Qwen3.8-Flash

Qwen3.8-Flash — управляемая мультимодальная модель Alibaba для массовых вызовов, coding-агентов и длинного контекста. API принимает текст, изображения и видео, возвращает текст, поддерживает окно 1 млн токенов, thinking, инструменты и JSON. Hosted-модель qwen3.8-flash связана с открытой Qwen3.8-Flash-Next, но веса и тесты опубликованы под именем Flash-Next: это не отдельное измерение облачного endpoint.

Hosted Qwen3.8-Flash и открытая Flash-Next

Qwen Team называет qwen3.8-flash production-версией Qwen3.8-Flash-Next с контекстом 1M и встроенными инструментами. Страница hosted-модели не раскрывает число параметров и не обещает побайтовую идентичность открытым весам.

Критерий	Hosted qwen3.8-flash	Open Qwen3.8-Flash-Next
Доступ	Model Studio/QwenCloud API	веса на Hugging Face и ModelScope, самостоятельный запуск
Контекст	1 000 000 токенов нативно	262 144 нативно, расширение до 1 000 000 через YaRN
Инфраструктура	обслуживает Alibaba	GPU, сервер и обновления на стороне пользователя
Инструменты	встроенные возможности платформы плюс function calling	инструменты реализует владелец сервера
Дообучение	не поддерживается в Model Studio	доступно для открытых весов
Архитектура и параметры	отдельно не раскрыты	MoE: 125 млрд основных параметров, 51 млрд n-gram embeddings, 6 млрд активных на токен
Бенчмарки	отдельной таблицы нет	опубликована таблица Qwen3.8-Flash-Next

У Flash-Next гибрид Gated DeltaNet и Qwen Sparse Attention, четырёхветочный Gated Residual и n-gram embeddings. Считать их подтверждённой спецификацией hosted endpoint пока нельзя.

Модальности и лимиты 1M/128K

Модель принимает текст, изображения и видео, а генерирует только текст. Она подходит для разбора скриншотов, графиков, документов и видеозаписей, но не создаёт изображения, видео или аудио. Для visual input заявлены до 16 млн пикселей на изображение, до 2048 изображений, до 64 видео и до 2 часов либо 2 ГБ на видео.

Точные токенные пределы отличаются от короткой маркировки «1M/128K»:

• окно контекста — 1 000 000 токенов;
• максимальный вход без thinking — 991 808 токенов;
• максимальный вход с thinking — 983 616 токенов;
• максимальный вывод — 131 072 токена, то есть 128K;
• максимальная цепочка рассуждений — 262 144 токена.

Миллионное окно помогает анализировать репозиторий или корпус документов одним запросом, но не гарантирует одинаковую точность по всей длине. Проверяйте извлечение из начала, середины и конца, задержку и стоимость.

Thinking, инструменты и API

Qwen3.8-Flash работает как гибридная reasoning-модель: thinking можно включать и отключать. У reasoning_effort есть уровни low, medium и xhigh, которые при автоматическом преобразовании соответствуют бюджетам 4096, 16 384 и 262 144 reasoning-токена. reasoning_effort и thinking_budget нельзя задавать одновременно. Если не передать ни один параметр, документация указывает xhigh и стандартный бюджет 131 072.

preserve_thinking включён по умолчанию. Клиент должен возвращать прежний reasoning_content отдельным полем; эта история считается входными токенами, а новое reasoning — выходными. Для массовых операций стоит отключать thinking, а для длинного агента — ограничивать бюджет и шаги.

Модель поддерживает function calling, параллельные вызовы, structured outputs, context cache и partial mode. Доступны OpenAI-совместимые Chat Completions и Responses API, Anthropic-совместимый /v1/messages и DashScope. Её можно подключить к Qwen Code, а промпты проверить в Qwen Studio.

Доступность встроенного web search нужно тестировать в выбранном регионе: карточка модели отмечает поддержку в Beijing и Singapore, но не в Global, тогда как отдельное руководство web search перечисляет Qwen3.8-Flash и для Global. Function calling и собственные инструменты приложения от этого расхождения не зависят.

Цена, кэш и регионы

Базовые цены Model Studio на 7 сентября 2026 года не зависят от длины входа внутри окна:

Регион и scope	Вход	Выход	Implicit cache hit	Explicit cache: создание / чтение
China (Beijing); Global в Hong Kong, Frankfurt, Tokyo и Virginia	$0,113	$0,382	$0,014	$0,177 / $0,014
Singapore, International	$0,15	$0,47	$0,016	$0,20 / $0,016

Все суммы указаны за 1 млн токенов и без временных акций. Implicit cache ищет общий префикс автоматически; технический минимум — 1024 токена, но попадание не гарантируется. Explicit cache требует отдельного создания. Карточка модели помечает Batch как unsupported, хотя таблица цен Beijing показывает скидку 50%: до проверки API считать его доступным нельзя.

Endpoint и API key привязаны к региону. Модель доступна в Beijing и Singapore, а с Global scope — в Hong Kong, Frankfurt, Tokyo и Virginia. При доступе через OpenRouter отдельно проверяйте провайдера, цену, контекст, кэш и инструменты маршрута.

Что показывают бенчмарки

Ниже — официальные результаты Qwen3.8-Flash-Next, то есть открытой модели и технологической линии hosted Flash. Это не отдельные hosted-specific замеры qwen3.8-flash.

Тест	Результат	Существенная методологическая оговорка
DeepSWE 1.1	58,7	лучший из Claude Code и mini-SWE-agent; 256K
SWE-bench Pro	62,5	Claude Code; исправленный набор; 256K
SWE-bench Multilingual	81,0	mini-SWE-agent; 256K
CoWorkBench	73,9	внутренний long-horizon office benchmark Qwen
Toolathlon Verified	73,5 pass@1	реальное использование инструментов
IFBench	81,3	следование инструкциям
GPQA Diamond	91,7	научное рассуждение
LiveCodeBench v6	91,9	соревновательное программирование
OSWorld 2.0	19,4 binary / 52,3 partial	полное и частичное выполнение computer-use задач
LVBench	76,6	понимание длинного видео

Первые три coding-теста используют агентные harness, температуру 1,0, top_p=0,95 и контекст 256K. В остальных различаются инструменты, судьи и агрегация. Качество русского языка, latency и цена успешной задачи требуют собственного теста.

Сценарии, ограничения и выбор

Hosted Flash подходит для массового анализа документов, coding-ассистентов, извлечения JSON, больших репозиториев и мультимодальных агентов. Карточка указывает до 30 000 RPM и 5 млн TPM для Beijing/Global, до 15 000 RPM и 2 млн TPM для Singapore.

Открытый Flash-Next выбирают для локального размещения, контроля весов, дообучения или собственной оптимизации. Цена — 176 млрд хранимых параметров с n-gram embeddings и сложный мультимодальный serving. Hosted Flash лучше для быстрого запуска, 1M без настройки YaRN и сервисов Alibaba.

Ограничения облачной версии: только текстовый выход, отсутствие fine-tuning и Batch, региональная привязка ключей, тарификация сохранённого reasoning и неустранённое расхождение документации по web search. Function calling не делает действия надёжными автоматически: права, таймауты, повторы и необратимые операции должен контролировать внешний оркестратор.

Частые вопросы

Qwen3.8-Flash и Qwen3.8-Flash-Next — одна модель?

Это связанные, но разные формы поставки. Qwen называет hosted Flash production-версией Flash-Next, однако веса, параметры и бенчмарки опубликованы под именем открытой Flash-Next.

128K — это размер контекста?

Нет. Контекст hosted-модели равен 1M токенов, а 128K — максимальный текстовый вывод: 131 072 токена.

Можно ли отключить thinking?

Да. Для быстрых запросов используйте enable_thinking=false или совместимый уровень reasoning_effort=none. Для сложных задач доступны low, medium и xhigh.

Есть ли у модели аудиовход или генерация изображений?

Нет. Поддерживаемый вход — текст, изображения и видео; выход — только текст.

Поддерживается ли тонкая настройка hosted-модели?

Нет. Карточка Model Studio помечает fine-tuning как неподдерживаемый. Для собственного обучения нужны открытые веса Flash-Next.

Гарантирует ли повторный длинный префикс скидку кэша?

Нет. Implicit cache включён автоматически, но Alibaba прямо не гарантирует попадание даже при идентичном контексте. Проверяйте фактические cached tokens в usage.

Можно ли считать баллы Flash-Next результатами hosted endpoint?

Нет. Это официальный ориентир общей технологической линии, а не опубликованный отдельный прогон qwen3.8-flash в Model Studio.

Источники

• Alibaba Cloud Model Studio: qwen3.8-flash
• Qwen: Qwen3.8-Flash-Next — архитектура и бенчмарки
• QwenLM: официальный репозиторий Qwen3.8-Flash-Next
• Alibaba Cloud: OpenAI-compatible Chat Completions
• Alibaba Cloud: OpenAI-compatible Responses API
• Alibaba Cloud: context cache
• Alibaba Cloud: регионы и access domains
• Alibaba Cloud: visual understanding