Qwen3.8-Flash-Next: Alibaba geeft een voorproefje van de Qwen4-architectuur

Het Qwen-team van Alibaba bracht op 26 augustus 2026 Qwen3.8-Flash-Next uit, een multimodaal mixture-of-experts-model met open gewichten dat MarkTechPost omschrijft als gebouwd “voor kosten per token”. Het checkpoint rust op een backbone van 125 miljard parameters, waarvan er per token slechts 6 miljard actief zijn — een verhouding die het Qwen-team presenteert als een vroege voorbode van de architectuur die Qwen4 zal onderbouwen, dezelfde rol die Qwen3-Next speelde vóór Qwen3.5, aldus MarkTechPost.

Het totale aantal parameters op schijf komt uit op 180 miljard zodra aan de hoofdbackbone een N-gram-embeddingtabel van 51 miljard parameters en een multi-token-voorspellingsmodule van 4 miljard parameters worden toegevoegd, meldt MarkTechPost. The Decoder omschrijft de N-gram-laag als een soort “zinsnedenwoordenboek” dat veelvoorkomende woordgroepen als losstaande items opslaat en in gewoon systeemgeheugen kan staan in plaats van op de GPU, tegen wat Qwen “relatief lage extra kosten” noemt.

Vier veranderingen dragen deze release

MarkTechPost noemt vier architecturale veranderingen achter Qwen3.8-Flash-Next. De eerste is een hybride attention-opzet: drie van elke vier lagen draaien Gated DeltaNet, een lineair attention-mechanisme dat geschiedenis comprimeert tot een terugkerende toestand van vaste grootte, terwijl de vierde laag Qwen Sparse Attention (QSA) draait, dat context selecteert op microblok-niveau via een lichtgewicht indexer. Over de 48 lagen van het model herhaalt het patroon zich in 12 blokken van drie Gated-DeltaNet-lagen gevolgd door één QSA-laag, met een QSA-budget van maximaal 512 blokken of 2048 tokens.

De tweede verandering, Gated Residual, verbreedt de residuele stroom naar vier parallelle takken, aangestuurd door een elementgewijze leespoort en een schrijfpoort per tak bij bottleneck-rang 320. De derde is de hierboven beschreven N-gram-embedding. De vierde is een trainingsrecept dat de Muon-optimizer naast AdamW toepast op specifieke gewichtscategorieën, de batch-size-warmup schrapt en de schaalwetten van het model herijkt, meldt MarkTechPost. De mixture-of-experts-laag zelf routeert tussen 512 experts, waarbij per token 10 gerouteerde experts plus 1 gedeelde expert actief zijn, bij een tussenliggende expertdimensie van 640.

• 125 miljard parameters in totaal in de hoofdbackbone, waarvan slechts 6 miljard actief per token
• N-gram-embeddingtabel van 51 miljard parameters plus multi-token-voorspellingsmodule van 4 miljard — in totaal 180 miljard parameters op schijf
• 512 experts in de MoE-laag, met 10 gerouteerde plus 1 gedeelde actief per token
• Native contextvenster van 262.144 tokens, uit te breiden tot 1 miljoen tokens via YaRN
• FP8-checkpoint: 172,78 GiB; BF16-checkpoint: 335,28 GiB

Benchmarks vóór grotere rivalen — maar niet overal

Op het gebied van agentic coding scoort Flash-Next volgens Qwen 58,7 op DeepSWE 1.1 en 62,5 op SWE-bench Pro, telkens vóór DeepSeek-V4-Flash en Claude Opus 4.6 (Max), aldus The Decoder. Bij kantoor- en werkprocestaken wordt het verschil nog groter: Flash-Next haalt 73,9 op CoWorkBench tegenover 45,1 voor DeepSeek-V4-Flash, en 55,7 op JobBench, bijna het dubbele van de 27,6 van Qwen3.7-Plus, meldt The Decoder. Qwen3.7-Plus zelf heeft 397 miljard parameters in totaal met 17 miljard actief per token — bijna drie keer zoveel actieve parameters als Flash-Next —, terwijl DeepSeek-V4-Flash 284 miljard parameters heeft met 13 miljard actief, volgens het verslag van The Decoder over Alibaba's eigen benchmarkvergelijkingen.

Het model wint niet overal. MarkTechPost merkt op dat Claude Opus 4.6 (Max) voorop loopt op Humanity's Last Exam, met 40,0 tegenover 35,9 voor Qwen, en dat DeepSeek-V4-Flash-0731 voorop loopt op NL2Repo-Bench, 54,2 tegenover 48,1. The Decoder voegt toe dat Claude Opus 4.6 in vergelijking een “ouder” Anthropic-model is, daterend van februari 2026, en waarschuwt dat benchmarkscores en prestaties in de praktijk kunnen afwijken.

Een negende van de trainingskosten, een fractie van de prijs

Qwen stelt dat het trainen van Flash-Next ongeveer een negende kostte van wat Qwen3.7-Plus kostte, aldus MarkTechPost. Wat de serversnelheid betreft, verschillen de twee bronnen over de precieze cijfers: MarkTechPost meldt dat Qwens eigen aankondiging QSA-kernel-versnellingen noemt tot 7,6 keer bij prefill en 4,9 keer bij decode op 1 miljoen tokens, terwijl afzonderlijke SGLang- en vLLM-implementatierecepten, geciteerd in datzelfde MarkTechPost-artikel, de verbetering op respectievelijk 10,2 en 6,6 keer leggen — een discrepantie die MarkTechPost zelf signaleert, met de aanbeveling om “de bandbreedte als een opgave van de leverancier te behandelen totdat ze onafhankelijk is gemeten”. Qwen claimt volgens MarkTechPost ook 8,6 keer de prefill-doorvoer van Qwen3.7-Plus bij een prefix-cache-hitrate van 90 procent.

Wat de prijs betreft, meldt The Decoder dat de productieversie, Qwen3.8-Flash, via QwenCloud beschikbaar is voor 0,16 dollar per miljoen inputtokens en 0,47 dollar per miljoen outputtokens, waarbij de API binnenkort live zou moeten gaan. Dat plaatst het op ongeveer een twaalfde van de prijs van Alibaba's huidige vlaggenschip, Qwen3.8-Max, dat begin augustus verscheen en gepositioneerd is tegenover Claude Opus 4.8, Gemini 3.1 Pro en GPT-5.6 Sol, aldus The Decoder — ook al presteert Flash-Next net onder dat vlaggenschip op Alibaba's eigen benchmarks.

Inzetbaar, maar niet op een werkstation

Ondanks het efficiënte aantal actieve parameters is Flash-Next geen model dat een individuele ontwikkelaar zomaar draait. MarkTechPost meldt dat het FP8-checkpoint 172,78 GiB weegt en de BF16-versie 335,28 GiB; volgens vLLM's eigen implementatierecepten heeft de minimaal gevalideerde FP8-configuratie twee GPU's nodig in tensor-parallelle modus op Nvidia's GB300, met vier aanbevolen, terwijl een 8×H200-node een gemengde tensor-expert-parallelle opstelling vereist omdat standaard 8-weg tensor-parallellisme niet compatibel is met de 128-brede kwantisatieblokken van het checkpoint. Sparse activatie vermindert de rekenkracht, merkt MarkTechPost op, maar niet de opslag. Het model wordt uitgebracht onder Alibaba's eigen qwen-community-1.0-licentie in plaats van Apache 2.0, wat betekent dat commerciële gebruikers de voorwaarden moeten controleren vóór inzet, voegt MarkTechPost toe.

De weddenschap die Alibaba aangaat met Flash-Next is structureel, niet alleen numeriek: door het aantal actieve parameters laag te houden terwijl de totale capaciteit groeit via mixture-of-experts-routing en aanvullende opzoektabellen, kan een model de redeneerkwaliteit benaderen van veel grotere, duurdere systemen, terwijl het wordt bediend tegen een fractie van de rekenkosten per aanvraag. Daarom presenteert Qwen deze release niet als een afgewerkt product maar als een “architectuurvoorproefje” — een publieke repetitie, op een kleiner model, van ideeën die Alibaba wil opschalen naar de volledige Qwen4-lijn.

Voor Nederlandse en Belgische bedrijven die twijfelen tussen bouwen op westerse propriëtaire API's zoals Claude of GPT en Chinese open-weight-alternatieven, verscherpt Qwen3.8-Flash-Next die keuze: een open-weight-model tegen een fractie van de prijs van propriëtaire topmodellen, dat op benchmarks voor code en kantoorautomatisering gelijk komt aan of beter scoort dan veel grotere systemen, is nu beschikbaar om zelf te hosten of te huren via QwenCloud — al blijft daarvoor een server met meerdere GPU's nodig, geen laptop, en valt het model onder een licentie buiten Apache die de moeite waard is om goed te lezen vóór commerciële inzet in Europa.