Alibaba Qwen ra mắt Qwen3.8-Flash-Next
Tổng quan sự kiện
Toàn cảnh do AI tổng thuật
Vào ngày 26 tháng 8 năm 2026, Qwen đã mã nguồn mở Qwen3.8-Flash-Next, một mô hình đa phương thức MoE và cũng là bản xem trước sớm của kiến trúc Qwen4. Mô hình được tích hợp bốn nâng cấp quan trọng như cơ chế chú ý hỗn hợp GDN+QSA, sở hữu tổng cộng 125B tham số với 6B tham số kích hoạt mỗi token. Chi phí huấn luyện chỉ bằng khoảng 1/9 so với Qwen3.7-Plus, đồng thời cải thiện đáng kể khả năng lập trình và xử lý các tác vụ văn phòng.
Mô hình này sở hữu kiến trúc MoE (Mixture-of-Experts) có độ thưa cao, với tổng tham số 125B cộng thêm 51B n-gram embedding, mỗi token chỉ kích hoạt 6B tham số. Độ dài ngữ cảnh gốc 256K có thể mở rộng lên 1M thông qua YaRN. Lớp MoE sử dụng 512 chuyên gia và cơ chế định tuyến top-10, với tổng cộng 48 lớp. N-gram embedding giúp mở rộng dung lượng mà gần như không làm tăng chi phí tính toán, đồng thời có thể lưu trú trong bộ nhớ thông qua cơ chế tải trước bất đồng bộ.
Có báo cáo cho biết mô hình với 6B tham số kích hoạt này đã vượt qua Claude Opus 4.6, và các báo cáo mới nhất khẳng định thêm rằng nó đã đánh bại cả Claude Opus 4.6 Max. SGLang cung cấp hỗ trợ Day-0, có thể triển khai ngay trong ngày.
Tổng thuật do AI tổng hợp từ toàn bộ bài đưa tin, cập nhật theo diễn biến · làm mới T5 · 27/08 · 08:36.
Diễn biến mới nhất
Các báo cáo mới nhất xác nhận Qwen3.8-Flash-Next đã vượt qua Claude Opus 4.6 Max.
Chính chủ · 3 bài
Nghe trực tiếp từ bên liên quan
- X: Tongyi Qwen / Qwen (@Alibaba_Qwen)Qwen3.8-Flash-Next ra mắt, SGLang hỗ trợ ngay từ ngày đầu
- LMSYS: Blog (nhóm Chatbot Arena)Qwen mã nguồn mở Qwen3.8-Flash-Next, SGLang cung cấp hỗ trợ Day-0
Dòng thời gian đưa tin
Đang hiện 9 bài · tất cả · mới trước
T5 · 27/08
Ra mắt Qwen3.8-Flash-Next: Mô hình MoE đa phương thức mã nguồn mở từ Qwen, hé lộ kiến trúc Qwen4
Simon Willison BlogQwen vừa phát hành mô hình MoE đa phương thức mã nguồn mở Qwen3.8-Flash-Next, đóng vai trò là bản xem trước cho kiến trúc Qwen4. Mô hình sở hữu tổng cộng 125B tham số nhưng chỉ kích hoạt 6B tham số, mang lại hiệu suất vượt trội. Tác giả đã thử nghiệm phiên bản lượng tử hóa qua Unsloth trên DGX Spark, bao gồm hai phiên bản UD-IQ1_S dung lượng 72.5GB và UD-Q2_K_XL dung lượng 78.9GB.
Ra mắt Qwen3.8-Flash-Next, tích hợp các cải tiến kiến trúc từ Qwen4
X: SemiAnalysis (@SemiAnalysis_)Alibaba vừa ra mắt Qwen3.8-Flash-Next, sử dụng cùng các cải tiến kiến trúc với phiên bản Qwen4 sắp tới. Các tính năng bao gồm N-gram Embedding với 51 tỷ tham số (cho phép chuyển bảng nhúng sang bộ nhớ DRAM giá rẻ, tốc độ thấp), kết nối dư có cổng (GR) và cơ chế chú ý thưa QSA giúp chọn lọc ngữ cảnh ở cấp độ khối siêu nhỏ. Những đổi mới này cho thấy bước tiến tiên phong của các mô hình mã nguồn mở Trung Quốc trong các lĩnh vực như kết nối dư.
T4 · 26/08
Đội ngũ Qwen của Alibaba vừa ra mắt Qwen3.8-Flash-Next: mô hình MoE đa phương thức 125B, chỉ kích hoạt 6B tham số, được xem là bản xem trước cho kiến trúc Qwen4
MarkTechPostĐội ngũ Qwen của Alibaba đã phát hành mô hình MoE đa phương thức mã nguồn mở Qwen3.8-Flash-Next. Mô hình này sở hữu cấu trúc gồm 125B tham số chính, kết hợp với bảng nhúng N-gram 51B và mô-đun dự đoán đa token 4B. Với việc chỉ kích hoạt 6B tham số cho mỗi token, đây được coi là bản xem trước sớm cho kiến trúc Qwen4.
Alibaba ra mắt Qwen3.8-Flash-Next, tập trung vào "hiệu quả chi phí tối ưu"
The Decoder: AI NewsĐội ngũ Qwen của Alibaba vừa công bố mô hình đa phương thức MoE mang tên Qwen3.8-Flash-Next. Đây được xem là bản xem trước kiến trúc cho Qwen4, sở hữu tổng cộng 125 tỷ tham số nhưng chỉ kích hoạt 6 tỷ tham số trên mỗi token. Mô hình này cũng tích hợp lớp nhúng N-gram với 51 tỷ tham số, cho phép vận hành trực tiếp trên bộ nhớ hệ thống.
Qwen3.8-Flash-Next ra mắt, SGLang hỗ trợ ngay từ ngày đầu
X: Tongyi Qwen / Qwen (@Alibaba_Qwen)Chính chủAlibaba ra mắt Qwen3.8-Flash-Next, SGLang hỗ trợ triển khai ngay trong ngày. Đây là mô hình chính 125B, bao gồm 51B N-gram embedding, mỗi token kích hoạt 6B tham số. N-gram embedding giúp mở rộng dung lượng mà gần như không làm tăng chi phí tính toán, đồng thời có thể lưu trú trong bộ nhớ thông qua cơ chế tải trước bất đồng bộ; cơ chế chú ý hỗn hợp GDN+QSA giúp cân bằng giữa hiệu suất tác vụ dài và độ chính xác khi truy xuất.
Qwen mã nguồn mở Qwen3.8-Flash-Next, SGLang cung cấp hỗ trợ Day-0
LMSYS: Blog (nhóm Chatbot Arena)Chính chủĐội ngũ Qwen phát hành mã nguồn mở mô hình đa phương thức MoE Qwen3.8-Flash-Next, đóng vai trò là phiên bản xem trước sớm của kiến trúc Qwen4. Mô hình này sử dụng 125B tham số chính cộng thêm 51B N-gram embedding, mỗi token kích hoạt 6B tham số, gồm 48 lớp, lớp MoE sử dụng 512 chuyên gia và cơ chế định tuyến top-10.
Qwen3.8-Flash-Next: 6B tham số kích hoạt đánh bại Claude Opus 4.6 Max
X: Kim (@kimmonismus)Qwen3.8-Flash-Next chính thức ra mắt. Đây là mô hình MoE có độ thưa cao, với tổng cộng 125B tham số cùng 51B N-gram embedding, nhưng chỉ kích hoạt 6B tham số cho mỗi token.
Qwen3.8-Flash-Next chính thức ra mắt, với 6B tham số kích hoạt vượt qua Claude Opus 4.6
X: Kim (@kimmonismus)Qwen3.8-Flash-Next đã chính thức được phát hành. Đây là mô hình đa phương thức mã nguồn mở dạng MoE thưa thớt cao, sở hữu tổng cộng 125B tham số cùng 51B tham số nhúng n-gram, chỉ kích hoạt 6B tham số cho mỗi token. Độ dài ngữ cảnh gốc là 256K và có thể mở rộng lên tới 1M thông qua YaRN.
Qwen3.8-Flash-Next ra mắt mã nguồn mở: Bản xem trước sớm của kiến trúc Qwen4
Qwen: Blog Retrieval (API)Chính chủQwen công bố mã nguồn mở Qwen3.8-Flash-Next, một mô hình đa phương thức MoE và là bản xem trước sớm của kiến trúc Qwen4. Mô hình được áp dụng bốn nâng cấp bao gồm cơ chế chú ý hỗn hợp GDN + QSA, với tổng cộng 125B tham số và 6B tham số kích hoạt mỗi token. Chi phí huấn luyện chỉ bằng khoảng 1/9 so với Qwen3.7-Plus, đồng thời tăng cường hiệu suất trong các tác vụ lập trình và văn phòng.