Qwen3.8-Flash 开源，Qwen4 架构预览

通义千问发布 Qwen3.8-Flash，一款多模态 MoE 模型，作为 Qwen4 架构的早期预览并开放权重。该模型总参数 125B，每 token 仅激活 6B，训练成本仅为 Qwen3.7-Plus 的 1/9，性能全面超越后者。生产版 API 定价 $0.16/1M 输入 tokens 和 $0.47/1M 输出 tokens，原生上下文 262K，可扩展至 1M。

Qwen3.8-Flash 作为 Qwen4 架构的早期预览，在训练成本大幅降低（仅为前代 1/9）的同时性能全面超越前代，且开放权重，这标志着多模态 MoE 模型在效率和可及性上迈出实质性一步，可能推动行业成本结构和竞争格局变化。

该模型采用 MoE（混合专家）架构，总参数 125B 但每次仅激活 6B，从而在保持高性能的同时大幅降低计算和推理成本；训练成本仅为 Qwen3.7-Plus 的 1/9，可能源于架构优化、数据效率提升或训练流程改进；开放权重和低 API 定价（$0.16/1M 输入）旨在降低用户使用门槛，吸引开发者生态。

对产品而言，开放权重可让团队自部署，降低推理成本；API 定价远低于市场常见价格，可能下调同类产品预期成本；262K-1M 上下文支持长文档分析，利于构建复杂知识应用；性能全面超越前代，可提升用户体验。

• 利用开放权重自部署 Qwen3.8-Flash，替换现有高成本模型，降低推理成本。
• 基于其 1M 上下文能力开发长文档智能分析或摘要产品。
• 针对开发者提供基于 Qwen3.8-Flash 的多模态 API 服务，以低价吸引用户。
• 对比现有模型，迁移至 Qwen3.8-Flash 以提升性能并降低训练迭代成本。

• 证据未说明 Qwen4 架构的具体创新点，需更多信息。
• 证据未提供 Qwen3.8-Flash 与其他主流模型（如 GPT-4o）的对比数据。
• 训练成本 1/9 是基于何种基准和语境，未详细说明。
• 开放权重采用何种许可证（如是否商用限制）未在证据中提及。