Qwen3.8-Flash-Next 对比 Qwen3.8-Max：6B 激活的 Qwen4 预览版离 2.4T 旗舰版有多近？

2026年8月26日，阿里巴巴的Qwen团队开源了Qwen3.8-Flash-Next，这是一个1760亿参数的多模态混合专家模型，每个token仅激活约60亿参数，并被明确宣称为Qwen4架构的早期预览。从第一天起，它的衡量标杆就是阿里巴巴自己的旗舰模型Qwen3.8-Max——那个于8月3日正式全面可用的2.4万亿参数稀疏混合专家模型，自那时起一直按每百万输入token 2.00美元、每百万输出token 6.00美元计费。从纸面上看，两者在存储参数上相差超过一个数量级——2.4万亿对约1800亿——在激活参数上则相差约16倍。而在阿里巴巴自家的基准测试表上，结果却远不像规模差距那样悬殊——这要么是这个预览版最令人印象深刻的地方，要么是迄今最清楚的一次提醒：在独立实验室跑过之前，厂商的表格只是一种假设。

简而言之：这不是一场势均力敌的较量，假装势均力敌恰恰是唯一的错误做法。Qwen3.8-Max 是当前一代的能力天花板——由 Artificial Analysis 独立评分，自 8 月 12 日起开放权重，并已历经三周的生产验证。Qwen3.8-Flash-Next 则是一个诞生仅一天的架构原型，阿里巴巴表示，大多数工作负载并不需要 Max 那样的性能余量来运行。这场对比之所以仍然值得做，是因为在阿里巴巴自家榜单中两个模型均出现的基准测试上，预览版在智能体与办公任务中与旗舰版相差约一分，并在两项——JobBench 和 RealWorldQA——上领先。决定性的差异并非质量差距，那个差距既小又未经验证；而是证据差距：其中一款模型有第三方评分卡，另一款则什么都没有。

每个模型实际上是什么

Qwen3.8-Flash-Next是架构试运行。它在磁盘上存储约1800亿参数——一个125B的MoE主体、一个驻留在主机内存而非显存中的51B N-gram嵌入表，以及一个多词元预测头——并将每个词元路由到其中约6B，稀疏度接近95%。其512专家MoE在每组中交替三个门控DeltaNet层和一个Qwen稀疏注意力层，增加了门控残差流和N-gram嵌入，并使用Muon优化器训练，阿里巴巴估计其成本约为Qwen3.7-Plus的九分之一。它接受文本、图像和视频输入，提供原生262,144词元上下文，可通过YaRN扩展至1M，并以qwen-community-1.0许可证在Hugging Face和ModelScope上以bf16和FP8格式发布。将承载QwenCloud API定价的生产模型——Qwen3.8-Flash，公布的价格为每百万输入词元0.16美元和每百万输出词元0.47美元——是该相同架构的服务调优版本，尚未开放。

Qwen3.8-Max是这一世代的集大成之作。它基于当前一代架构构建，是一个2.4T参数的稀疏MoE模型——采用Gated DeltaNet加门控注意力机制，根据官方模型卡，拥有512个专家（其中10个为路由专家、1个为共享专家），每个token激活950亿参数。它在API上支持多模态，提供100万token上下文，统一价格为$2/$6，且不收取长提示附加费。其开放权重版本Qwen3.8-2.4T-A95B于8月12日发布，采用非Apache的自定义许可证。Artificial Analysis对该模型的智能指数评分为58、编码指数评分为71.8，这是Qwen 3.8系列任何模型所持有的最强独立评测成绩。

• 总参数量 — Qwen3.8-Flash-Next：125B MoE + 51B N-gram（约180B存储）。Qwen3.8-Max：2.4T MoE。

• 每 token 激活参数 — Qwen3.8-Flash-Next：约 6B（低于 5%）。Qwen3.8-Max：约 95B（约 4%）。

• 架构 — Qwen3.8-Flash-Next：Qwen4 预览（QSA + GDN、门控残差、N-gram、Muon）。Qwen3.8-Max：Qw​en 3.5 代（GDN + 门控注意力）。

• 上下文 — Qwen3.8-Flash-Next：原生 262K / 通过 YaRN 达 1M。Qwen3.8-Max：API 上为 1M / 开源权重上原生为 262K。

• 价格 — Qwen3.8-Flash-Next：每百万 $0.16 / $0.47（已公布，API 尚未开放）。Qwen3.8-Max：每百万 $2.00 / $6.00，统一价格。

• 开放权重 — Qwen3.8-Flash-Next：qwen-community-1.0，8月26日，支持单节点。Qwen3.8-Max：Qwen3.8-2.4T-A95B，自定义许可证，多节点。

• 独立评分 — Qwen3.8-Flash-Next：暂无。Qwen3.8-Max：AA 智能指数 58，编程指数 71.8。

上面的计分板把对比压缩到了最要紧的七行，页脚的来源说明则挑起了大梁：Flash-Next 的每一项数据都出自阿里巴巴自家、且未经第三方复现，而 Max 这一列则依托 Artificial Analysis 外加阿里巴巴公布的数据表。换个角度看，这些列就不再是赛马式的较量，而成了一种对证据的陈述。

基准表，如实解读

在阿里巴巴自家表格的共享行中，差距远小于四十倍参数差异所暗示的程度。在CoWorkBench（智能体办公任务）上，预览版为73.9，而Max为74.8；在AndroidWorld上为84.5对85.3；在Agents' Last Exam上为51.2对52.4——每项差距都在1分以内。在JobBench上，预览版的55.7，以及RealWorldQA上的88.5，是表格中已验证的最佳行，领先于Max。差距拉大出现在视觉密集型板块——LVBench、ERQA、MathVision、Vision2Web——Max在这些项目上领先约4到6分。在头条智能体指标上，Qwen3.8-Flash-Next的SWE-bench Pro为62.5，DeepSWE为58.7，已经接近旗舰模型，而后者的运行成本是前者的12倍。

现在，给上面每个数字贴上这个标签：所有这些数据均由阿里巴巴报告，来自阿里巴巴自己的测试平台，预览版的数据仅有一天之新，而且两个模型都未经复现验证。这一点在两边的影响各不相同。Qwen3.8-Max 的质量表格是厂商声称的，但其智能指数 58 和编程指数 71.8 是在阿里巴巴 API 上的第三方测量结果——该模型已接受独立审查数周，并且经得起检验。Qwen3.8-Flash-Next 目前还没有任何形式的独立评分。对这种接近程度的诚实解读不是“预览版基本上和旗舰版一样好”，而是“阿里巴巴称预览版与旗舰版相差不到一分，而实验室之外无人证实过这一点。”这两句话之间的差距，正是两个模型各自所承担风险的全部差异所在。

价格差距正是关键。

先算算这笔账，因为这部分是不会变的。按照$0.16/$0.47的定价，在正式版Flash API上，一百万个输入token加上一百万个输出token的费用是$0.63；同样的调用在Qwen3.8-Max上要花$8.00——大约是12.7倍，账目两边都是如此。阿里表示，该架构的训练成本约为Qwen3.7-Plus的九分之一，这就是价格能定在这个位置的结构性原因；而正式版Flash的$0.16定价，甚至比DeepSeek-V4-Flash还要低约三分之二。对于高流量、智能体或长上下文的工作负载来说，12.7倍的价格差距就是盈利产品与补贴之间的区别——这正是这番比较的意义所在。

这正是路由层在账本两端都能体现价值的地方，而这些事实值得精确说明。Qwen3.8-Max 今天已在 OrcaRouter 上按供应商标价上线，零加价——与你直接向厂商支付的 $2.00/$6.00 相同，而且就在你已使用的 OpenAI 兼容端点后面。Qwen3.8-Flash-Next 目前尚未出现在任何 API 上：在 QwenCloud 正式版 Qwen3.8-Flash 开放之前，开源权重是唯一路径，即自托管。一旦该 API 开放，同样 0% 加价的直通模式意味着其 $0.16/$0.47 的价格会在同一天出现在我们这边——这是一次在配置中即时生效的降价，而不是新闻稿里的一行字——并且两个模型放在同一个密钥之后，二者之间自动故障转移。你不必为了测试一个刚出现一天的架构而重新接驳整合；你只需要修改一条路由规则。

预览架构与成熟产品对比

这里有一个超越任何单一基准的更长周期差异。Qwen3.8-Flash-Next基于阿里巴巴表示Qwen4将采用的架构构建——稀疏注意力、门控DeltaNet、门控残差、N-gram嵌入、Muon——以开放权重提前发布，让生态系统在昂贵的模型构建于其之上之前先行压力测试。根据阿里巴巴的测量，该技术栈在100万token上下文下，预填充速度比全注意力快达7.6倍，解码速度快达4.9倍（厂商报告数据）——这正是60亿活跃参数模型能够负担得起100万token窗口的技术原因。Qwen3.8-Max是当前世代的成熟产品，而这恰恰是它的优点：已知量，团队已经摸清其服务行为和故障模式的模型。

对于生产系统而言，这个分叉选择有利有弊。Max 是当下稳妥的选择——独立评分、三周生产环境考验、价格已确立。Flash-Next 是阿里巴巴押注下一代的方向，其定价将重新定义整个产品家族。现在押注它，意味着采用一个社区仍在审计的架构；忽视它，则意味着赌更便宜的架构不会在六个月内超越旗舰产品。两种押注都不必是孤注一掷——这正是从同一端点保持两者皆可访问的实际意义。

上面的两幅截图分别是每次发布的公开界面：OrcaRouter 列表中显示 Qwen3.8-Max 目前可按标价调用，以及阿里巴巴在 Qw​en Studio 上发布的关于 Qwen3.8-Flash-Next 开放权重版本的公告。

决定

如果您今天就需要生成能力的上限，请选择Qwen3.8-Max——长周期智能体工作、该系列中最强的独立评测得分，以及一个已投入生产数周而非数小时的模型。每百万tokens统一收费$2/$6，对于前沿模型来说相当实惠，而且它是两者中唯一一个提供您无需凭信接受的数据的模型。

选择 Qwen3.8-Flash-Next，如果你的工作负载是海量且价格敏感的——智能体循环、批量办公自动化、长上下文处理，在这些场景中，12.7 倍的价格差距就是盈亏平衡与盈利之间的分水岭——并且你愿意接受在厂商列表上运行发布仅一天的架构，或者在 API 尚未就绪时自行托管开源权重。

对于介于两者之间的所有人，理智的姿势是两者兼顾：{{1}}Qwen3.8-Max{{/1}}现在就放在一个按键上，{{2}}Qwen3.8-Flash-Next{{/2}}在API开放后仅需一条路由规则即可接入，同时设置故障转移，这样在您决策期间，一天前的老模型不会拖垮生产路径。真正悬而未决的问题是那个诚实的问题——{{3}}一个激活了其60亿参数的模型{{/3}}能否在独立复现下维持这些基准数据，还是{{4}}视觉差距和一天前的数据表{{/4}}会扩大成真正的重点？接下来几周会给出答案，而当预览版的独立评分出炉时，这一对比值得重新审视。