更有限，并且在一些行上指向相反方向：该预览版在知识工作和终端任务上很强，但在长周期代码仓库生成上较弱，而 27B 的独立编码指数 68.1 低于其厂商自报的 SWE 数字所暗示的水平。

索引确实捕捉到的一个实际差异是：预览版很冗长。Artificial Analysis测得它每秒输出53个token，首token时间2.80秒，并称其“非常冗长”，每个任务消耗108k输出token，其中72k用于推理。而通过我们自己的测试平台在过去七天测得，27B每秒输出略高于200个token，首token中位时间为4.97秒。测试框架不同，因此这些速率仅供参考——但它们描述的特征与架构所暗示的一致。一个消耗token来得出答案；另一个消耗更少，而稠密设计使每个token的生成成本更低。

价格，针对两个重要的单元

按 token 计算，两者差距足够接近，因此决策并非在此做出。Qwen3.8-27B 的路由价格为每百万输入 token 0.33 美元、每百万输出 token 2.40 美元；而所服务的 Qwen3.8-Flash 路由价格为 0.15 美元和 0.47 美元，两者均按供应商的目录价原样透传，不加价。因此，生产环境中的 Flash 版本在输入上大约便宜 2.2 倍，在输出上大约便宜 5.1 倍。

按磁盘上的每个字节来算，两者根本不在一个量级，而这个数字正是低估本地部署的读者通常会忽略的。27B 的 BF16 权重为 55.6 GB，分布在十八个分片中，可压缩到能在单张消费级显卡上运行的程度。预览版则是同样精度的 180B 参数检查点——存储量是它的数倍，内存带宽是它的数倍，而且其服务配置假定的是主机内存卸载，而非单台设备。如果你的约束是一台你已经拥有的机器，那 27B 并不是更便宜的选择；它是唯一的选择。

该运行哪一个

如果你需要的是真正拥有这个模型，而不是租用它，那就选择 Qwen3.8-27B：可本地部署或气隙隔离部署；采用 Apache 2.0 许可，让你能基于它构建产品，而无需进行收入分成谈判；按请求计费的成本不会随他人的价目表而上涨；并且只需单张 GPU 即可自行运营推理服务。当你需要微调、合并或量化时，它也是这对选择中更合适的一方——该仓库显示，已有数百个社区适配器、微调模型和量化版本衍生自它，而这正是以 Apache 2.0 发布权重在长期为你带来的价值。

如果你的约束是吞吐量和每 token 成本，而不是可控性，那就选择 Qwen3.8-Flash-Next：大批量的智能体扫描、广泛的分类与抽取工作、规模化的截图与文档理解，以及任何这样的场景——激活参数为 6B 的模型、输入价格仅为三分之一，就能改变什么在经济上变得可行。如果你特别想在 Qwen4 问世之前，在自己的数据上评估 Qwen4 架构，它同样是正确的选择——这正是预览版的用途所在，也是去测试的理由，而不是承诺采用的理由。

规则是：27B 面向的是瓶颈在于模型在哪里运行的读者，而 Flash-Next 面向的是瓶颈在于模型运行成本的读者。很少有团队同时拥有这两个瓶颈，而他们实际拥有的那一个，通常在一次会议里就能定下答案。

今天让其中任何一个运行起来

Qwen3.8-27B 是两者中更容易上手的一个，而且有两条路可以同时走。下载权重，以 Apache 2.0 许可自行部署；或者完全不碰加速器，直接调用：qwen/qwen3.8-27b 在我们的目录中就是按这个路由的，价格为每百万 token 0.33 美元和 2.40 美元，而且 27B 由我们自己的基础设施提供，而不是从厂商端点代理转发。正是这第二条路径，使它成为高吞吐多模态工作的真正默认选择——作为可通过单个 OpenAI 兼容端点访问的 200 多个模型之一，只需一个密钥，无需再签第二份合同。

Qwen3.8-Flash-Next 并非我们提供的路由。开放权重预览版需要由你自行下载并部署服务，其可用路径经过 Hugging Face 和 ModelScope，而不是通过 API。我们实际提供路由的是它的生产版本：Qwen3.8-Flash，`qwen/qwen3.8-flash`，价格为每百万 token 0.15 美元和 0.47 美元，支持文本、图像和视频输入，上下文窗口为 100 万 token，按供应商公布的目录价定价，因此阿里巴巴一侧的价格变动当天就能反映到你的端点。如果你想要预览版的架构却不想承担部署工作，这就是目前可调用且最接近它的选择。

对于一个两者都想要的团队来说，这种安排是流量拆分，而不是二选一。两者共用同一个密钥和同一个 SDK，因此一定比例的请求可以发往 27B，其余则发往 Flash 端点，而自动故障转移会承接任一方出现异常的时刻。比起任何基准测试表，这是回答这一比较更便宜的方式，因为它衡量的是你的流量，而不是别人的流量。

尚未确定的是这个家族完成时会发生什么。Qwen3.8-27B 是一个已完成、可授权、可下载的模型，不太可能在你脚下发生变化。Flash-Next 预览版是一个架构的金丝雀版本，而该架构的生产模型尚未发布，与之配套提供的 Flash 变体被明确定位为该架构的官方版本。如果 Qwen4 系列遵循 Qwen3-Next 在 2025 年末确立的模式，那么预览版的后继者将在几个月内到来，而这一页所讨论的将是对某一代模型的抉择，而非对一个预览版的抉择。

最常决定这一组合的单一事实是许可证，而非基准测试：Apache 2.0 让你能在 27B 上开展业务而无须征得任何人许可，而 Qwen 社区许可证 1.0 并未为预览版赋予这一权利。本页上的其他所有内容——上下文窗口、混合注意力、视觉支持——二者皆共有。