Qwen3.8-Flash-Next

Überblick

Qwen3.8-Flash-Next ist Alibabas offener Vorgriff auf die Architektur, die die kommende Qwen4-Reihe tragen soll. Das Modell ist ausdrücklich als experimentelle Vorschau deklariert; die Konfigurationsdatei führt die Architekturklasse folgerichtig als qwen4_exp. Dasselbe Muster gab es schon einmal: Qwen3-Next hat die hybride Gated-DeltaNet-Architektur eingeführt, bevor Qwen3.5 sie in die Breite trug.

Positioniert ist es als Kostenmodell, nicht als Flaggschiff. Alibaba gibt für das Training rund ein Neuntel der Kosten des größeren Qwen3.7-Plus an, bei besseren Ergebnissen.

Nicht zu verwechseln mit Qwen3.8-Flash. Das ist die auf Qwen Cloud gehostete Produktionsvariante derselben Architektur – mit 1M Kontext ab Werk und eingebauten Werkzeugen. Diese Card beschreibt ausschließlich die offenen Gewichte.

Architektur

Ein ultradünn besetztes Mixture-of-Experts-Modell mit 48 Layern im Muster 12 × (3 × Gated DeltaNet → 1 × Qwen Sparse Attention), jeweils mit MoE-Block. 512 Experten, davon 10 geroutet plus 1 shared, Hidden-Dimension 2.560, Vokabular 248.320 (gepaddet).

Vier Neuerungen gegenüber der übrigen 3.8-Generation:

• Qwen Sparse Attention ersetzt die volle Gated Attention. QSA wählt nicht einzelne Token aus, sondern arbeitet auf Mikroblock-Ebene (Budget 512 Blöcke bzw. 2.048 Token). Alibaba gibt bis zu 10,2-fache Prefill- und 6,6-fache Decode-Beschleunigung des Attention-Kernels bei einer Million Token an.
• Gated Residual mit vier Residualzweigen und Bottleneck-Rang 320.
• N-Gram-Embedding: eine Nachschlagetabelle mit 20 Mio. Bi- und Trigrammen auf Layer 2, die sich asynchron in den Host-Speicher auslagern lässt.
• MTP: ein Multi-Token-Prediction-Layer für spekulatives Dekodieren.

Zur Parameterzahl

Es kursieren drei Zahlen, und alle drei sind richtig – sie zählen nur Unterschiedliches:

Zählweise	Wert	Quelle
Hauptmodell (6B aktiv je Token)	125B	Alibabas Model Card
+ N-Gram-Embedding-Tabelle	176B	vLLM-Recipe
+ MTP-Modul	180B	Safetensors-Metadaten, Artificial Analysis

Diese Card führt 180B, weil die Artefakt-Metadaten des Repositoriums und Artificial Analysis diese Zahl nennen und sie damit die gegenüber anderen Modellen vergleichbare Größe ist. Die verbreitete Angabe „125B" beschreibt nur den Backbone.

Kontext

262.144 Token nativ, per YaRN mit Faktor 4,0 auf 1.000.000 erweiterbar. Alle verbreiteten Frameworks implementieren statisches YaRN – der Skalierungsfaktor bleibt unabhängig von der Eingabelänge konstant und kann die Qualität bei kurzen Texten drücken. Die Erweiterung gehört deshalb nicht in die Standardkonfiguration.

Use Cases

• Agentisches Coding über lange Läufe – der Schwerpunkt der Herstellerevaluation
• Multimodale Agenten mit Bild- und Videoeingabe (Computer- und Mobile-Use, Dokumentanalyse)
• Hochvolumige Aufgaben, bei denen die 6B aktiven Parameter den Durchsatz tragen

Stärken und Grenzen

Stärken. Mit einem Intelligence Index von 56 (Artificial Analysis, v4.1.1) liegt das Modell über dem offenen Geschwister Qwen3.8-27B (52) und knapp unter dem proprietären Qwen3.8-Max (58) – bei einem Bruchteil von dessen Betriebskosten. Die Werkzeugnutzung ist über die Serving-Parser belegt, nicht nur behauptet.

Grenzen:

• Nur ein einziger unabhängiger Datenpunkt. Sämtliche Benchmarkwerte der Score-Tabelle stammen aus Alibabas eigener Model Card. Unabhängig ist ausschließlich der AA-Index.
• Die AA-Messung lief auf Alibabas API, also vermutlich auf dem Produktionsendpunkt Qwen3.8-Flash und nicht auf den offenen Gewichten. Ob beides derselbe Checkpoint ist, sagt keine Quelle.
• Die Reasoning-Stufe der Benchmarkläufe ist nicht publiziert. Das Modell kennt low | medium | xhigh mit Default xhigh; Alibabas Tabelle nennt keine Stufe. Die Quellenangabe bleibt deshalb ohne Stufenvermerk – wie beim Qwen3.8-27B.
• Harness-Abhängigkeit bei den Agentenwerten. DeepSWE 1.1 ist als bester Wert aus zwei Harnesses (Claude Code und mini-SWE-agent) berichtet; SWE-bench Pro lief auf einem von Alibaba nachkorrigierten Datensatz, auf dem alle Vergleichsmodelle neu vermessen wurden. Ohne diese Bedingungen sind beide Zahlen nicht vergleichbar.
• Sehr verbose. Artificial Analysis misst 200 Mio. Ausgabetoken im Indexlauf gegenüber einem Median von 110 Mio. Im Agentenbetrieb relativiert das den Preisvorteil.

Quellenlage

Artificial Analysis hat das Modell am 27.08.2026 aufgenommen und führt es mit Intelligence Index 56 unter Indexversion v4.1.1, dazu 77,3 Token/s Ausgabegeschwindigkeit und 2,79 s bis zum ersten Token. Die neun Einzelkomponenten des Index veröffentlicht AA nicht als Text; es gibt deshalb keine AA-Zweitquelle zu einzelnen Benchmarks.

BenchLM listet 24 Zeilen, kennzeichnet aber jede einzelne als „Provider exact" mit Verweis auf dieselbe Hugging-Face-Card und legt seine Quellenlage im Methodenkasten selbst offen. Das ist ein Spiegel, keine zweite Messung – BenchLM steht deshalb nur als Link an dieser Card, nicht als Score-Quelle.

LMArena führt das Modell zum Stand der Boards vom 27.08.2026 weder im Text- noch im Coding-Ranking.

Praxis und Betrieb

• FP8-Checkpoint 172,78 GiB, BF16 335,28 GiB
• Mindestens 51 GB Host-RAM, wenn die N-Gram-Tabelle ausgelagert wird
• Auf 8× H200 ist TEP8 nötig; einfaches TP8 ist mit den 128 breiten Quantisierungsblöcken des FP8-Checkpoints inkompatibel
• Werkzeugaufrufe über den Parser qwen3_xml, Reasoning über qwen3
• Thinking ist Standard und lässt sich über enable_thinking, preserve_thinking und reasoning_effort steuern

Preise

Für die offenen Gewichte ist kein Token-Preis ausgewiesen. Die verbreitet zitierten 0,15 $ Eingabe und 0,47 $ Ausgabe je 1 Mio. Token (bei 89 % Cache-Rabatt) gehören zur gehosteten Variante Qwen3.8-Flash auf Qwen Cloud. Sie sind dieser Card bewusst nicht als Herstellerpreis zugeordnet.

Weitere berichtete Werte ohne Eintrag in der Score-Tabelle

Alle Werte aus Alibabas offizieller Model Card, Stand 08/2026 – Herstellerangaben, keine eigene Messung.

Coding und Agentik

Benchmark	Wert
DeepSWE 1.1	58,7
SWE-bench Pro	62,5
SWE-bench Multilingual	81,0
NL2Repo-Bench	48,1
CoWorkBench	73,9
JobBench	55,7
Agents' Last Exam (Pass@1 / Score)	24,3 / 51,2
Toolathlon Verified (Pass@1)	73,5

Multimodal

Benchmark	Wert
ClawEval-MM (Pass@3 / Mittel)	64,4 / 60,4
RecreationBench	49,9
AndroidWorld	84,5
OSWorld 2.0 (binär / partiell)	19,4 / 52,3
Vision2Web	64,0
ERQA	72,3
LVBench	76,6
RealWorldQA	88,5
MathVision (ohne / mit Code-Interpreter)	90,6 / 95,7
CharXiv RQ (ohne / mit Code-Interpreter)	84,6 / 90,6

Gut zu wissen

Die Lizenz ist nicht Apache-2.0 wie beim Qwen3.8-27B, sondern die Qwen Community License 1.0. Sie erlaubt kommerzielle Nutzung einschließlich abgeleiteter Werke, verlangt aber eine gesonderte Vereinbarung mit Alibaba, sobald ein Model-as-a-Service- oder Assistenzgeschäft bestimmte Umsatz- und Nutzerschwellen überschreitet. Vor einem Aufbau auf diesen Gewichten also zu lesen.