Qwen3.8 Flash и Flash-Next: API, открытые веса и контекст 1M

Qwen3.8 Flash — это быстрая мультимодальная производственная модель Qwen для кодирования, работы агентов, визуального понимания и задач с длинным контекстом. Он появился вместе с моделью открытого веса с почти идентичным названием: Qwen3.8-Flash-Next.

Эти названия легко объединить в один продукт. Они родственны, но не взаимозаменяемы. Qwen3.8 Flash — это размещенная производственная версия с собственным контекстным окном на 1 миллион токенов и официальными встроенными инструментами. Qwen3.8-Flash-Next — это открытая предварительная версия базовой архитектуры следующего поколения с собственным контекстом токена 262,144, который можно расширить до 1 миллиона токенов.

Это различие влияет на код API, усилия по развертыванию, настройки контекста и даже на результаты тестов.

Qwen3.8 Flash через одну минуту

Официальная страница модели QwenCloud описывает Qwen3.8 Flash как мультимодальную модель, которая может работать с длинными документами, базами кода, диаграммами, изображениями и длинным видео. Он поддерживает рассуждение и нерассуждение, протоколы, совместимые с OpenAI и Anthropic, а также официальные инструменты для таких задач, как поиск и выполнение кода.

В настоящее время в размещенном сервисе перечислены:

• окно общего контекста 1M;
• до 991K токенов ввода в недумающем режиме;
• до токенов ввода 983K в режиме мышления;
• до выходных токенов 131K;
• до жетонов рассуждения 262K;
• OpenAI-совместимый идентификатор модели qwen3.8-flash.

Большие ограничения не означают, что каждый запрос должен их использовать. Приглашение с миллионом токенов загружается медленнее, его сложнее отлаживать и оно обходится дороже, чем сфокусированный контекст. Полезной частью является запас: агент может хранить больше истории репозитория, результатов инструментов или документальных доказательств, прежде чем ему потребуется обобщить или отбросить материал.

Цены Qwen3.8 Flash

QwenCloud в настоящее время перечисляет размещенную модель по цене $0.16 за миллион входных токенов и $0.47 за миллион выходных токенов. Неявные попадания в кэш стоят $0.016 за миллион входных токенов. Явное создание кэша указано в размере $0.20 за миллион, а явное чтение кэша — $0.016 за миллион.

Эти цены делают сеансы кэшированных агентов особенно интересными. Подсказку стабильной системы, карту репозитория или пакет документов можно использовать повторно, при этом каждый запрос добавляет меньшее количество свежего контекста. Сэкономит ли это деньги на практике, зависит от приемлемости кэша и частоты попаданий, поэтому регистрируйте и то, и другое, а не предполагайте, что каждый повторяющийся префикс не учитывается.

Ценообразование — это живая настройка продукта. Прежде чем оценивать производственный бюджет, ознакомьтесь с обзором Qwen3.8 Flash.

Что такое Qwen3.8-Flash-Next?

Qwen3.8-Flash-Next — это загружаемая версия. Qwen называет его первой моделью с открытым весом, созданной на основе предварительной версии своей следующей архитектуры. В его официальной карточке модели перечислены 125 миллиардов основных параметров, из которых 6 миллиардов активируются для каждого токена, а также 51 миллиард параметров n-граммных эмбеддингов и 4 миллиарда параметров MTP.

Архитектура сочетает в себе несколько идей эффективности:

• Qwen Разреженное внимание (QSA) выбирает микроблоки, а не обрабатывает каждый токен одинаковым образом.
• Gated DeltaNet обеспечивает линейный путь внимания для эффективной обработки последовательностей.
• Вложения N-грамм добавляют емкость в форме, которую легче выгрузить, чем обычные экспертные параметры.
• Закрытые остаточные соединения и оптимизация на основе мюонов меняют способ обучения более глубокой сети.

Вам не нужно понимать каждый механизм, чтобы использовать модель. Практическое утверждение состоит в том, что Qwen пытается сохранить возможности длинного контекста и агента, активируя при этом гораздо меньшую часть полного количества параметров для каждого токена.

Открытая модель понимает текст, изображения и видео и по умолчанию работает в режиме мышления. Он поддерживает такие элементы управления, как enable_thinking, preserve_thinking и reasoning_effort. Qwen публикует рецепты подачи для SGLang, vLLM и TokenSpeed.

Flash и Flash-Next — это не два формата файлов.

Самая простая таблица решений такова:

В открытом выпуске используется лицензия сообщества Qwen, а не общая лицензия MIT или Apache. Прочтите условия лицензии, прежде чем перераспределять веса или создавать коммерческую размещенную службу.

Расширение Flash-Next до 1 миллиона токенов также не является бесплатным переключением. Qwen рекомендует масштабировать RoPE на основе YaRN только тогда, когда необходим сверхдлинный контекст. Увеличение окна увеличивает требования к памяти и может повлиять на качество или задержку при более коротких запросах. Настройте контекст, который вы фактически используете, а не наибольшее число, которое принимает программное обеспечение.

Можете ли вы запустить Qwen3.8-Flash-Next локально?

«Открытые веса» не означает «модель ноутбука». Общий объем параметров велик, хотя для каждого токена активируется только 6 миллиардов основных параметров. При обслуживании по-прежнему приходится хранить или разгружать полные веса, компоненты машинного зрения, кэши и накладные расходы времени выполнения.

Серьезная самостоятельная оценка должна ответить на четыре вопроса, прежде чем она начнется:

1. Какую точность веса и квантование вы будете использовать?
2. Сколько памяти ускорителя и системной памяти доступно?
3. Какая длина контекста и параллелизм вам действительно нужны?
4. Цель — снижение затрат, контроль данных, индивидуальный вывод или просто экспериментирование?

Для небольшой команды размещенный API — это самый быстрый способ проверить качество вывода. Самостоятельное размещение имеет смысл, когда контроль над размещением данных, настройками вывода, постоянным объемом или модификацией модели оправдывает операционную работу.

Где Qwen3.8 Flash наиболее полезен

Форма модели указывает на три практические категории.

Кодирование в масштабе репозитория. Длинный контекст может содержать заметки об архитектуре, код, неудачные тесты и результаты инструментов. Модель по-прежнему нуждается в дисциплинированном цикле агентов; сброс всего репозитория в одно приглашение не заменяет поиск и проверку.

Визуальные агенты. Qwen3.8 Flash может проверять снимки экрана, диаграммы и длинные видео в рамках более крупной задачи. Прежде чем предоставить контроль над рабочим столом или браузером, проверьте, надежно ли он распознает отключенные состояния, маленькие метки, модальные диалоговые окна и неудачные действия.

Длительная работа с документами. Окно может охватывать большие отчеты или подборки документов, однако ссылки и проверки поиска по-прежнему необходимы. Модель может упускать из виду соответствующий отрывок, даже если он технически соответствует контексту.

Справедливый план оценки

Сравните подобное с подобным. Если вы тестируете производственную модель QwenCloud на локальном Flash-Next, запишите время выполнения, точность, конфигурацию контекста, настройки мышления и уровень инструментов. В противном случае разница, приписываемая «модели», может возникнуть из-за обслуживания или быстрой настройки.

Используйте небольшой набор задач, отражающих реальную работу: одна ошибка в репозитории, одно действие, основанное на снимке экрана, один длинный документальный вопрос и одно повторяющееся задание агента. Измеряйте уровень успеха, время настенных часов, токены ввода/вывода, попадания в кэш и время коррекции человеком. Самая дешевая цена токена не имеет значения, если результат требует повторного ремонта.

Чем Qwen3.8 Flash не является

Qwen3.8 Flash может понимать визуальный ввод, но это не модель генерации изображений в каталоге Yix. Если вы хотите создавать изображения, просмотрите каталог моделей AI Yix. Если у вас есть эталонное изображение и вам нужна подсказка для многократного использования, бесплатный Генератор изображений для подсказок является более подходящим инструментом.

Итог

Qwen3.8 Flash привлекателен как недорогая размещенная мультимодальная модель с действительно большим контекстом и удобным для разработчиков API. Qwen3.8-Flash-Next более интересен командам, которым нужны открытые веса и которые готовы работать с очень большой моделью.

Помните правило именования: Flash — это производственный сервис; Flash-Next — это открытая предварительная версия архитектуры. Начните с размещенного API для быстрой проверки возможностей. Переходите к открытым весам только тогда, когда у вас есть веская причина владеть стеком вывода.

Сопутствующие руководства по быстрым моделям

API для чтения изображений с необычайно низкой стоимостью визуальных токенов см. в DeepSeek V4 Flash Vision Exp Guide. Информацию о другой открытой модели с контекстом 1M, которая впервые появилась под временным именем, см. в Руководстве по Ox Alpha и GLM-5.3-Flash.

Источники: Qwen3.8 Flash на QwenCloud, Qwen3.8-Flash-Next model card, сообщение об архитектуре Qwen и технический репозиторий.

Qwen является товарным знаком соответствующего владельца. Yix не связан с Qwen.