Alibaba hat am 26. August ein neues Modell freigegeben: Qwen3.8-Flash-Next, samt einer FP8-Variante. Das Ungewöhnliche ist nicht das Modell selbst, sondern der Zeitpunkt. Qwen nennt es einen frühen Vorgeschmack auf die Architektur, auf der die komplette Qwen4-Familie aufbauen soll. Das Team veröffentlicht die Bauweise also vorab, damit die Community sich darauf einstellen kann.
Zu den Eckdaten: ein multimodales Mixture-of-Experts-Modell mit 125 Milliarden Parametern, von denen aber nur rund 6 Milliarden pro Token aktiv sind. Genau das macht es schnell und günstig im Betrieb. Der native Kontext liegt bei etwa 262.000 Tokens und lässt sich auf eine Million ausdehnen. Die Gewichte stehen unter einer offenen Community-Lizenz auf Hugging Face, die produktive Version soll später über Alibabas Cloud-API laufen – zu Preisen von 16 Cent pro Million Input-Tokens und 47 Cent pro Million Output-Tokens.
Technisch steckt der interessante Teil in der Attention. Bisher setzte Qwen auf eine Mischung aus Gated DeltaNet und Gated Attention. Neu ist Qwen Sparse Attention, kurz QSA. Statt einzelne Tokens für die Verarbeitung auszuwählen, arbeitet QSA auf der Ebene kleiner Blöcke. Das drückt die Latenz bei langen Kontexten spürbar – und lange Kontexte sind genau die Stelle, an der Transformer sonst teuer werden.
Simon Willison hat das Modell schon durch seine übliche Prüfung geschickt und einen Pelikan auf dem Fahrrad zeichnen lassen, auf einem DGX Spark mit quantisierten Versionen. In den Benchmarks reiht sich Qwen3.8-Flash-Next weit oben ein, in einzelnen Disziplinen auf Augenhöhe mit deutlich teureren Modellen wie Fable 5 oder GPT-5.6 Sol.
Was ich daran bemerkenswert finde, ist weniger die eine Zahl als das Muster. Die chinesischen Labore veröffentlichen schnell, offen und in kurzen Abständen. Während die großen US-Anbieter ihre besten Modelle oft monatelang intern testen, liegt bei Qwen die Architektur der nächsten Generation schon auf dem Tisch, bevor das Hauptmodell überhaupt da ist.
Für uns heißt das vor allem: Wer gern lokal oder mit offenen Gewichten baut, bekommt hier ein schnelles, langes und multimodales Modell zum Ausprobieren – und einen ziemlich konkreten Ausblick darauf, wohin Qwen4 läuft.
Quellen: Qwen: Qwen3.8-Flash-Next · Simon Willison · TechNode