阿里旗下千问团队近日推出全新大模型Qwen3.8-Flash，并同步开源模型权重。该模型采用多模态混合专家（MoE）架构，通过激活1250亿参数中的60亿（6B）实现性能突破，在多项基准测试中超越Claude Opus4.6，部分场景表现接近Opus4.8。相较于前代Qwen3.7-Plus，新模型训练成本降低90%，推理成本降至每百万Tokens输入1元、输出3元，价格仅为DeepSeek-V4-Flash忙时价格的1/3，重新定义了全球大模型的性价比标准。
技术架构层面，Qwen3.8-Flash引入四大创新机制：在注意力计算上，通过QSA（Qwen Sparse Attention）与GDN融合的混合架构，使1M Tokens长上下文处理速度提升8倍；信息传递方面，自研Gated Residual方法将传统Transformer的单通道拆分为四条动态路径，显著提升训练稳定性；参数扩展通过51B规模的N-gram Embedding实现"外挂式记忆指南"，避免计算资源浪费；模型优化则采用结构与训练协同设计，使收敛效率提升3倍。这些革新使未经过微调的基座模型在通用能力、数学推理和编程任务上即超越3倍体量的Qwen3.7-Plus。
在专业场景评测中，Qwen3.8-Flash展现显著优势：智能体编程任务SWE-bench Pro得分领先Opus4.6达9.1分，长程协作任务CoWorkBench和工具调用任务Toolathlon Verified均超越DeepSeek-V4-Flash，办公任务JobBench评测超出Opus4.6近20分。多模态能力方面，移动端操作AndroidWorld评测领先22.5分，视觉数学推理MathVision超出25.1分，具身智能ERQA任务领先31.5分。这些性能突破得益于模型架构与训练方案的协同优化，特别是混合注意力机制和动态信息通道设计，使复杂任务处理效率大幅提升。
应用落地层面，Qwen3.8-Flash已率先集成至"千问办公"标准模式，可自动完成95%的日常办公任务，包括文档处理、数据分析、跨系统操作等。开发者和企业可通过千问AI平台调用模型API，享受低至行业1/3的推理成本。技术团队透露，该模型采用的Next架构将成为Qwen4的基础框架，目前已在Hugging Face和魔搭社区开源Qwen3.8-Flash-Next权重，供全球开发者参与验证。截至发布时，Qwen系列模型全球下载量已突破30亿次，衍生模型超30万个，形成覆盖2.4T参数量、全尺寸全模态的开源生态，持续推动中国大模型技术全球化发展。
