2026 年 8 月 26 日，阿里通义千问团队正式发布全新多模态 MoE 模型 Qwen3.8-Flash：主模型参数量 125B，额外配备 51B N-gram Embedding，每 Token 仅激活 6B 参数，原生支持 262,144 Tokens 上下文，可通过 YaRN 扩展至 100 万 Tokens。API 输入价格低至每百万 Tokens 1 元。
架构升级：四个方向的效率革命
Qwen3.8-Flash 围绕 Attention、Residual、Embedding 和 Optimization 四个方向重构架构：
- 混合注意力：Gated DeltaNet 负责压缩和保留历史信息，Qwen Sparse Attention 在 Micro-block 粒度筛选重要上下文，显著降低长序列的注意力与索引开销
- Gated Residual：将传统单一残差流扩展为 4 条并行分支，动态门控改善跨层信息传递和训练稳定性
- 51B N-gram Embedding：以较低计算成本扩展模型容量，并可卸载至 Host Memory
- Muon Optimizer：针对新架构重新拟合 Scaling Law
性能数据
| 指标 | 成绩 |
|---|---|
| QSA Attention Kernel Prefill 加速（100 万 Token 上下文） | 最高 7.6 倍 |
| QSA Attention Kernel Decode 加速 | 最高 4.9 倍 |
| Prefill 吞吐（90% 前缀缓存命中率） | Qwen3.7-Plus 的 8.6 倍 |
| 训练开销 | 约为 Qwen3.7-Plus 的 1/9 |
在训练成本大幅降低的同时，Qwen3.8-Flash 在 AI 编程、办公任务和智能体场景中的表现反而超过 Qwen3.7-Plus。
价格与获取
- API 价格：输入每百万 Tokens 1 元、输出 3 元
- 生产版本：默认提供 100 万 Token 上下文和官方内置工具
- 千问办公：Qwen3.8-Flash 已首发接入，服务文档、表格、演示文稿和专业研究等场景
彩蛋：Qwen3.8-Flash-Next 权重开放
千问团队同步开放了 Qwen3.8-Flash-Next 模型权重，这是下一代 Qwen4 架构的实验性预览，开发者可通过 Hugging Face 和 ModelScope 下载自行部署。官方表示，提前开放权重是为了让社区测试验证新架构，为完整的 Qwen4 模型家族做准备。
常见问题（FAQ）
Qwen3.8-Flash 开源吗？
Qwen3.8-Flash 本体通过千问 AI 平台提供 API 服务；实验性的 Qwen3.8-Flash-Next 权重已开放下载，可视为 Qwen4 的预览版。
和 Qwen3.8-Max 有什么区别？
Max 是 2.4 万亿参数的旗舰模型，追求最强性能；Flash 是 125B 主参数的高效模型，追求极致性价比，API 价格低了两个数量级。
上下文窗口有多大？
原生 262,144 Tokens，通过 YaRN 可扩展至 100 万 Tokens，生产版本默认开放 100 万上下文。
小结
Qwen3.8-Flash 证明了「更省的架构 + 更强的效果」可以同时成立：训练成本压到 1/9、激活参数仅 6B，编程和 Agent 能力却不降反升。对于成本敏感的高频调用场景（办公自动化、Agent 工作流），这是目前性价比极高的选择之一。
消息来源：aihub.cn 资讯、通义千问官方。
相关阅读
这条线上还有几篇站内文章可以接着看：