Qwen 4：vLLM 的「qwen4 fuse op」PR 命名了架構——Apsara 2026 命名了家族

一份標題為「Add qwen4 fuse op」的 pull request，自 8 月 26 日起就一直在 vLLM 儲存庫裡開著，而在那個月的大部分時間裡，它已是公司之外所能找到、最接近阿里巴巴下一代模型描述的東西。這一切在 2026 年 9 月 22 日改變了：當天，阿里巴巴的 Qwen 負責人 Liu Da Yiheng 藉杭州雲棲大會開幕之機，為這個系列正式命名：Qwen 4 Max、Qwen 4 Flash、Qwen 4 Plus，以及 Qwen 4 27B——開放權重的那一層，也是本地推論圈一直在等待的那一款。兩天後，大會落幕，該公司首度把這個系列放上了路線圖：Qwen 4 訓練中，以及後繼產品線——Qwen 4.5 與 Qwen 5——預估達 5 至 10 兆參數，這個數字由阿里巴巴集團執行長 Eddie Wu 在台上給出，公司隨後也在自家的英文新聞稿中複述了一遍。但兩週過去，這份路線圖獨獨不是的，就是一份時程表。目前流傳的時間點是一個區間——10 月，或 11 月初——而這些全都追溯不到任何阿里巴巴已發布的內容。該公司自家的書面資料裡沒有月份、沒有季度、也沒有日期；這款模型沒有識別碼、沒有上下文視窗，也沒有價格；而在 Hugging Face 的 Qwen 組織底下，並不存在任何 Qwen 4 的儲存庫。把這個區間當成願望，而不是計畫。那份 pull request——vllm-project/vllm#53909，仍開著、仍未合併、仍在等待審查——同樣既沒有附上發布日期，也沒有參數量。它為三個運算子家族加入了獨立的 Triton 核心：HyperConnection、Qwen Sparse Attention（QSA），以及 PLE 狀態運算。它的標題寫著「qwen4」，而它的運算子清單，與阿里巴巴在 Qwen3.8-Flash-Next 開放權重中所提供的架構幾乎完全吻合——那是一個多模態專家混合模型，於 2026 年 8 月 26 日發布，其 Hugging Face 卡片上寫著「A Preview of the Qwen4 Architecture」。Qwen 4 本身仍未發布。這個系列有了名字、有了路線圖上的一個位置，也有了傳聞中的時間區間；但這些核心，仍然是唯一在描述它的東西。

這是一篇「目前我們所知」的整理報導，而非發表消息。阿里​巴​巴如今已在公開場合為這個系列命名，並把它放進公司的產品藍圖，但命名不等於出貨：目前沒有任何 Qwe​n 4 層級的模型卡、權重或 API，而以下每一項架構主張，仍出自 Qwen3.8-Flash-Next 預覽版及其周邊的工程產物，而非任何 Qwe​n 4 文件。確鑿的證據是仍在審查中的 vLLM pull request、已發布的預覽模型、8 月 27 日提交並為同一組 Qwe​n4-Exp 架構設定新增原生支援的 sglang PR，以及後來進入 vLLM 自家 main 分支模型登錄檔的 qwen4_exp 條目 —— Qwen4ExpForCausalLM、Qwen4ExpForConditionalGeneration 與 Qwen4ExpMTP —— 再加上 9 月 1 日合併的 Rust 前端多模態工作。我們從中得出的結論 —— 那些 PR 裡的算子就是阿里​巴​巴所預覽的架構 —— 是對這些證據的一種解讀，以下每一項具體內容都據此標註。這裡有一項說法完全不是阿里巴巴提出的：10 月到 11 月初的時程窗口來自 X 上的一則關注清單貼文，以及過去兩週重複轉載它的追蹤頁面，它未經重現，凡出現之處都以社群來源標示。

阿里巴巴在9月22日實際上說了什麼

阿里巴巴在其 Apsara（雲棲）大會開幕時，預覽了 Qwen 4 系列；該大會於 2026 年 9 月 22 日至 24 日在杭州舉行，Qwen 負責人劉大一恆登台。開幕時公布了四個層級，依循 3.8 世代已然建立的架構：

• Qwen 4 Max — 旗艦等級，也是用以對標其他每一家前沿實驗室頂尖模型的那一款。

• Qwen 4 Flash — 高吞吐量層級，鎖定對延遲敏感、高流量的工作負載，而非追求頂尖推理能力。

• Qwe⁣n 4 Plus — 均衡的中階選擇。

• Qwe​n 4 27B — 開放權重層級：這是 Qwe​n 過往曾發布開放權重的規模級別，也是被論述為本地運行選項的那一款。

27B 這個項目是這項公告中具體的部分，也是這篇報導背後的來源訊號所回應的內容。在 3.8 世代，27B 這個層級是開放權重的釋出版本，並在發布後幾天內就被轉換成 MLX、量化為 NVFP4 並完成微調，因此一個有了明確名稱的 Qwen 4 27B 再次為下游生態系提供了標的。它是個標的，而不是一次發布，而這項區別值得謹記：阿里巴巴並未公布它的參數組成、授權條款、上下文視窗，也沒有公布日期，而這個層級名稱甚至沒說明它是稠密模型還是混合專家模型。所有讓先前的 27B 層級得以實際運作的因素——那個規模等級、以單機為核心的取向——都是承襲自這條產品線的歷史，而非針對這個模型所做的規格說明。

這場大會沒有端出來的，正是讀者能據以規劃的那樣東西。Aliba​ba 對外的說法——屬於廠商自身的框架陳述，在台上發布、由多家獨立媒體轉述，而非經獨立查證——是 Qwe​n 4 建立於新一代架構之上、正在訓練中，而且「即將」到來。沒有任何一個層級有上下文視窗、價格、模態清單或已公布的分數。整場大會上唯一有明確時間點的項目，是一款預定於十一月推出的新一代影片模型。同一個舞台上有一個數字必須各歸其位：5 到 10 兆參數的企圖心，是屬於 Qwe​n 4.5 與 Qwe​n 5 的時間範疇，而不是 Qwe​n 4——沒有任何 Qwe​n 4 層級被附上參數量。那個數字已不再是外洩消息或流傳中的說法：它出現在 Aliba​ba 自家的英文新聞稿中，被歸因於執行長吳泳銘（Eddie Wu）的主題演講，而且是以預測的形式陳述，既沒有時間點，背後也沒有架構支撐——出自公司之口，且至今仍未被重現。

所以說，改名改變的是這個家族的地位，而不是證據的狀態。以下內容依然是服務層對於這套架構究竟是什麼的說明——而既然這項公告本身並未附上任何規格，這份說明仍比 Alibaba 公開發表的任何內容都更為詳盡。

「qwen4 fuse op」PR 實際上是什麼

vllm-project/vllm 中的拉取請求 #53909 已開啟，來自貢獻者的分支，且仍在等待程式碼擁有者審查——自動審查正是因為它來自分支而被停用。這是一項小型、內核性質的工作：

• 三個 HyperConnection 核心 — 一個分組的 Ge​ma RMSNorm、一個 gate reduce，以及一個 injection combine。

• 三個 QSA 核心加上三個供應商基線包裝器，用於比較。

• PLE 狀態 gather 與 masked-scatter 核心。

• 十三個通過的測試，涵蓋 dtype 與 shape 防護、分頁元資料、快取槽位、MRoPE 佈局、跨步狀態、空值與重複索引，以及確定性執行。

除了算子清單之外，還有兩個細節很重要。首先，實作是失敗即關閉（fail-closed）的：{{1}}主機防護機制會引發錯誤，而非退回通用的 Torch 運算路徑{{/1}}，因為注意力核心中一個默默出錯的值，比一次明確的失敗更糟。其次，{{2}}命名的分歧——標題寫的是「qwen4」，而描述中命名為 Qwen3.8-Flash-Next——這本身就是一個訊號{{/2}}。{{3}}vLLM 方面正將這款預覽模型視為 qwen4 產品線的第一個實例，並以這個系列名稱來建置核心，以便涵蓋後續推出的任何版本{{/3}}。

為了說明「fuse op」是什麼：推理引擎通常會以每次操作啟動一個 kernel 的方式來執行模型的計算圖，而每次啟動都伴隨開銷——kernel 之間的記憶體往返、分派成本。將多個逐元素（element-wise）與狀態操作融合至單一 kernel，即可削減這類開銷，而這正是新架構在成本與延遲上成敗的關鍵。建立在任何地方都沒有融合實現之運算子上的模型，無論訓練多麼巧妙，都會既慢又耗記憶體；第一個能良好融合這些運算子的引擎，決定了模型在實際應用中的價格。

將核心名稱視為藍圖來閱讀

這些運算子都不存在於標準的 transformer 運算集中，這正是它們根本需要新核心的原因——而且每一個都對應到 Aliba​ba 在 Qwen3.8-Flash-Next 中所預覽架構的某個特定部分：

• HyperConnection → 門控殘差連接。單一的殘差流被拓寬為四個平行分支，並採用逐元素動態門控，讓模型決定每個分支的讀取與寫入量；殘差狀態可以 FP8 格式儲存，以減少記憶體流量。

• QSA → Qwe​n Sparse Attention。一個輕量級索引器以 4 的壓縮比例將鍵壓縮成微區塊，對其評分，並保留最佳 512 個區塊——約 2,051 個邏輯詞元位置——而最終的 softmax 與值聚合仍在原始未壓縮的 K/V 上執行。48 層中有 12 層是 QSA；其餘 36 層是 GDN 線性注意力層，具有固定大小的循環狀態，且無增長的 KV 快取。

• PLE 狀態操作 → n-gram 記憶體。這個 510 億參數的查找表——SGLang 文件中提到的「Per-Layer Embeddings」——是透過當前 token 加上前兩個或三個 token 進行雜湊定址，每個 token 提取 16 列。其位置可預先計算，因此可以放在主機記憶體中，並非同步預先提取，而不佔用 GPU VRAM。

• MoE主體（核心所在）：總參數125B，每個token約有6B參數活躍——激活率低於5%——路由至512個專家，採用top-10路由。

有兩點但書讓這段話保持誠實。首先，上述架構是從 Qwen3.8-Flash-Next 的模型卡與社群拆解讀來的，並非來自任何 Qwen 4 文件——它是關於該系列的證據，而不是該系列的規格。第二，這些都不會改變核心事實：Qwen 4 不存在於任何目錄中。

另一條獨立的證據線是視覺路徑，值得與上述的 kernel 判讀區分開來。獨立於任何運算子對映之外，vLLM 自己在 main 上的模型註冊表列出了一個 qwen4_exp 條目——Qwen4ExpForConditionalGeneration——註冊為多模態模型，配有 Qwen3-VL 視覺塔與 Qwen3VLMultiModalProcessor。把該設定接進引擎多模態 crate 的那個 Rust 前端 PR（#54813）——也就是將影像輸入轉換成 token 的程式碼路徑——已於 2026 年 9 月 1 日合併；這比同一個 PR 只是處於開啟狀態是更強烈的宣示，因為 qwen4 系列的多模態路徑如今已在引擎之中，而不是在某人的 fork 裡。這仍不是正式發布：該註冊表條目所描述的模型既沒有權重，也沒有 API。但這是第一個工程層級的確認，證實下一代的 Qwen 會接受影像輸入，而架構上的「多模態」標籤也不再只是預覽版模型卡上的一行字。

為何架構會改變成本格局

如果 Qwen 4 以此架構推出，其經濟效益將與標準的稠密模型——甚至是一般的 MoE——Transformer 有所不同，而這個差異正是核心（kernel）工程值得關注的原因。

• 記憶體與計算的分離。記憶體成本追蹤總參數——所有125B都必須駐留才能服務模型。計算成本追蹤活躍參數——每次前向傳播只有約6B運行。正是這種分離，使得一個「125B」模型能以遠小於它的模型的成本提供服務。

KV 快取在大多數層上停止增長。在 48 層中，36 層使用固定大小的循環狀態注意力，因此增長的鍵/值快取僅限於 12 層。在 262K token 的原生上下文（透過 YaRN 可達 1M）下，這在很大程度上是長上下文服務之所以能變得可負擔的關鍵原因。

• 大表是可卸載的。n-gram 表是最大的單一記憶體消耗者，擁有 510 億個參數，而且它不需要常駐在 GPU 上。SGLang 的 day-0 工作測量了將 BF16 表卸載至鎖頁主機記憶體，在 H200 上每顆 GPU 釋放了約 23 GiB，並使配置的 KV 容量增加約 78%——且輸出位元完全相同。在 vLLM 方面，同樣的卸載是分階段落地，而非在單一 PR 中完成：最初的支援 PR（#53899）於 9 月 21 日未經合併即被關閉，而這項能力本身則是透過各自獨立的合併到來——#54371，基於 UVA 的 PLE 卸載搭配 Engram 張量平行，於 9 月 9 日；以及一條 ROCm 路徑（#57497），於 9 月 25 日。

這些數字都尚未經過獨立稽核——7.6×/4.9× 長上下文加速的宣稱、SGLang 貼文中提及的 540 tok/s 解碼數據、以及「訓練成本僅為 Qwen3.7-Plus 的 1/9」的宣稱——在中立指標重現這些結果之前，都應視為廠商或社群自行回報的數據。

服務它的競賽

兩大主流引擎皆有 qwen4 相關工作正在進行中——SGLang 在 8 月 26 日預覽版發布後的數日內即推出了 day-0 支援，且此後雙方的工作持續層層累積，涵蓋從配置註冊到核心（kernel）與記憶體（memory）工程等範疇。

• SGLang 於 8 月 26 日發布了一篇 day-0 文章，由 SGLang、Alibaba、NVIDIA 和 AMD 合作，推出 NVFP4 checkpoint，並聲稱在 B200 上以 TP4 搭配推測解碼可達到 540 tokens/s 的解碼速度。

• 8 月 27 日，一個 sglang PR（#36585）為引擎本身加入了原生 Qwen4-Exp 支援——註冊了 Qwen4ExpForConditionalGeneration 設定，以及一個由相同的 GatedResidual、Gated DeltaNet、Qwen 稀疏注意力、PLE 與 MoE 元件建構而成的文字模型。它尚未合併：這個 PR 來自一位非維護者貢獻者，成果被歸功於一個名為 Argus 的自主代理，而且它仍處於開啟狀態、等待審查。不過，它的錨點可以獨立查核——Qwen3.8-Flash-Next 自己的 config 宣告了 model_type=qwen4_exp，而參考實作現在位於 huggingface/transformers 的 models/qwen4_exp 底下。

• 9 月 8 日，一份 sglang 草稿 PR（#38492）以 qwen4-main-squashed 為目標分支開啟，而 qwen4-main-squashed 是一個專用於 Qwen4/Flash-Next 產品線的 sglang 分支；這次不是註冊。它移植了 RecoverSSM——一條最初在 SM120 上為 Qwen3.8-Flash-Next 打造的已接受狀態復原路徑——用於該架構的多 token 預測（MTP）驗證。MTP 草稿會流經 Gated DeltaNet 層的固定大小遞迴狀態；當一份草稿正在被驗證時，引擎不會將每個中間推測狀態都保存在記憶體中，而是從已提交狀態與已接受的 token 前綴重建出已接受狀態。這個模式是選擇性啟用（需使用 --gdn-mtp-cache-mode none 旗標；目前的完整快取行為仍維持為預設），而且即使以這則報導的標準來看，它也還很早：一份最後在 9 月 14 日被更動的草稿，其目前的 head 仍有九項檢查失敗，且作者自己的檢查清單尚未完成，還無法標記為可供審查。重點在於方向——sglang 正在打造 Qwen4 的服務路徑，而不只是註冊其設定。

• vLLM 的 qwen4 系列自本文首次刊登以來的數週內，已從三個開啟中的 PR 變成一份混雜的紀錄。Rust 前端多模態 PR（#54813）已於 9 月 1 日合併。PLE-offload 工作分兩部分合併——#54371 於 9 月 9 日、#57497 於 9 月 25 日——而最初的 PLE-offload PR（#53899）則在 9 月 21 日被關閉且未合併。該設定後來已進入上游：#57387 將 qwen4_exp 設定與處理器切換至上游 Transformers 實作，已於 10 月 2 日合併。目前仍開啟的是本文主題的 fuse-op PR（#53909）——同時還有 10 月 1 日提交的 QSA 環形緩衝區錯誤修正（#59528），以及一項自 9 月 26 日起仍開啟、針對 510 億參數 n-gram 表的 SM86（Ampere）處理（#58856）；當一個模型是人們試圖在較舊硬體上提供服務的對象，而不是無人執行過的模型時，這正是有人會做的那類工作。qwen4_exp 設定本身在 vLLM 中註冊為多模態：一個 Qwen3-VL 視覺塔搭配 Qwen4-Exp 文字模型。

這是一場有實質獎勵的競賽。最能融合新運算子的引擎，將為 Qwen4 世代定下服務價格，因為混合注意力模型的 token 成本取決於核心效率——而非原始參數數量。

今天實際推出的是：Qwen3.8-Flash-Next 對比 Qwen 4

這個故事中的兩件事值得精確說明，因為命名承擔了大量工作。

• Qwen3.8-Flash-Next 已發布。開放權重以 qwen-community-1.0 授權發布於 Hugging Face 與 ModelScope，提供標準版和 FP8 變體；模型卡確認了規格 — 125B MoE、約 6B 活躍參數、51B n-gram 表、262K 上下文、多模態。這是架構預覽，而非旗艦版。

Qwen3.8-Flash 是阿里巴​巴同步發表的正式上線生產版本，於 Qwe​n Cloud 上標價為每百萬輸入 token 人民幣 1 元、每百萬輸出 token 人民幣 3 元（約 $0.16 / $0.47），預設支援 100 萬 token 上下文與內建工具。此為廠商自行公布的定價，尚未納入任何獨立指數。

• Qwe​n 4 尚未推出。Aliba​ba 於 2026 年 9 月 22 日公布了全部四個層級，並表示該系列正在訓練中、即將推出——這是官方首次就時程發聲，但仍稱不上時間表。任何層級都沒有日期、沒有模型卡，也沒有權重。目前流傳的窗口是 10 月至 11 月初，而它來自關注清單討論串與追蹤頁面，而非 Aliba​ba：訓練狀態是公司自己說的，時程則是社群提供的。7 月一份路線圖外洩中流傳的 9 月窗口已經用盡，這本身就是一個答案。

• Qwe​n 4 27B 這個級別值得關注，原因與基準測試無關：它是該系列中唯一有推出開放權重實績的級別，而已宣布的 27B 正是本地推論堆疊會據以規劃的重點——這就是為什麼缺少的尺寸細分、授權與日期，在這裡比在旗艦款上更為重要。

預覽版的基準測試表——DeepSWE 1.1 為 58.7、SWE-bench Pro 為 62.5、LiveCodeBench v6 為 91.9——是廠商在卡片上自行回報的數據，尚未經過獨立重現。請圍繞架構來規劃；將這些分數視為承諾，而非實測結果。

開發人員現在應該做什麼

你今天現有的技術堆疊不會有任何改變：Qwe​n 4 在任何地方都無法呼叫——Apsara 只是替各層級命名、把這個系列放上產品藍圖，實際上什麼都沒推出——而且截至撰稿為止，Qwen3.8-Flash-Next 的開放權重也仍未出現在我們自家的模型清單上——我們目前實際提供、最接近的東西，是每百萬個 token 收費 $0.15/$0.47 的服務化 Qwen3.8 Flash 版本，以及 $0.33/$2.40 的 Qwen3.8 27B 開放權重路徑；在後繼世代還只是傳聞之際，這是目錄中最接近可在本機執行的 Qwe​n。藍圖上那行字是唯一值得讀兩遍的地方，因為這是 Aliba​ba 首次把後繼世代白紙黑字寫下來：如果 Qwe​n 4.5 和 Qwe​n 5 真的落在 5 兆到 10 兆參數的區間，那麼在那個世代裡，你負擔得起自行託管的層級只會更加重要，而不是更不重要。如果你想在這個系列推出前先感受一下架構，誠實的做法是自行拉取權重，或等預覽版透過 API 上線。對於任何以 27B 層級做規劃的人，情況同樣適用，但要多加一點：它特別值得追蹤，正因為它是最有可能不需 API 就能執行的層級，而它目前是四者中規格最不明確的。

當 Qwen3.8-Flash-Next 或 Qwen 4 模型真的出現在供應商目錄中時，在 OrcaRouter 上的轉換成本幾乎為零：一個 API 串接 200 多個模型，供應商定價以 0% 加價原樣傳遞，廠商降價當天我們這邊也同步生效。您目前用於 Qwen3.8 Max 的同一個端點與金鑰——現在即可透過 qwen/qwen3.8-max 呼叫，每百萬個 token 為 $2.00/$6.00，定價原樣傳遞——也正是 Qwen 4 呼叫時會使用的同一個端點。

對未經驗證的架構，自動容錯移轉是正確的第一步：{{1}}將一部分流量導向新模型，並設定容錯移轉至 Qwen3.8 Max（或工作負載實際需要的任何模型），讓您自己的流量來判斷預覽是否名副其實{{/1}}——{{2}}是路由 DSL 的編輯，而非重寫{{/2}}。

我們正在觀看的內容

• fuse-op 核心是否合併（#53909），如今是 vLLM 最初三個 qwen4 PR 中最後一個仍處於開放狀態的——多模態前端與 PLE 卸載工作已經落地，設定也已進入上游。在 sglang 這邊，原生支援 PR 與 RecoverSSM 草稿也都仍處於開放狀態。一組已合併的核心，是迄今最強烈的訊號，顯示 qwen4 系列已列入兩個執行環境的近期路線圖。

• qwen4-main-squashed 是否會鞏固成為 sglang 的 Qwen4 主線——一個持續接收核心與記憶體相關工作的整合分支，比單一貢獻者的 PR 代表更強烈的承諾；而一旦旗艦版有了明確時程，它將如何發展便值得密切關注。

• 視覺路徑能否一路保留到正式發布——qwen4_exp 的多模態註冊項目與 Rust 前端整合，是第一個明確訊號，顯示旗艦模型出貨時將搭載影像輸入，而且兩者現在都已進入 vLLM 的主線程式碼，而非存在於 fork 中。未解的問題是：正式發布的模型是否會保留那座視覺塔。

• Qwen3.8-Flash-Next 的首批獨立數據，將是檢驗該架構之成本主張在廠商以外是否依然成立的第一項測試。

• Qwe​n 4 本身的日期或模型卡。這個系列現在有了名稱、分級清單、訓練狀態，以及在已發布路線圖上的一個位置，而這些都不是時間表。社群流傳的時間窗口是 10 月到 11 月初；Aliba​ba 在 Apsara 發布的路線圖完全沒有附帶任何日期，而且 Hugging Face 上也尚未出現任何 Qwe​n 4 儲存庫。下一個真正的訊號，會是第一個附有日期的訊號——一張模型卡、一個 API 識別碼，或權重。

• 尤其是 Qwen 4 27B 這個層級——它是否會依循 Qwen3.8-27B 的模式以開放權重發布、採用什麼授權條款，以及轉換與微調生態系跟進的速度會有多快。

• 這個系列的授權條款——Qwen 4 是會重現 Qwen3.8 Max 以使用受限授權開放權重的模式，還是會進一步開放。

• 預覽版上的服務價格競賽，這將告訴我們混合架構的代幣在生產環境中的實際成本。

常見問題

Qwen 4 什麼時候推出？目前仍然沒有確切日期，而且關於時程，現在有兩份官方說法，而不是一份。阿里巴巴集團執行長吳泳銘（Eddie Wu）於 2026 年 9 月 22 日在雲棲大會上確認，Qwen 4 正在訓練中，而接續的產品線——Qwen 4.5 與 Qwen 5——預計規模為 5 兆至 10 兆個參數；阿里巴巴的英文發布內容也重述了這兩點。兩份說法都沒有附上時程。目前流傳的三種時程說法，沒有一個出自阿里巴巴：七月外洩的路線圖拋出的 2026 年 9 月時間窗，如今已過而未见推出；以及目前在看板貼文與追蹤頁面之間流傳的 10 月至 11 月初時間窗，那是外界對該實驗室出貨節奏的解讀，而非實驗室本身的說法。8 月 26 日發布的 Qwen3.8-Flash-Next 明確是該架構的預覽版，而非旗艦型號。

Qwe​n 4 跟 Qwen3.8-Flash-Next 是同一個模型嗎？不是。Qwen3.8-Flash-Next 是已發布的開放權重模型，其模型卡稱之為「Qwen4 架構的預覽」。Qwe​n 4 則是阿里巴巴於 9 月 22 日點名的未發布系列——四個層級，未公布任何規格——架構相同，但產品不同。

我今天可以使用 Qwen 4 嗎？不行——沒有任何路由會指向一個既沒有權重、也沒有 API 的模型，而 9 月 22 日的公告並未改變這一點。你實際上能接觸到最接近的東西，是 8 月 26 日發布的 Qwen3.8-Flash-Next 開放權重，或是 Qwen3.8 Max API，已在 OrcaRouter 上線，每百萬個 token 收費 $2.00/$6.00。

核心就是訊息本身——而 9 月 22 日的發表，無論佔了多少舞台時間，都沒有覆寫它。vLLM 不會把審查週期花在為預期會放棄的算子家族打造 Triton 核心上，Alibaba 也不會發布它預期會放棄的架構預覽。從仍處於開啟狀態的「qwen4 fuse op」PR、8 月 26 日釋出的 Qwen3.8-Flash-Next 預覽、如今躺在 vLLM 主線註冊表中的 qwen4_exp 項目（其設定已上游、多模態整合也已合併）、9 月在 CUDA 與 ROCm 上都落地的 PLE-offload 工作，到 9 月 8 日開啟、至今仍在為該系列的多 token 預測路徑調校 SM120 記憶體的 sglang 草稿 PR，下一代 Qwen 的樣貌已不再是傳聞——它已寫在兩個執行環境正為它打造的核心與記憶體路徑裡。Apsara 補上的是每個層級的名稱、一個訓練狀態，以及再下一代的參數區間。社群自那之後補上的，與其說是事實，不如說是一個時間窗口：10 月到 11 月初，來自同一批觀察清單討論串。Alibaba 兩者都尚未公布。請為架構做規劃；不要押注日期。