Qwen3.8 Flash
阿里云通义千问系列的多模态语言模型，采用MoE稀疏激活架构，总参数1250亿但每次仅激活约60亿，原生支持文本、图片、视频输入及百万级上下文窗口
核心事实
时间轴 (近 90 天)
一项对比测试显示，Qwen3.8 Flash（125B）的Anslows UD-Q4量化版在工程交付场景下的综合得分超过官方Flash API。
在Python编程题测试中Strata约4秒完成而云端近19秒；创意写作测试Strata约3秒云端约10秒
Qwen3.8 Flash是MoE模型，内部分24576个专家、48层，每生成一个token只激活约10个专家
Strata使用低比特量化，最小配置约需38GB的内存+显存总和，最高质量配置约需55GB，64GB系统内存是理想目标
Qwen3 Flash Next在本地运行中开发者Primitive报告的生成速度达到142.6 tokens/s
在一台128G算力舱设备上，Qwen3.8 Flash的解码速度常态达241 TPS，峰值达274 TPS
Qwen3.8 Flash 支持思考模式（先推理再作答），也可关闭思考直接作答
作者提出评估多模态长上下文模型的三个指标：长材料关键信息是否遗漏、图片数字是否读错、输出格式是否可直接使用
Qwen3.8 Flash 是原生多模态模型，输入端支持文本、图片、视频三种形式，输出端为文本
Qwen3.8 Flash在Cowork Bench上得分73.9，DeepSeek得分45.1
还有 16 条时间轴事件
全部知识事实 (20)
Qwen 3.8 Flash Next采用混合专家架构（MoE）
80%已验证Strata使用低比特量化，最小配置约需38GB的内存+显存总和，最高质量配置约需55GB，64GB系统内存是理想目标
70%已验证Qwen3 Flash Next在本地运行中开发者Primitive报告的生成速度达到142.6 tokens/s
65%已验证云端生产版Qwen3.8 Flash默认提供100万Token上下文并内置官方工具链
65%待验证Qwen3.8 Flash 是原生多模态模型，输入端支持文本、图片、视频三种形式，输出端为文本
60%待验证一项对比测试显示，Qwen3.8 Flash（125B）的Anslows UD-Q4量化版在工程交付场景下的综合得分超过官方Flash API。
50%待验证Qwen3.8 Flash是MoE模型，内部分24576个专家、48层，每生成一个token只激活约10个专家
50%待验证在一台128G算力舱设备上，Qwen3.8 Flash的解码速度常态达241 TPS，峰值达274 TPS
50%待验证作者提出评估多模态长上下文模型的三个指标：长材料关键信息是否遗漏、图片数字是否读错、输出格式是否可直接使用
50%待验证Qwen3.8 Flash 支持思考模式（先推理再作答），也可关闭思考直接作答
50%待验证Qwen3.8 Flash的激活参数量约为GLM的三分之一
50%待验证云端生产版Qwen3.8 Flash默认提供100万Token上下文
50%待验证Qwen3.8 Flash强在办公型协作场景，GLM强在编程Agent场景
50%待验证生产环境使用时应设置max_tokens上限、在系统提示词中要求简洁输出、使用结构化输出格式来约束响应以控制成本
50%待验证阿里官方给出Qwen3.8 Flash的SWE-Bench Pro得62.5，领先Claude Opus 4.6约9分；Cowork Bench 73.9，DeepSeek为45.1；Job Bench 55.7，超出Opus 4.6约20分
50%待验证若追求编程Agent的极致体验或极致响应速度应慎重考虑Qwen3.8 Flash，可考虑GLM或DeepSeek
50%待验证Qwen3.8 Flash分为两个产品：开放权重版Qwen3.8 Flash Next和云端生产版Qwen3.8 Flash
50%待验证千问的输出量明显高于平台中位数，输出冗长会推高总账单成本
50%待验证模型能力、生成速度、Agent框架调度是三个互不等价的维度，模型能力强不代表体感快
50%待验证阿里发布了千问 Qwen3.8 Flash
50%