Qwen3.8-Flash-Next：已確認的事項、你實際能下載的內容，以及該改用什麼來執行

如果你正在尋找 Qwen3.8-Flash-Next，因為你預期它會推出，那麼這裡最有用的一句話，就是能讓你免於浪費一次工作階段的那句：它已經推出了。權重自 2026 年 8 月下旬起已可下載，而這個模型是開放權重、具備視覺能力的混合專家（mixture-of-experts）預覽版，其所屬架構 Alibaba 表示將成為 Qwen4 的基礎。不存在的是——而這正是大多數搜尋「flash next」的人默默假設的部分——任何在此之後已宣布的下一代迭代。沒有第二個預覽版、沒有標明日期的後繼版本，也沒有供應商聲明承諾會有。本頁是對人們仍在輸入的問題的常設解答：Qwen3.8-Flash-Next 是什麼、關於它已確認的事實有哪些、它有哪些檔案存在、其授權條款允許什麼，以及如果你想要的是可直接呼叫的模型而非下載檔，今天該執行什麼——生產環境的兄弟模型 Qwen3.8-Flash，或 Apache-2.0 稠密模型 Qwen3.8-27B。

已確認、預期與推斷——請將這三者區分開來

這裡的區分比平常更重要，因為這個模型的名稱會讓人想從中讀出一份路線圖。以下陳述分為三級，每一級都有標示。

已確認，來自供應商自己的資料。 Qwen3.8-Flash-Next 是一個帶有視覺編碼器的因果語言模型，以 Hugging Face Transformers 格式的後訓練權重與設定檔發布。其儲存庫位於Qwen 組織之下，建立於 2026 年 8 月 24 日，最後修改於 2026 年 8 月 27 日；正式的 ModelScope 發布則於 8 月 26 日上線。阿里巴巴自家的模型卡稱其為「這個將支撐 Qwen4 的架構的實驗性預覽」，並表示該架構下的首個開放權重發布就是此模型。儲存的參數可拆分為 125B 的專家混合主體、一個獨立的 51B n-gram 嵌入表，以及約 4B 的多詞元預測層，每個詞元啟用 6B。上下文原生為 262,144 個詞元，可擴展至 1,000,000。思考模式預設為開啟。模型卡回報相容於 Hugging Face Transformers、vLLM、SGLang 與 TokenSpeed，且該儲存庫本身包含 131 個 BF16 格式的 safetensors 分片。

已確認，而且很容易忽略。實際上線提供服務的正式模型，是名稱相似但不同的產物。Qwen3.8-Flash 是從這些權重衍生出的 API 建置版本；FP8 檢查點本身的模型卡將其描述為「以 Qwen3.8-Flash-Next 為基礎、具備更多正式環境功能的官方版本」。如果你要問的是「我能從 API 呼叫這個嗎」，那才是你要的名稱，而不是預覽版的名稱。

意料之中，因此這裡不予明言。一款名為「Next」的模型，意味著接下來還有一代。已發布的資料中，沒有任何內容能支持其發布日期、參數量、授權條款或能力。任何提供後繼模型發布時程的文章都只是在推測，而你可以藉由查找消息來源來驗證這一點。在阿里巴巴自家的資料裡，找不到這樣的來源。

背後有實際需求的兩個問題：GGUF 與 nvfp4

針對這個模型的搜尋，密集集中在兩件事上——"flash next gguf" 和 "flash next nvfp4"——而兩者都有具體、可查證的答案，而不是臆測性的答案。這兩者都不是靠猜測尺寸表就能回答的，因此以下是實際已公布的內容。

GGUF 已經存在，來自數個獨立的轉換器。主要來源包括 ggml-org/Qwen3.8-Flash-Next-GGUF、unsloth/Qwen3.8-Flash-Next-GGUF、bartowski/Qwen3.8-Flash-Next-GGUF以及 AtomicChat/Qwen3.8-Flash-Next-GGUF，還有一長串較小的儲存庫。它們並非相同的產品，而在這個規模下，差異比平常更為重要。

這個 ggml-org 儲存庫是最精簡的：一個 IQ4_NL 建置、一個 Q8_0 建置、一個獨立的多模態投影器檔案（mmproj-Qwen3.8-Flash-Next-Q8_0.gguf，約 0.6 GB）如果你想要使用視覺路徑，就會需要這個檔案，另外還有三個分別為 BF16、Q4_0 和 Q8_0 的多詞元預測草稿檔案。如果你只想執行文字，這個儲存庫就足夠了。

這個unsloth 儲存庫是涵蓋範圍最廣的那道階梯，而尺寸問題正是在這裡得到實際解答。其已發佈的檔案從底部的 72.5 GB（UD-IQ1_S）與 74.5 GB（UD-IQ1_M）開始，經過 78.9 GB（UD-Q2_K_XL）、82 GB（UD-IQ3_XXS）與 90 GB（UD-Q3_K_XL），一路到 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 的約 354 GB。它也附帶自己的 MTP 草稿檔案與兩個 mmproj 檔案。

看清那個階梯的本質。這個模型任何人公開的最小量化版本，在磁碟上仍然大於 70 GB。沒有任何建置版本能像稠密 27B 那樣塞進單張消費級顯卡，而且該儲存庫完全沒有提供各量化版本的 VRAM 指引——它的硬體區段只是一個空白的「登入以新增你的硬體」提示。所以，對於「這能不能裝進我的機器」這個問題，誠實的答案是：你應該依照上方已公開的檔案大小來評估，並且依照這個架構自身的巧思來評估：51B 的 n-gram 嵌入表是透過可事先得知的查找鍵來定址，這正是讓這種大小的檢查點能夠在嵌入表常駐於主機記憶體、而非釘選在 VRAM 中的情況下執行的原因。那是設計上的一項特性，不是對你特定機器的保證，而且這正是為什麼這裡的實際門檻是一台擁有大量系統 RAM、以及較少量加速器記憶體的機器，而不是反過來。

nvfp4 也存在，而且它帶有不同的授權條款。 nvidia/Qwen3.8-Flash-Next-NVFP4於 2026 年 9 月 2 日發布，以 NVIDIA 的 Model Optimizer 工具鏈製作，總計約 133 GB，分散於十個分片，外加一個 53.7 GB 的 FP8 多詞元預測與逐層嵌入檔案。其模型卡列出的是 NVIDIA Open Model License，而非 Qwen 授權——如果你打算再散布，這點值得讀兩遍。Red Hat AI、RadixArk 和 local-inference-lab 也有其他 NVFP4 版本；Intel 發布了 W4A16 AutoRound 版本；Apple 晶片的 MLX 版本則有數個社群發布者推出。

還有一種格式值得特別一提，因為那是廠商自家的：Qwen/Qwen3.8-Flash-Next-FP8。這是一種區塊大小為 128 的細粒度 FP8 量化，其模型卡宣稱效能指標「幾乎與原始模型相同」。它採用與基礎權重相同的社群授權條款，而且它正是 Alibaba 自家基準測試流程所使用的檢查點。

授權條款允許什麼——以及為何這能回答那個未經審查的問題

圍繞這個模型的最大單一查詢群集，並不是關於基準測試。而是關於未經審查與去拒答（abliterated）的版本，而回答它的正確方式是閱讀授權條款並查看已發布的內容，因為這兩件事決定了讀者實際上能取得什麼。

Qwen3.8-Flash-Next 是依 Qwen Community License 1.0 發布。授權條款免費授予使用、複製、修改、合併、發布、散布、再授權、販售、部署、代管、微調，以及從權重、參數、設定檔與推論程式碼建立衍生作品之權利。它要求著作權與許可聲明必須隨副本或實質部分一併附上。它設有命名門檻：若你在每月活躍使用者超過 1 億人或月營收超過 2,000 萬美元的商業產品或服務中使用該軟體或衍生作品，就必須在該產品的介面中顯著展示模型名稱。而且它將服務業務另行區分——「模型即服務」（Model as a Service）或「AI 工作助理」（AI Work Assistant）業務，在商業使用前必須先取得 Qwen 的另行授權，但對於不會向第三方揭露模型、其輸出或其能力的部署，則有內部使用的除外條款。

三個後果直接隨之而來，而它們就是那些未經審查的查詢的完整答案：

• 權重是公開的，且授權條款明確允許衍生作品。因此社群去審查化（abliteration）模型是合法的，而非灰色市場產物，而且數量不少——huihui-ai發布了好幾款，OrcaRouter 自家的 Qwen3.8-Flash-Next-Uncensored 系列也以 Apache 2.0 發布，並附有衍生自它的 GGUF、FP8、NVFP4 與 MLX 版本。

• 衍生作品不一定會繼承原始授權。NVIDIA NVFP4 建置版本採用 NVIDIA Open Model License；社群 abliteration 的量化版本則可能採用 Apache 2.0。如果授權條款是你選擇某個檔案而非另一個的原因，請閱讀你即將下載的那個特定儲存庫的說明卡，而不是基礎模型的說明卡。

• 商業門檻會隨著你的業務規模而調整，而非取決於模型本身。對於打造內部工具的團隊來說，實際上的限制在於通知要求。對於販售模型存取權的團隊而言，針對模型即服務（Model-as-a-Service）業務的獨立授權條款，是在以這些權重為基礎進行開發之前就必須計價的一項成本，而 Apache-2.0 Qwen3.8-27B 則完全避開了這個問題。

本頁面不會做的，是描述任何託管服務或任何特定建置如何回應任何特定提示詞。那不是授權條款所規範的內容，也不是我們所測量的內容。決定可用性的是授權條款與已發布的權重檔案，而這兩者都是你點幾下就能自行驗證的東西。

今天跑什麼

這就是一個常設頁面欠讀者的那部分：讀者來這裡，是為了今天下午就能動手做出東西，而不是為了下載 90 GB。

Qwen3.8-Flash-Next 不是我們會路由的模型，再怎麼期盼也無法讓它成為其中一員——時至今日，我們的型錄中並沒有與 qwen3.8-flash-next 相符的模型 ID，而本頁也不會暗示未來會有。它的服務方式是「下載後自行架設」：從 Hugging Face 或 ModelScope 取得權重，在上述 safetensors、FP8、NVFP4 與 GGUF 等路徑之間擇一，然後在你自行配置的硬體上執行。

我們所提供的路由，是相同架構的正式環境建置版本。Qwen3.8-Flash 已上線為 qwen/qwen3.8-flash，每百萬個輸入 token 收費 $0.15、每百萬個輸出 token 收費 $0.47，快取輸入約為每百萬 $0.018，並具備 1M token 的上下文，可接受文字、圖片與影片輸入並回傳文字。該定價是供應商公布的定價，未加價直接轉嫁，因此 Alibaba 方面的任何變更，當天就會反映到你的端點，而不是等到下一個計費週期。如果你當初想從預覽版得到的，是正式環境中的架構，而不是磁碟上的檢查點，那麼這就是最接近、可直接呼叫的版本，而且只差一組金鑰。

如果你的限制條件是授權條款而非延遲，那麼另一個答案是 Qwen3.8-27B。它是一個採用 Apache 2.0 的稠密 270 億參數模型——沒有命名門檻，服務型企業也無需另訂協議——而且它的路由是 qwen/qwen3.8-27b，因此你可以在決定採用其中任何一種之前，用自家流量對這兩種形態進行基準測試。兩者都位於同一組金鑰與 同一個 OpenAI 相容端點之後，這意味著先試一個、再試另一個，只需要更改模型 ID，而不必進行整合。這是回答「我到底需不需要 6B 活躍參數架構」的便宜做法，因為它衡量的是你的工作負載，而不是別人的基準測試。

什麼尚未確定？

這款型號名稱中的「Next」究竟是一次性的預覽，還是一個編號系列的第一款，目前尚無定論，而任何已發布的資訊都無法讓你回答這個問題。讀者唯一能確定的是：這個預覽版對應的量產版本已經存在，而且已經定價——這很不尋常，因為大多數架構預覽不會在同一天就有商業對應產品一同推出。請把這款型號視為一個已部分問世的家族預覽，而不是某個尚未存在之物的外洩。

另一個懸而未決的問題在於工具鏈，而非模型本身。llama.cpp、vLLM 和 SGLang 都能跑它，FP8 版本是廠商自家的評估檢查點，而 GGUF 生態系早已產出從 1-bit 到全精度的各種版本——但對於一個以 176B 儲存的混合專家模型而言，1 到 3 bit 的量化品質仍未有定論，也沒有人發表過在相同硬體上針對低位元版本的受控比較。如果你正在 UD-IQ1_S 和 UD-Q2_K_XL 之間做選擇，只為了省下 6 GB，那你就是在靠自己的評估做這個決定；這既是做出該決定的正確方式，也正是為什麼像這樣頁面上的一張推測性尺寸表會比無用還糟。

兩個姊妹頁面承載了這一頁刻意不談的角度：外洩報導，它記錄了發布前訊號所透露的內容，日期也停在當時；以及與 Apache-2.0 稠密模型的正面對決，那部分專門負責比較。若你想知道這個模型如何問世的故事，或想聽聽兩者之中該選哪一個的論點，就去讀那些頁面。當那兩者都已過時，這一頁仍會在這裡，維持不變。