Alibaba Launches Qwen3.8-Flash: New Hybrid Architecture & Ultra-Low Cost
Alibaba's Qwen team has officially launched Qwen3.8-Flash, a multimodal MoE model featuring the new 'Next' architecture with 100B total parameters but only 6B active. By leveraging QSA sparse attention and Gated Residual techniques, it reduces computational overhead significantly, achieving over 8x speedup in long-context scenarios while offering ultra-low pricing at $0.11 per million input tokens.
Related Entities
Full Report
刚刚,千问AI平台上线Qwen3.8-Flash
在编程、Agent等真实任务中达到极致性价比
最新价格如下
👇👇👇
输入每百万Tokens 0.8元
输出每百万Tokens 2.7元
缓存命中每百万Tokens 0.1元
Qwen3.8-Flash是一个多模态混合专家(MoE)模型,采用了下一代(Next)模型架构,千亿总参数仅激活60亿(6B),创下模型效率的全球新基准。
模型采用了与此前所有千问大模型完全不同的全新架构:
在注意力方面,引入独特的QSA(Qwen Sparse Attention)机制,形成与GDN高效融合的混合注意力架构,可显著降低计算开销,在高缓存命中的1M Tokens长上下文实际场景中可提速8倍以上,又准又快;
在模型内部分层通信方面,引入自研的Gated Residual方法,将传统Transformer的1条信息主通道拆分并拓展为4条,让模型可根据需求动态决定读写信息,信息传递更高效,训练也更稳定;
在模型参数扩展方面,引入51B的N-gram Embedding参数,为模型Transformer参数提供更高效的查表寻址,在每次token计算时无需参与,以极少的资源消耗“外挂”了一个大规模的 “记忆指南手册”,模型参数扩展效率更高;
在模型调参方面,模型结构和后期优化协同进行,收敛效率和训练吞吐大幅提升。
Qwen3.8系列技术创新,直接带来了训练和推理的成本大幅下降,模型的API服务已首发上线千问AI平台,开发者可直接调用API或Token Plan,以普惠价格获取前沿性能。
推理时,Qwen3.8-Flash每百万Tokens输入低至0.8元,输出2.7元;国际站每百万Tokens输入0.15美元、输出0.47美元。
在真实任务中,Agent工作需长输入(Input),缓存命中价格对综合成本影响大,Qwen3.8-Flash缓存命中价格低至每百万Tokens 0.1元、国际站0.016美元,特别适合大量、频繁的日常智能体任务,开发者可以极致性价比获取前沿性能。
目前,千问办公“标准模式”也已内置Qwen3.8-Flash,可完成95%的日常办公任务。
Next新架构将是全新一代千问大模型Qwen4的雏形,Qwen3.8-Flash-Next模型权重已在Hugging Face、魔搭社区全面开源,交由全球AI开源社区检验,以更好打造Qwen4模型。截至目前,Qwen3.8已开源发布的2.4T参数量的Qwen3.8-Max、Qwen3.8-27B及Qwen3.8-Flash三大尺寸模型,均已上线千问AI平台对外提供API服务。
Qwen3.8-Flash模型体验地址:
千问AI平台:
https://www.qianwenai.com/models/qwen3.8-flash
QwenCloud:
https://www.qwencloud.com/models/qwen3.8-flash
千问AI平台-为Agent而生,驱动AI生产力 扫描下方二维码,直达千问AI平台体验
点击阅读原文即可体验!