🚀 模型 · 架构突破
阿里千问 Qwen3.8-Flash 发布：全新 Next 架构，千亿参数仅激活 6B，性能超越 Claude Opus4.6
8 月 26 日晚，阿里发布并同步开源 Qwen3.8-Flash。该模型采用下一代架构，总参数 125B 仅激活 6B，性能超越 Claude Opus4.6、接近 Opus4.8，训练成本较上代骤降 90%，推理价格低至 DeepSeek-V4-Flash 的 1/3，创下全球模型性价比新基准。
综合公开信息整理•
2026-08-26•
全文约 4 分钟读完
#阿里千问
#Qwen3.8-Flash
#Next架构
#MoE
#极致性价比
6B 激活
125B 总参数 · MoE 架构
90%
训练成本较 Qwen3.7-Plus 降幅
¥1
每百万 Tokens 输入价格
⚡ 30 秒速览
- 性能有多强：超越 Claude Opus4.6，接近 Opus4.8；仅激活 6B 参数，总参数 125B。
- 成本有多低：训练成本较 Qwen3.7-Plus 骤降 90%；推理输入 1 元 / 百万 Tokens，输出 3 元，最低仅为 DeepSeek-V4-Flash 忙时价格的 1/3。
- 架构新在哪：全新 Next 架构，引入 QSA 混合注意力、Gated Residual 四通道信息传递、N-gram Embedding 外挂记忆。
- 评测全面领先：SWE-bench Pro 领先 Opus4.6 达 9.1 分，JobBench 超出近 20 分，AndroidWorld 高出 22.5 分，MathVision 超出 25.1 分，ERQA 领先 31.5 分。
- 开源生态：模型权重已在 Hugging Face、魔搭社区全面开源，全球下载量突破 30 亿次，衍生模型超 30 万个。
01核心成绩 6B 激活全面超越 Opus4.6
Qwen3.8-Flash 在多项权威评测中全面超越 Claude Opus4.6，在智能体编程、专业工作、多模态等维度均建立显著优势：
🥇 SWE-bench Pro智能体编程
+9.1
注：以上分数为 Qwen3.8-Flash 相对于 Claude Opus4.6 的领先幅度。柱形长度反映相对领先比例，非绝对分数。所有评测均采用官方公开协议，结果可复现。
此外，在 CoWorkBench 长程专业任务和 Toolathlon Verified 真实工具调用中，Qwen3.8-Flash 同样超越 DeepSeek-V4-Flash，展现出全面的智能体能力。
02技术突破 Next 架构三大创新
Qwen3.8-Flash 采用了与此前所有千问大模型完全不同的全新架构，三大核心创新协同发力：
传统 Transformer 架构
单条信息主通道，注意力计算开销大，参数扩展依赖纯规模增长，训练效率逐年递减。
Next 架构（Qwen3.8-Flash）
QSA 混合注意力 + Gated Residual 四通道 + N-gram Embedding 外挂记忆，效率与性能双突破。
QSA 混合注意力
Gated Residual 四通道
N-gram Embedding
MoE 6B/125B
1M 长上下文
QSA（Qwen Sparse Attention）：与 GDN 高效融合的混合注意力机制，在高缓存命中的 1M Tokens 长上下文场景中可提速 8 倍以上，兼顾速度与准确率。
Gated Residual 方法：将传统 Transformer 的 1 条信息主通道拆分为 4 条，模型可根据需求动态决定读写信息，训练更稳定，信息传递效率倍增。
N-gram Embedding：引入 51B 的外挂参数，为 Transformer 提供高效查表寻址，每次 token 计算时无需参与，以极低资源消耗实现"外挂记忆指南"，参数扩展效率大幅提升。
注：三大创新协同作用，使模型在预训练阶段即以远低于上代的成本达成超越。仅完成预训练的基座模型，在通用、数学推理、编程等基础能力上已超过 3 倍大小的 Qwen3.7-Plus 基座。
03极致性价比 训练降 90%，推理低至 1 元
架构与训练协同优化，直接带来了成本的断崖式下降：
训练成本降幅
90%
较 Qwen3.7-Plus
横向对比，Qwen3.8-Flash 的推理价格仅为 Claude Opus4.6 的 3%，是 DeepSeek-V4-Flash 忙时价格的 1/3、闲时价格的 2/3。用更直白的话说：用不到十分之一的训练成本，做出了超越上代旗舰的性能。
注：价格数据基于官方发布的标准 API 定价。训练成本指从零到完成模型训练的总计算资源开销，含实验调优。实际部署成本因场景而异。
04能做什么 三个典型场景
💻 智能体编程：从需求到代码的端到端交付 SWE-bench Pro +9.1
- 给定一个 GitHub Issue，Agent 自主理解需求、定位代码文件、生成补丁、运行测试。
- 在 SWE-bench Pro 评测中，Qwen3.8-Flash 以领先 Opus4.6 达 9.1 分的成绩，证明其工程化编程能力已达业界前沿。
- 支持多文件协同修改、依赖分析、测试验证全流程自动化。
评分维度：需求理解 / 代码定位 / 补丁正确性 / 测试通过率 —— 全面领先。
📊 专业办公：复杂任务链的智能执行 JobBench +19.8
- 一句话触发多步任务链：如"汇总本季度销售数据，按区域做趋势分析，生成 PPT 大纲并写出关键结论"。
- 在 JobBench 专业工作任务评测中，Qwen3.8-Flash 超出 Opus4.6 近 20 分，展现出强大的任务拆解与执行能力。
- 千问办公标准模式已内置 Qwen3.8-Flash，可完成 95% 的日常办公任务。
LLM 评审结论：任务完成度与交付质量均达到专业助理水平。
📱 多模态智能体：视觉与操作的统一 AndroidWorld +22.5
- 模拟手机操作：在 AndroidWorld 移动端智能体评测中，Qwen3.8-Flash 比 Opus4.6 高出 22.5 分。
- MathVision 视觉推理数学任务超出 25.1 分，ERQA 具身智能任务领先 31.5 分。
- 多模态能力全面增强，可同时处理视觉理解、空间推理与操作决策。
多模态维度：视觉理解 / 空间推理 / 操作规划 / 任务完成 —— 均达显著优势。
05开源生态 全球下载量突破 30 亿
Qwen3.8-Flash 的模型权重已在 Hugging Face 和 魔搭社区全面开源，接受全球开发者检验。截至目前，Qwen 系列模型已发布三大尺寸（Max / 27B / Flash），覆盖从旗舰到高效的全场景需求。
30 亿+
全球模型下载量
30 万+
衍生模型数量
3 大尺寸
Max · 27B · Flash 全开源
官方表示，Next 新架构将是全新一代千问大模型 Qwen4 的雏形，Qwen3.8-Flash 的开源旨在让全球社区参与验证，共同打造更强大的下一代模型。
注：衍生模型指社区基于 Qwen 系列基座进行微调、量化、适配后发布的二次开发模型。下载量数据截至 2026 年 8 月。
编辑核心判断
6B 激活参数做到超越 Opus4.6，靠的不是堆算力，而是架构效率的系统性碾压。训练成本降 90% 不是渐进优化，是架构代际更替的结果。当一家公司同时做到性能领先、成本腰斩、全面开源，行业竞争的游戏规则就已经被重写。
▶现在就能用
Qwen3.8-Flash 已首发上线"千问办公"，标准模式内置最新模型，可完成 95% 日常办公任务。开发者和企业可通过千问 AI 平台获取 API 服务。
千问 AI 平台 → 立即体验