雨哥向前冲(@xiangxiang103):千问把 Qwen4"偷跑"了？新模型叫 Qwen3.8-Flash-Next，但名字是 3.8，底层已经换上下一代 Qwen4 架构。目前曝光的几个重点： ① 125B MoE，每个 Token 只激活约 6B 参数 ② 额外加入约 51B N-gram Embedding ③ GDN 混合层 + Qwen 稀疏注意力 ④ 原生多模态，FP8 同步发布 ⑤ 约 1/9 训练成本，能力接近 Qwen3.7-Plus，编程和 Agent 表现更强简单理解：用 6B 参数负责"现场思考"，用 MoE 专家负责"专业能力"，用 N-gram Embedding 负责"知识记忆"。不过，A6B 不等于只需 6B 模型的显存。它降低的是计算量，完整权重依然很大，因此更像服务器和 128GB 级设备的模型，而不是 24GB 显卡的本地小钢炮。所以它真正的定位，可能不是取代 Qwen3.8-27B，而是： Qwen4 的架构预览版、生态适配版和技术验证版。真正值得期待的是下一步——如果千问把这套架构做成 27B/30B Dense，那才可能成为本地模型的王炸。 Qwen3.8 还没测完，Qwen4 已经探出头了。你更期待极速 MoE，还是 Qwen4 Dense？

2026.08.25 13:52

千问把 Qwen4"偷跑"了？新模型叫 Qwen3.8-Flash-Next，但名字是 3.8，底层已经换上下一代 Qwen4 架构。目前曝光的几个重点： ① 125B MoE，每个 Token 只激活约 6B 参数 ② 额外加入约 51B N-gram Embedding ③ GDN 混合层 + Qwen 稀疏注意力 ④ 原生多模态，FP8 同步发布 ⑤ 约 1/9 训练成本，能力接近 Qwen3.7-Plus，编程和 Agent 表现更强简单理解：用 6B 参数负责"现场思考"，用 MoE 专家负责"专业能力"，用 N-gram Embedding 负责"知识记忆"。不过，A6B 不等于只需 6B 模型的显存。它降低的是计算量，完整权重依然很大，因此更像服务器和 128GB 级设备的模型，而不是 24GB 显卡的本地小钢炮。所以它真正的定位，可能不是取代 Qwen3.8-27B，而是： Qwen4 的架构预览版、生态适配版和技术验证版。真正值得期待的是下一步——如果千问把这套架构做成 27B/30B Dense，那才可能成为本地模型的王炸。 Qwen3.8 还没测完，Qwen4 已经探出头了。你更期待极速 MoE，还是 Qwen4 Dense？