Alle Depeschen

DepescheModelle

Qwen3.8-Flash-Next setzt sechs von 125 Milliarden Parametern ein

Alibaba stellt Qwen3.8-Flash-Next als Vorschau auf Qwen4 vor. Das Mixture-of-Experts-Modell hat 125 Milliarden Hauptparameter und aktiviert pro Token etwa sechs Milliarden. Die Modellkarte nennt 262.144 Token Kontext, eine Erweiterung auf eine Million per YaRN sowie Anbieterwerte für Coding und Schlussfolgern.

Aussagen gegen die Quellen geprüft · 26. August 2026

Qwen3.8-Flash-Next kombiniert 512 Experten, von denen elf aktiviert werden, mit 48 Schichten. Zusätzlich zu den 125 Milliarden Parametern des Hauptmodells enthält es einen N-Gram-Zweig mit 51 Milliarden Parametern. Aktiv sind laut Modellkarte rund sechs Milliarden Parameter je Token. Alibaba gibt an, ungefähr ein Neuntel der Trainingsmenge des Vorgängers Qwen3.7-Plus verwendet zu haben.

Als Anbieterwerte nennt Alibaba unter anderem 62,5 Prozent auf SWE-bench Pro, 91,7 Prozent auf GPQA Diamond und 91,9 Prozent auf LiveCodeBench v6. Das Modell steht unter der Lizenz qwen-community-1.0 und damit nicht unter Apache 2.0. Ein am selben Tag gelistetes Vercel-Modell mit einer Million Token Kontext und 65.000 Ausgabetoken lässt sich der Modellkarte nicht sicher zuordnen.