Предшественник архитектуры Qwen4 вышел как 125B MoE

Alibaba выпустила мультимодальную модель Qwen3.8-Flash-Next с архитектурой Mixture-of-Experts и 125 млрд параметров; релиз получил нативное контекстное окно на 262 тысячи токенов и поддержку расширения до 1 млн токенов через YaRN.

О выпуске Alibaba сообщила в Threads, а карточка модели опубликована на Hugging Face. В описании Qwen3.8 Flash названа предшественником архитектуры, которая будет использоваться в Qwen4.

Коротко

• В карточке модели указаны мультимодальный режим и архитектура Mixture-of-Experts, где для обработки запроса активируется часть из 125 млрд параметров.
• Нативный контекст Qwen3.8 Flash составляет 262 тысячи токенов, а метод YaRN расширяет его до 1 млн токенов при работе с длинными входами.
• В QwenCloud API миллион входных токенов стоит $0,16, миллион выходных $0,47, а модель получила 58,7 на DeepSWE 1.1 и 62,5 на SWE-bench Pro.

Релиз выглядит как попытка Alibaba одновременно продвинуть новую архитектурную линию и сохранить низкий порог для её практического использования. Большое контекстное окно снижает необходимость разбивать длинные материалы на части, а цена API делает модель заметной для систем, где стоимость вывода напрямую влияет на архитектуру продукта.

Qwen3.8 Flash получила 125 млрд параметров в архитектуре Mixture-of-Experts

Mixture-of-Experts распределяет обработку между специализированными блоками, поэтому общий размер модели не означает, что все параметры участвуют в каждом отдельном вычислении. В случае Qwen3.8 Flash Alibaba указывает общий объём в 125 млрд параметров и одновременно относит модель к мультимодальным системам, работающим с несколькими типами входных данных.

Модель построена на новой архитектуре, которую Alibaba описывает как основу для Qwen4. Поэтому Qwen3.8 Flash имеет значение не только как отдельный выпуск с заданными характеристиками, но и как ранняя публичная реализация следующего архитектурного направления Qwen. Релиз последовал за открытыми весами Qwen3.8-27B.

Нативный контекст модели составляет 262 тысячи токенов и расширяется до 1 млн

Qwen3.8 Flash поддерживает нативное контекстное окно в 262 тысячи токенов. Контекстное окно определяет объём текста и других данных, который модель может учитывать в рамках одного запроса, поэтому этот параметр относится к работе с крупными входами, а не к размеру самой модели.

С помощью YaRN контекст можно расширить до 1 млн токенов. В карточке Qwen3.8-Flash-Next это указано как возможность расширения поверх нативного окна. Источник не сообщает о дополнительных ограничениях такого режима, поэтому сравнивать его с базовой конфигурацией по качеству или скорости нельзя.

Qwen3.8 Flash набрала 58,7 на DeepSWE 1.1 и 62,5 на SWE-bench Pro

На DeepSWE 1.1 модель получила 58,7 балла, а на SWE-bench Pro её результат составил 62,5 балла. Оба теста относятся к оценке способностей моделей в задачах программирования и агентной работе с кодом, но приведённые значения относятся к разным бенчмаркам и не образуют единую шкалу.

Доступ к Qwen3.8 Flash через QwenCloud API стоит $0,16 за 1 млн входных токенов и $0,47 за 1 млн выходных токенов. Такое разделение тарифов учитывает разные объёмы вычислений на чтение и генерацию, однако исходные данные не содержат условий для сравнения этой цены с другими режимами развёртывания модели.

Архитектура перед Qwen4

Alibaba уже связала Qwen3.8 Flash с архитектурой Qwen4, но отдельные сроки выхода Qwen4 в исходных материалах не указаны. Текущий релиз доступен как самостоятельная модель с карточкой на Hugging Face и API-доступом через QwenCloud, а заявленные цены и результаты дают ориентиры для ранних интеграций.