作者：默思編輯部 發布：2026-09-09
阿里巴巴通義千問（Qwen）團隊於2026年8月26日發布Qwen3.8-Flash-Next，這是一款總參數量達1250億、每次推論啟動600億參數的混合專家（MoE）模型，官方將其定位為下一代Qwen4架構的搶先預告，而非正式的旗艦模型發布。
這次釋出的模型在注意力機制、殘差連接、嵌入層與優化器等四個面向做了系統性升級，目標是在提升模型能力的同時，進一步優化運算效率、模型容量與訓練穩定性。具體來說，這次更新結合了Gated DeltaNet與Qwen稀疏注意力機制的混合設計、閘控殘差連接（Gated Residual）、N-gram嵌入層，以及採用Muon優化器取代傳統優化演算法，這四項技術變動共同構成了這次架構升級的核心。
作為一款開源權重模型，開發者可以直接在Hugging Face與魔搭社群（ModelScope）平台取得這款模型，不需要仰賴專屬API存取。這延續了通義千問團隊近年一貫的開源策略——透過快速迭代釋出開源模型，搶占開發者社群的採用率與品牌聲量。
通義千問團隊明確表示，Qwen3.8-Flash-Next的定位是搶先釋出架構層面的改進，讓開發者提前熟悉並適應這些技術變動，完整版的Qwen4正式發布還要等待後續規劃。目前官方尚未公布這款模型與自家Qwen3系列或西方競爭對手的直接效能對比數據，1250億與600億參數的具體規模數字，也還未經過第三方獨立驗證。
這種漸進式的架構驗證策略，在近年主要AI實驗室中愈來愈常見——與其直接投入龐大運算資源訓練完整規模的下一代旗艦模型、承擔架構設計失誤的風險，不如先用相對較小規模的模型驗證新架構的實際表現，確認技術路線可行後，再投入資源訓練完整規模版本，這樣能有效降低整體研發風險與成本。
儘管尚未公布正式效能對比數據，Qwen3.8-Flash-Next對開發者社群仍具有實質參考價值——開發者可以提前熟悉這套新架構在推論速度、記憶體占用等實務層面的表現，並評估是否需要調整既有的部署與微調流程，來因應即將到來的完整版Qwen4架構，這種「提前暖身」的效果，某種程度上也是通義千問團隊釋出這款過渡性模型的用意之一。
跟上主要開源模型架構的技術演進脈絡，是AI工程師維持技術敏感度的重要方式，具備MoE架構與注意力機制設計背景的研究人才，在中國與全球AI實驗室的競爭格局中持續有強勁需求。