Alibaba prezentuje Qwen3.8-Flash-Next: Nowa era wydajnej sztucznej inteligencji

Zespół Qwen z firmy Alibaba oficjalnie zaprezentował Qwen3.8-Flash-Next – przełomowy multimodalny model typu Mixture-of-Experts (MoE), zaprojektowany w celu dostarczania elitarnych wyników przy ułamku tradycyjnych kosztów. Stanowiąc zapowiedź architektury nadchodzącego modelu Qwen4, model ten rzuca wyzwanie dominacji znacznie większych modeli LLM poprzez optymalizację sposobu aktywacji i przechowywania parametrów.

Rewolucyjna architektura: Innowacja w postaci osadzeń N-gram

Najważniejszym osiągnięciem technicznym w Qwen3.8-Flash-Next jest unikalne podejście do relacji między skalą a wydajnością. Choć model posiada łącznie 125 miliardów parametrów, wykorzystuje rzadką metodę MoE, która aktywuje tylko 6 miliardów parametrów na token. Pozwala to na szybką inferencję bez poświęcania szerokości wiedzy, którą oferują gęstsze modele.

Kluczową innowacją zaplanowaną na pełną premierę Qwen4 jest wprowadzenie warstwy osadzeń N-gram o rozmiarze 51 miliardów parametrów. Warstwa ta działa jak „słownik fraz”, przechowując powszechne grupy słów jako osobne wpisy. Co istotne, warstwa ta została zaprojektowana tak, aby znajdowała się w zwykłej pamięci RAM systemu, a nie w drogiej pamięci GPU, co znacząco redukuje wymagania sprzętowe niezbędne do uruchomienia modelu. Co więcej, model natywnie obsługuje ogromne okno kontekstowe o rozmiarze 262 144 tokenów, z możliwością skalowania do miliona tokenów za pomocą YaRN.

Przewyższanie gigantów w programowaniu i produktywności

Mimo mniejszej liczby aktywnych parametrów, Qwen3.8-Flash-Next dostarcza wyniki w benchmarkach, które często przewyższają znacznie większych konkurentów, takich jak DeepSeek-V4-Flash (284 mld parametrów) czy Claude Opus 4.6 (Max) od Anthropic. Model wykazuje szczególną siłę w zadaniach „agentycznych” – scenariuszach, w których sztuczna inteligencja musi samodzielnie poruszać się w złożonych środowiskach programistycznych, aby rozwiązywać problemy.

W specjalistycznych benchmarkach Flash-Next uzyskał wynik 62,5 w SWE-bench Pro oraz 58,7 w DeepSWE, pokonując zarówno DeepSeek, jak i Claude. Luka wydajności jest jeszcze bardziej wyraźna w profesjonalnych przepływach pracy; w CoWorkBench Flash-Next zdobył 73,9 punktów, niemal dwukrotnie przewyższając wynik 45,1 modelu DeepSeek-V4-Flash. W JobBench uzyskał 55,7, co stanowi ogromny skok w porównaniu do 27,6 zarejestrowanego przez poprzedni model Qwen3.7-Plus.

Przełomowa polityka cenowa i krajobraz konkurencyjny

Alibaba nie konkuruje jedynie inteligencją, ale także ekstremalną efektywnością kosztową. Wersja produkcyjna, udostępniana jako Qwen3.8-Flash za pośrednictwem QwenCloud, jest wyceniona w oszałamiający sposób: 0,16 USD za milion tokenów wejściowych i 0,47 USD za milion tokenów wyjściowych. Aby to zobrazować: model działa niemal tak dobrze jak flagowy Qwen3.8-Max, ale kosztuje około jednej dwunastej tej kwoty.

Ta agresywna strategia cenowa wywiera ogromną presję na zachodnich liderów AI, takich jak OpenAI i Anthropic. Udowadniając, że model wytrenowany za jedną dziewiątą kosztów swojego poprzednika może dostarczać lepszych wyników w programowaniu i zadaniach biurowych, Alibaba sygnalizuje zmianę w branży: przyszłość AI może nie należeć do największych modeli, lecz do tych najbardziej wydajnych pod względem architektury.

Kluczowe wnioski

• Zapowiedź architektury: Qwen3.8-Flash-Next wprowadza warstwę osadzeń N-gram o rozmiarze 51 mld, która wykorzystuje pamięć RAM systemu w celu zmniejszenia zależności od GPU, co stanowi zapowiedź architektury Qwen4.
• Dominacja w benchmarkach: Model przewyższa większych rywali, takich jak Claude Opus 4.6 i DeepSeek-V4-Flash, w kodowaniu agentycznym (SWE-bench Pro) oraz profesjonalnej produktywności (CoWorkBench).
• Ekstremalna efektywność kosztowa: Przy liczbie zaledwie 6 mld aktywnych parametrów na token, model oferuje inteligencję wysokiego poziomu za ułamek kosztów modeli flagowych, zmieniając obecny krajobraz cenowy w dziedzinie AI.