就在 8 月 26 日，Qwen 发布了 Qwen3.8-Flash，还同时开源了 Qwen3.8-Flash-Next。相比简单的把模型做得更大，这次更值得关注的是下一代 Qwen4 的技术方向。

Qwen3.8-Flash-Next 同样采用 MoE 架构，主体规模约 125B 参数，但每 Token 实际激活 6B 参数。这意就味着整个模型可以保留较大的知识库的容量，同时明显降低了单次推理计算的量。

这次架构还有几个比较明显的变化。

第一是 Qwen Sparse Attention（QSA）。面对几十万乃至百万 Token 的长上下文时，传统 Attention 的计算和显存会快速增加。QSA 会先筛选真正需要的内容，从而降低长上下文处理的成本。

第二是 N-gram Embedding。Qwen3.8-Flash-Next 额外配备了 51B 的 N-gram Embedding，但这部分更像是“查询型容量”，不需要像 Transformer 参数那样全部参与矩阵计算。以后判断一个模型是否区大，可能不能光看总参数量了，还得要看每 Token 到底会激活多少参数。

官方还称相比 Qwen3.7-Plus，新架构训练开销仅为 1/9。与此同时它还在 SWE-bench Pro、DeepSWE、CoWorkBench 等 Coding 和 Agent 类测试中保持了较好的成绩。

我觉得 Qwen3.8-Flash 最值得去测试的场景是：Coding Agent。

在真实的 Coding Agent 需要连续读取代码仓库、分析日志、修改文件、运行测试并处理错误。这里真正考验的不是单次代码生成，而是长上下文、工具调用和连续几十轮执行的稳定性。Qwen3.8-Flash 的稀疏注意力 MoE 和百万上下文，恰好都是针对这类负载做了优化。

另外在上下文方面，Qwen3.8-Flash-Next 原生支持约 262,144 token 上下文，并可扩展到 1M；面向生产的时候 Qwen3.8-Flash 可直接提供百万级的上下文。

重点当然价格了、QwenCloud 当前给出的 Qwen3.8-Flash API 价格约为 输入 0.16 美元/百万 Token，输出 0.47 美元/百万 Token。对于普通聊天来说这也不算便宜，但是对比国外模型也算便宜的了，对于需要连续调用数十甚至数百次模型的 Agent，成本差会成倍增加。

所以我这次更愿意把 Qwen3.8-Flash 叫做一次“效率路线”的探索。125B 主模型、约 6B 激活参数、稀疏注意力、额外 N-gram 容量，再配合百万上下文和不低 API 成本，这些变化放在一起，比单独看 Benchmark 更有意思。如果 Qwen4 最终继续能沿着这条路线发展，大模型竞争接下来才是真正值得看的，有可能不再是谁的总参数更多，而是：同样的一次任务，到底是谁需要付出的计算成本更低。