8月26日晚间，阿里巴巴正式发布并同步开源千问系列最新模型Qwen3.8-Flash。这款模型以千亿级总参数、仅激活60亿参数的极致稀疏化设计，在多项评测中展现出超越Claude Opus4.6的前沿性能，被业界视为大模型效率竞赛中的标志性事件。此次发布不仅刷新了模型性能与成本的平衡纪录，也为开发者提供了更具性价比的智能体与多模态应用底座。
Qwen3.8-Flash的核心突破在于其全新的下一代架构。模型总参数规模达到千亿级别，但通过混合专家（MoE）与稀疏注意力机制的结合，每次推理仅需激活60亿参数即可完成任务。在注意力层面，团队引入了自研的QSA（Qwen Sparse Attention）机制，与GDN高效融合形成混合注意力架构，在高缓存命中的百万级Token长上下文场景中，推理速度可提升8倍以上。同时，模型内部采用Gated Residual方法，将传统Transformer的单条信息通道拓展为四条，使信息读写更加动态高效，训练稳定性也得到显著增强。此外，模型还引入了51B的N-gram Embedding参数作为外部记忆模块，在不增加每次计算负担的前提下，大幅提升参数扩展效率。
性能方面，Qwen3.8-Flash在多个权威评测中表现抢眼。在考验智能体编程能力的SWE-bench Pro中，该模型领先Claude Opus4.6达9.1分；在长程专业任务CoWorkBench和真实工具调用Toolathlon Verified等智能体任务中，均超越DeepSeek-V4-Flash；在专业工作场景JobBench评测中，超出Opus4.6近20分。多模态能力同样突出，在模拟手机操作的AndroidWorld评测中高出Opus4.6达22.5分，在视觉推理数学任务MathVision中领先25.1分，在具身智能ERQA任务中优势更是达到31.5分。即便是仅完成预训练的基座模型，在通用知识、数学推理和编程等基础能力上，也超过了三倍于其规模的Qwen3.7-Plus基座模型。
成本控制是Qwen3.8-Flash的另一大亮点。得益于架构与训练方案的全面革新，其训练成本较前代Qwen3.7-Plus骤降近90%，推理成本也大幅压缩。API定价方面，每百万Tokens输入仅需1元、输出3元，最低价格仅为DeepSeek-V4-Flash的三分之一，将全球大模型的性价比推至新高度。据悉，该模型将于发布当晚首发上线“千问办公”应用，开发者和企业用户也可通过千问AI平台获取API服务。这一举措有望加速智能体应用、多模态交互以及具身智能等领域的落地进程，推动大模型从“拼参数”转向“拼效率”的新阶段。
