阿里通义千问团队在Hugging Face上发布了Qwen3.8-Flash-Next的实验性预览权重，并明确将其定位为支撑下一代Qwen4的架构雏形。该模型采用图像-文本到文本的多模态管线，总参数180B，其中语言模型部分为125B参数、每次推理激活6B，另配51B的n-gram嵌入与4B的多令牌预测（MTP）模块。原生上下文长度为262,144 token，并可扩展至1,000,000 token。

与常规版本发布不同，这次的重点不在榜单分数，而在架构层面的三项改动。其一是混合注意力：模型将原有的门控DeltaNet与门控注意力组合，替换为门控DeltaNet搭配Qwen稀疏注意力（QSA）。QSA不再逐token筛选，而是在微块（micro-block）级别决定处理范围，官方称这能显著压低长上下文延迟——在智能体（agent）类负载日益主导实际使用的背景下，这一指标比峰值算力更贴近真实成本。其二是门控残差：通过数据相关的逐元素读门与按分支的标量写门，调节加宽残差流中的信息传递，在保持训练稳定性的同时提升跨层表达力，且推理开销较低。其三是n-gram嵌入：以短n-gram为索引扩展参数，官方认为这条扩参路径比混合专家（MoE）更省算力、更易卸载到内存受限的加速器上。

训练配方同样做了调整。团队将Muon与AdamW优化器分别用于不同类别的权重，并依据重新拟合的缩放定律取消传统批大小预热、直接从目标批大小起步，从而减少优化器步数，同时以更大的学习率维持收敛。模型共48层，隐藏维度2560，隐藏层布局为12组「3×（门控DeltaNet→MoE）→1×（QSA→MoE）」；MoE部分含512个专家、每次激活10个路由专家加1个共享专家。

官方同时划清了实验权重与生产版本的界限：开源仓库提供的是Transformers格式的权重与配置，兼容vLLM、SGLang、TokenSpeed等推理栈；面向托管、可扩展推理的用户应使用Qwen Cloud上的官方API，其中Qwen3.8-Flash是基于该架构、默认100万上下文并内置官方工具的生产版本。

从公开的对比表看，Qwen3.8-Flash-Next在智能体编程DeepSWE 1.1上得分58.7，SWE-bench Pro为62.5，多语言软件工程SWE-bench Multilingual为81.0，仓库级代码生成NL2Repo-Bench为48.1，长周期办公任务CoWorkBench为73.9，专业岗位任务JobBench为55.7；对照对象包括Qwen3.8-27B、Qwen3.7-Plus、DeepSeek-V4-Flash-0731与Claude-Opus-4.6（Max）。这些数字来自官方自测，横向可比性仍需第三方复现。

对产业而言，这条发布传递的信号是：在参数规模与上下文长度继续膨胀之后，头部团队正把竞争焦点转向「单位token的推理效率」。QSA的块级稀疏、n-gram嵌入的卸载友好设计，都指向同一目标——让长上下文与智能体负载在现有硬件上更便宜地跑起来。若该架构在Qwen4上得到验证，推理侧的算力需求结构、开源模型的部署门槛，以及云厂商的API定价逻辑都可能随之调整；但作为实验预览，其权重成熟度与生产可用性仍有距离，实际影响取决于后续正式版本的表现。