Qwen3.8-Flash-Next 對比 Qwen3.8-Max：6B 活躍參數的 Qwen4 預覽版距 2.4T 旗艦機型有多接近？

2026年8月26日，阿里巴巴的Qw​en團隊開源了{{1}}Qwen3.8-Flash-Next{{/1}}——一個擁有1760億參數的多模態混合專家模型，每個token僅啟動約60億參數，並被明確定位為Qwen4架構的早期預覽版本。它從第一天起就要面對的衡量標竿，是阿里巴巴自家的旗艦模型{{2}}Qwen3.8-Max{{/2}}。這款擁有2.4兆參數的稀疏混合專家模型於8月3日正式全面上市，自此以來一直以每百萬輸入token收費{{4}}$2.00{{/4}}、每百萬輸出token收費{{5}}$6.00{{/5}}。就紙面數據而言，兩者在儲存參數量上相差超過一個數量級——2.4兆對比約1800億——而在啟動參數量上則相差約十六倍。在阿里巴巴自家的基準測試表上，兩者的成績差距遠小於模型規模的差距——這要嘛是這個預覽版最令人驚豔之處，要嘛是目前為止最清楚的一次提醒：供應商的數據表在獨立實驗室驗證之前，始終只是一種假設。

簡短版：這不是一場勢均力敵的較量，而假裝兩者平等正是唯一會搞錯的方式。Qwen3.8-Max 是當前世代的能力天花板——由 Artificial Analysis 獨立評分，自 8 月 12 日起開放權重，並已通過三週的生產環境考驗。Qwen3.8-Flash-Next 則是一個僅有一天的架構原型，阿里巴巴表示，多數工作負載無需動用 Max 的餘裕即可運行。這個比較之所以仍值得進行，是因為在阿里巴巴自家表格中兩個模型都有出現的基準測試上，預覽版在代理型任務與辦公室工作上與旗艦版差距約一分以內，並在兩項測試——JobBench 和 RealWorldQA——上領先。決定性的差異不在於品質差距，因為那既微小又未經證實；而在於證據差距：其中一個模型有第三方評分成績單，另一個則完全沒有。

每個模型實際上究竟是什麼

Qwen3.8-Flash-Next 是架構試運行版本。它在磁碟上儲存約 1800 億個參數——一個 125B 的 MoE 主體、一個存放在主機記憶體而非 VRAM 的 51B N-gram 嵌入表，以及一個多 token 預測頭——每個 token 僅經過其中約 60 億個參數，稀疏度接近 95%。其 512 專家 MoE 每組以三個 Gated DeltaNet 層與一個 Qw​en 稀疏注意力層交替，增加門控殘差流與 N-gram 嵌入，並使用 Muon 優化器訓練；據阿里巴巴表示，成本約為 Qwen3.7-Plus 的九分之一。它接受文字、圖片與影片輸入，原生支援 262,144 個 token 的上下文，可透過 YaRN 擴展至 1M，並以 bf16 與 FP8 格式在 Hugging Face 與 ModelScope 上以 qwen-community-1.0 授權發布。將在 QwenCloud API 上承載定價的正式模型——Qwen3.8-Flash——公告價格為每百萬輸入 token 0.16 美元、每百萬輸出 token 0.47 美元，是此相同架構的服務調校版本，尚未開放。

Qwen3.8-Max 是這一代的最終成品。它是一個基於當前世代架構的 2.4T 稀疏 MoE——Gated DeltaNet 加上門控注意力，擁有 512 個專家（10 個路由專家與 1 個共享專家），根據官方模型卡，每個 token 啟動 950 億參數。它在 API 上支援多模態，提供 1M token 的上下文，固定價格為 $2/$6，無需長提示詞附加費用；其開放權重 Qwen3.8-2.4T-A95B 於 8 月 12 日發布，採用非 Apache 的客製化授權。它是 Artificial Analysis 評分為智能指數 58、編碼指數 71.8 的模型，也是任何 Qwen 3.8 系列模型所持有的最強獨立成績。

總參數 — Qwen3.8-Flash-Next：125B MoE + 51B N-gram（約180B儲存）。Qwen3.8-Max：2.4T MoE。

• 每個 token 活化的參數量 — Qwen3.8-Flash-Next：約 6B（低於 5%）。Qwen3.8-Max：約 95B（約 4%）。

• 架構 — Qwen3.8-Flash-Next：Qwen4 預覽版（QSA + GDN、門控殘差、N-gram、Muon）。Qwen3.8-Max：Qw​en 3.5 世代（GDN + 門控注意力）。

• 上下文 — Qwen3.8-Flash-Next：原生 262K / 透過 YaRN 可達 1M。Qwen3.8-Max：API 上為 1M / 開放權重原生為 262K。

• 價格 — Qwen3.8-Flash-Next：每1M $0.16 / $0.47（已公布，API尚未開放）。Qwen3.8-Max：每1M $2.00 / $6.00，固定價格。

• 開放權重 — Qwen3.8-Flash-Next: qwen-community-1.0，8月26日，可單節點運行。Qwen3.8-Max: Qwen3.8-2.4T-A95B，自訂授權，多節點。

• 獨立評分 — Qwen3.8-Flash-Next：尚無評分。Qwen3.8-Max：AA 智能指數 58，編碼指數 71.8。

上方的記分板將比較壓縮到最重要的七列，而資料來源頁尾承擔了重擔：每個 Flash-Next 數字都是阿里巴巴自家且未經轉載的數據，而 Max 欄則依據 Artificial Analysis 加上阿里巴巴公布的表格。如此解讀，這些欄位就不再是場賽馬，而是關於證據的陳述。

基準表，誠實地閱讀

在阿里巴巴自家基準測試表的共同行中，差距遠比四十倍的參數量差異所暗示的要小。在 CoWorkBench（智慧體辦公任務）上，預覽版取得 73.9，而 Max 為 74.8；在 AndroidWorld 上為 84.5 對 85.3；在 Agents' Last Exam 上為 51.2 對 52.4——每項都只差一分或更少。在 JobBench 上預覽版的 55.7 分，以及在 RealWorldQA 上的 88.5 分，是表格中經驗證的最佳成績，領先 Max。差距拉大出現在視覺密集型區塊——LVBench、ERQA、MathVision、Vision2Web——Max 在其中領先約四到六個百分點。在主要的智慧體數據上，Qwen3.8-Flash-Next 在 SWE-bench Pro 獲得 62.5，在 DeepSWE 獲得 58.7，與旗艦版的差距近在咫尺，而旗艦版的運行成本是其十二倍。

現在，套用於上述每個數字的標籤：所有這些都是阿里巴巴所報告的，來自阿里巴巴自己的測試框架；就預覽版而言，數據僅有一天歷史，而且兩個模型都未經重複驗證。這在兩邊的意義各不相同。Qwen3.8-Max的品質數據表是供應商自行宣稱的，但其智慧指數58和編碼指數71.8是基於阿里巴巴API的第三方測量結果——該模型已經接受獨立審查數週，並且經得起考驗。Qwen3.8-Flash-Next至今沒有任何形式的獨立評分。對這種接近程度的誠實解讀，不是「預覽版基本上與旗艦版一樣好」，而是「阿里巴巴聲稱預覽版與旗艦版僅差一分，而實驗室之外無人證實這一點」。這兩種說法之間的差距，正是兩個模型各自承擔風險的全部差異所在。

價格差距正是重點。

先做算術，因為這是不會變動的部分。以 $0.16/$0.47 計算，一百萬個輸入 token 加上一百萬個輸出 token 在生產版 Flash API 上收費 $0.63；同樣的呼叫在 Qwen3.8-Max 上則要 $8.00 — 大約貴 12.7 倍，雙向都是如此。阿里巴巴表示，該架構的訓練成本約為 Qwen3.7-Plus 的九分之一，這就是價格能維持在那裡的結構性原因；而且以 $0.16 的價格，生產版 Flash 甚至比 DeepSeek-V4-Flash 便宜約三分之二。對於高流量、代理型（agentic）或長上下文的工作負載來說，12.7 倍的價差就是盈利產品與補貼之間的區別——這正是之所以要進行這種比較的原因。

這正是路由層在收支兩端都展現價值之處，事實值得精確陳述。Qwen3.8-Max 現已在 OrcaRouter 上以供應商列表價格上線，零加價——與你直接向廠商支付的 $2.00/$6.00 相同，且位於你已使用的 OpenAI 相容端點之後。Qwen3.8-Flash-Next 目前尚未在任何 API 上提供：在生產版 Qwen3.8-Flash 於 QwenCloud 上線之前，開放權重是唯一途徑，需自行託管。當該 API 上線時，同樣的 0% 加價轉售意味著其 $0.16/$0.47 價格會在當天出現在我們這邊——這項降價是設定檔中的即時配置，而非新聞稿中的一行文字——而兩個模型都位於同一把金鑰之後，並在兩者之間自動故障轉移。你不需要為了測試前一天的架構而重新接線整合；你只需要變更路由規則。

預覽架構對比成熟產品

有一個超越任何單一基準的長期差異。Qwen3.8-Flash-Next 建立在阿里巴巴表示 Qwen4 將採用的架構之上 — {{1}}稀疏注意力、門控 DeltaNet、門控殘差、N-gram 嵌入、Muon{{/1}} — 以開放權重提前釋出，讓生態系統能在昂貴模型建構其上之前先行壓力測試。根據阿里巴巴的測量，該技術堆疊在 1M token 上下文下，預填充速度最高可達完整注意力的 7.6 倍，解碼速度最高可達 4.9 倍 {{2}}（廠商數據）{{/2}}，這正是 6B 激活參數模型能負擔 1M token 上下文窗口的技術原因。Qwen3.8-Max 是當前世代的成熟產品，而這正是其優點：它是已知量，是團隊已掌握其服務行為與失敗模式的模型。

在生產環境中，這把叉子兩面皆刃。Max 是今天的安全選擇——已獨立評分、歷經三週生產環境曝險、價格也已穩定。Flash-Next 則是阿里巴巴押注下一代的方向，其定價足以重新定義整個家族。現在選它，意味著押注在一個社群仍在審核中的架構；忽略它，則意味著賭定這套較便宜的架構不會在六個月內超越旗艦。兩者都不必是非此即彼的賭注——這正是讓兩者都可從同一個端點觸及的實際意義所在。

上述兩個截圖是各發布版本的公開介面：OrcaRouter 清單中顯示 Qwen3.8-Max 今日即可按牌價呼叫，以及阿里巴巴在其 Qwen Studio 中發布 Qwen3.8-Flash-Next 開放權重版本的公告。

決定

如果你需要當今這一代的能力天花板，請選擇 Qwen3.8-Max——長時程代理任務、同系列中最強的獨立評測成績，以及一個已在生產環境運行數週而非數小時的模型。每百萬 token 固定收費 2／6 美元，對前沿模型來說相當便宜；而且它是兩者中唯一擁有你無須憑空相信之數據的模型。

如果您的工作負載是高容量且對價格敏感，請選擇 Qwen3.8-Flash-Next — 代理循環、批次辦公室自動化、長上下文處理，在這些情境中，12.7× 的價格差距是損益兩平與利潤之間的差異 — 而且您能接受在供應商清單上運行僅推出一天的架構，或是在 API 尚未就緒時自行託管開放權重。

對介於兩者之間的每個人來說，理性的做法是兩者並用：現在就把 Qwen3.8-Max 放在一個金鑰上，等 API 開放時，Qwen3.8-Flash-Next 只差一條路由規則的距離；再加上故障轉移，讓那個一天前的舊模型在你做決定時無法拖垮任何生產路徑。真正誠實的開放問題是——一個只啟動 60 億參數的模型，能否在獨立複現下維持這些基準分數？還是視覺能力落差與那份一天前才出爐的數據表，會擴大成為真正的主線故事？接下來幾週就會揭曉，而當預覽版的獨立評分出爐那一刻，這份比較值得重新回顧。