阿里正式推出并开源了千问系列最新模型Qwen3.8-Flash，该模型凭借创新的架构设计和训练方案，在性能与成本之间实现了突破性平衡。其核心架构采用多模态混合专家（MoE）模式，通过仅激活1250亿参数中的60亿（6B）即达到超越Claude Opus4.6的效能，在智能体编程、专业任务处理及多模态推理等场景中展现显著优势。
在技术架构层面，Qwen3.8-Flash引入四项关键创新：注意力机制方面，QSA（Qwen Sparse Attention）与GDN高效融合的混合架构，使长文本处理速度提升8倍以上；信息传递层面，自研的Gated Residual方法将传统单通道拆分为四条动态路径，显著提升训练稳定性；参数扩展方面，510亿规模的N-gram Embedding模块作为"外挂记忆库"，在不增加计算负担的前提下优化参数效率；训练优化方面，模型结构与训练策略的协同设计使收敛效率提升40%。
性能评测数据显示，预训练阶段的基座模型在通用知识、数学推理、编程能力等基础指标上已超越参数规模三倍的Qwen3.7-Plus。经过后训练优化后，该模型在SWE-bench Pro编程评测中领先Opus4.6达9.1分，在CoWorkBench长程任务和Toolathlon Verified工具调用等智能体场景中均超越DeepSeek-V4-Flash，专业任务处理能力较Opus4.6提升近20分。多模态领域表现尤为突出，AndroidWorld移动端操作、MathVision视觉数学推理、ERQA具身智能等专项评测中分别领先22.5、25.1和31.5分。
成本优化成为该模型另一核心亮点。训练环节资源消耗较前代降低90%，推理成本降至每百万Tokens输入1元、输出3元，仅为Claude Opus4.6的3%，且在DeepSeek-V4-Flash的忙闲时段定价体系中分别占据1/3和2/3的价位优势。这种极致性价比使其在智能体编程、专业办公自动化等场景中具备显著竞争力，目前"千问办公"标准模式已内置该模型，可覆盖95%的日常办公需求。
开源战略方面，Qwen3.8-Flash-Next的模型权重已在Hugging Face和魔搭社区全面开放，作为Qwen4代模型的雏形接受全球开发者检验。至此，千问系列已完成2.4T参数规模的Qwen3.8-Max、270亿参数的Qwen3.8-27B及60亿参数的Qwen3.8-Flash全尺寸布局。数据显示，Qwen系列全球下载量已突破30亿次，衍生模型数量超过30万个，其全模态开源策略正在全球AI领域引发新一轮技术浪潮。
