Was ist Qwen3.8-Flash-Next?
Qwen3.8-Flash-Next ist ein Mixture-of-Experts-Modell mit offenen Gewichten, das Alibabas Qwen-Team Ende August 2026 als experimentelle Vorschau auf die Architektur hinter Qwen4 veröffentlicht hat. Das Sprachmodell hat 125 Milliarden Parameter, von denen 6 Milliarden pro Token aktiv sind, dazu 51 Milliarden in einer neuen N-Gramm-Embedding-Tabelle und 4 Milliarden in einem Multi-Token-Prediction-Modul, insgesamt etwa 180 Milliarden auf der Platte. Die Gewichte sind in BF16 und FP8 veröffentlicht.
Jede vierte Schicht nutzt Qwen Sparse Attention, das statt einzelner Tokens kleine Blöcke früheren Texts für die Attention auswählt und so die Latenz bei langen Eingaben senkt. Die N-Gramm-Embeddings bringen laut Qwen zusätzliche Kapazität, die billiger zu betreiben und leichter von der GPU auszulagern ist als zusätzliche Experten. Es liest Text, Bilder und Video, denkt standardmäßig nach und hat einen nativen Kontext von 262.144 Tokens, erweiterbar auf 1 Million.
Die Gewichte stehen unter der Qwen Community License 1.0, nicht unter Apache 2.0. Kommerzielle Nutzung ist erlaubt, aber Produkte mit mehr als 100 Millionen monatlichen Nutzern oder mehr als 20 Millionen US-Dollar Monatsumsatz müssen den Modellnamen anzeigen, und jedes Unternehmen, das Modell-Hosting oder einen KI-Assistenten für Coding oder Büroarbeit verkauft, braucht unabhängig von seiner Größe eine separate Lizenz von Qwen. Die gehostete Version, Qwen3.8-Flash, kostet auf Qwen Cloud 0,15 $ pro Million Eingabe-Tokens und 0,47 $ pro Million Ausgabe-Tokens, mit 1M Tokens Kontext und bis zu 131K Ausgabe-Tokens.
Was kostet Qwen3.8-Flash-Next?
| Tarif | Preis | Was enthalten ist |
|---|---|---|
| Weights | Free | Qwen Community License 1.0 |
| Qwen3.8-Flash API | $0.15 in / $0.47 out per 1M tokens | Cache-Treffer 0,016 $ |
Offene Gewichte unter der Qwen Community License 1.0 (separate Lizenz für Hosting- und KI-Assistenten-Geschäfte). Qwen3.8-Flash API: 0,15 $ Eingabe / 0,47 $ Ausgabe pro 1M Tokens; Cache-Treffer 0,016 $.
Lohnt sich Qwen3.8-Flash-Next?
Flash-Next zieht beim Coding knapp an Qwens dichtem 27B vorbei und schlägt es bei Agentenarbeit klar, obwohl es nur einen Bruchteil der Parameter aktiviert. Dafür kommt es mit einer strengeren Lizenz als Qwens Flaggschiff mit 2,4 Billionen Parametern. Qwens Tabelle zeigt 62,5 auf SWE-bench Pro gegenüber 61,7 für Qwen3.8-27B und 58,7 auf DeepSWE 1.1 gegenüber 42,2 für das 27B und 54,4 für DeepSeek-V4-Flash-0731, mit 6 Milliarden aktiven Parametern gegenüber 13 Milliarden bei DeepSeek. Der größte Abstand liegt auf JobBench, 55,7 zu 33,4.
Es gewinnt nicht überall, und die Werte stammen von Qwen selbst. DeepSeek-V4-Flash-0731 führt auf NL2Repo (54,2 gegenüber 48,1) und bei der Bestehensquote von Agents' Last Exam (25,2 gegenüber 24,3). Qwen hat Aufgaben in SWE-bench Pro korrigiert, bevor es jedes Modell neu getestet hat, seine Zahlen passen daher nicht zu öffentlichen Ranglisten; NVIDIAs Karte zu Nemotron 3.5 meldet für Flash-Next 60,37 auf SWE-bench Pro.
Der Haken ist die Lizenz. Die Qwen Community License 1.0 verlangt eine separate Lizenz vor jeder kommerziellen Nutzung durch ein Unternehmen oder seine verbundenen Unternehmen, das ein Model-as-a-Service-Geschäft betreibt oder einen eigenständigen KI-Assistenten für Coding oder Büroarbeit verkauft, ohne Größenschwelle. Die Lizenz von Qwen3.8-Max wendet dieselbe Regel erst ab 50 Millionen $ Jahresumsatz an. Ein Startup mit fünf Leuten, das einen Coding-Assistenten baut, kann also auf den Gewichten des Flaggschiffs ausliefern, aber nicht auf diesen. Interne Nutzung, bei der Dritte nichts davon sehen, ist ausgenommen, und weder Apache 2.0 bei Qwen3.8-27B noch MIT bei GLM-5.3-Flash kennen solche Bedingungen.
Eine kleine aktive Größe bedeutet keinen kleinen Server. Alle 180 Milliarden Parameter, einschließlich der 51 Milliarden in der N-Gramm-Tabelle, müssen geladen werden: nach unserer Rechnung etwa 360 GB in BF16 oder 180 GB mit Qwens FP8-Gewichten, vor jedem Cache für langen Kontext. Das gehostete Qwen3.8-Flash für 0,15 $ Eingabe und 0,47 $ Ausgabe pro Million Tokens erspart die Hardware, und für API-Kunden gelten die Bedingungen von Qwen Cloud statt der Lizenz der Gewichte.
Wo es sich lohnt
Ein Plattform-Team in einem Unternehmen mit 300 Engineers, das einen internen Coding-Agenten betreibt
Etwas Stärkeres als Qwen3.8-27B selbst hosten, ohne Code nach außen zu schicken
Betreibe die FP8-Gewichte auf vLLM oder SGLang; bei etwa 180 GB an Gewichten heißt das nach unserer Rechnung ein Server mit mehreren GPUs, etwa vier H100 mit 80 GB. Interne Nutzung ist von der Hosting-Klausel ausgenommen, solange nichts für externe Nutzer zugänglich ist.
Eine Gründerin, die einen kostenpflichtigen KI-Coding-Assistenten baut
Ein offenes Modell zum Fine-Tuning und Ausliefern auswählen
Diese Lizenz verlangt vor jedem kommerziellen Start eine separate Vereinbarung mit Qwen, unabhängig vom Umsatz des Unternehmens. Qwen3.8-27B (Apache 2.0) oder GLM-5.3-Flash (MIT) ersparen die Verhandlung, und die Lizenz von Qwen3.8-Max wendet die Regel erst ab 50 Millionen $ im Jahr an.
Ein Entwickler, der einen Agenten zum Vorsortieren von Screenshots und Dokumenten betreibt
Bilder und lange Eingaben günstig über eine API verarbeiten
Rufe das gehostete Qwen3.8-Flash mit abgeschaltetem Thinking auf. 1 Milliarde Eingabe- und 100 Millionen Ausgabe-Tokens im Monat kosten etwa 197 $, weniger, wenn wiederholte Präfixe für 0,016 $ pro Million den Cache treffen; der Durchsatz ist auf 2 Millionen Tokens pro Minute begrenzt.
Bevor du dich festlegst
- Einrichtung
- Gewichte in BF16 und FP8 auf Hugging Face und ModelScope, betrieben mit Transformers, vLLM, SGLang oder TokenSpeed. Für mehr als 262K Tokens braucht der Serving-Befehl eine YaRN-Überschreibung.
- Integrationen
- Qwen Cloud bietet Qwen3.8-Flash über OpenAI-kompatible Chat Completions und Responses, eine Anthropic-kompatible API und DashScope an, mit Function Calling, strukturierten Ausgaben sowie eingebauter Websuche, Code Interpreter und PDF-Analyse.
- Daten und Datenschutz
- Qwen Community License 1.0: kommerzielle Nutzung erlaubt; ab 100 Millionen monatlichen Nutzern oder 20 Millionen $ Monatsumsatz muss der Modellname angezeigt werden; separate Lizenz für Model-as-a-Service- und KI-Assistenten-Geschäfte für Coding oder Büroarbeit, unabhängig von der Größe. Die Dokumentation von Qwen Cloud zur Datensicherheit behandelt Verschlüsselung und Speicherung in der Region, nennt aber weder Aufbewahrungsfrist noch Trainingsrichtlinie.
- Kosten im großen Maßstab
- Gehostet: 0,15 $ Eingabe und 0,47 $ Ausgabe pro Million Tokens und 0,016 $ für Cache-Treffer; Batch wird angeboten, ohne veröffentlichten Rabatt. Selbst gehostet: rund 360 GB an BF16- oder 180 GB an FP8-Gewichten, also ein H100- oder H200-Server mit mehreren GPUs, vor dem KV-Cache.
- Grenzen
- 262.144 Tokens nativ, 1 Million mit YaRN; gehostet bis zu 131K Ausgabe-Tokens bei 2 Millionen Tokens pro Minute. Thinking ist standardmäßig aktiv, und früheres Reasoning bleibt im Kontext, sofern preserve_thinking nicht abgeschaltet wird, was bei langen Agentenläufen Tokens kostet.
Was gut ist
- Nur 6 Milliarden aktive Parameter pro Token
- Schlägt Qwen3.8-27B in Qwens Tabelle auf jedem Coding- und Agenten-Test
- Bild- und Videoeingabe; 262K nativer Kontext, 1M erweitert
- Gehostete Version für 0,15 $ / 0,47 $ pro Million Tokens
Was nicht
- Separate Lizenz nötig für jedes Hosting- oder KI-Assistenten-Geschäft, unabhängig von der Größe
- Etwa 180 Milliarden Parameter müssen in den Speicher
- Experimentelle Vorschau auf eine neue Architektur
- Die Benchmarks stammen von Qwen selbst, auf korrigierten Testsets
Am besten für
Teams mit internen Coding- oder Agenten-Workloads, für die ein 27B-Modell nicht mehr reicht, und Entwickler, die eine sehr günstige gehostete multimodale API suchen.
Alternativen zu Qwen3.8-Flash-Next
Qwen3.8-Flash-Next: häufige Fragen
- Lohnt sich Qwen3.8-Flash-Next?
- Starke Agenten- und Coding-Werte für 6 Milliarden aktive Parameter, unter einer Lizenz, die strenger ist als die von Qwens eigenem Flaggschiff. Wir bewerten es mit 4.2 von 5.
- Was kostet Qwen3.8-Flash-Next?
- Offene Gewichte unter der Qwen Community License 1.0 (separate Lizenz für Hosting- und KI-Assistenten-Geschäfte). Qwen3.8-Flash API: 0,15 $ Eingabe / 0,47 $ Ausgabe pro 1M Tokens; Cache-Treffer 0,016 $.
- Welche Nachteile hat Qwen3.8-Flash-Next?
- Separate Lizenz nötig für jedes Hosting- oder KI-Assistenten-Geschäft, unabhängig von der Größe; Etwa 180 Milliarden Parameter müssen in den Speicher; Experimentelle Vorschau auf eine neue Architektur; Die Benchmarks stammen von Qwen selbst, auf korrigierten Testsets.
- Für wen eignet sich Qwen3.8-Flash-Next?
- Teams mit internen Coding- oder Agenten-Workloads, für die ein 27B-Modell nicht mehr reicht, und Entwickler, die eine sehr günstige gehostete multimodale API suchen.
- Was kostet Qwen3.8-Flash-Next für ein Team oder im Produktivbetrieb?
- Gehostet: 0,15 $ Eingabe und 0,47 $ Ausgabe pro Million Tokens und 0,016 $ für Cache-Treffer; Batch wird angeboten, ohne veröffentlichten Rabatt. Selbst gehostet: rund 360 GB an BF16- oder 180 GB an FP8-Gewichten, also ein H100- oder H200-Server mit mehreren GPUs, vor dem KV-Cache.
- Ist Qwen3.8-Flash-Next sicher für Firmendaten?
- Qwen Community License 1.0: kommerzielle Nutzung erlaubt; ab 100 Millionen monatlichen Nutzern oder 20 Millionen $ Monatsumsatz muss der Modellname angezeigt werden; separate Lizenz für Model-as-a-Service- und KI-Assistenten-Geschäfte für Coding oder Büroarbeit, unabhängig von der Größe. Die Dokumentation von Qwen Cloud zur Datensicherheit behandelt Verschlüsselung und Speicherung in der Region, nennt aber weder Aufbewahrungsfrist noch Trainingsrichtlinie.
- Was sind die besten Alternativen zu Qwen3.8-Flash-Next?
- Die nächsten Alternativen, die wir getestet haben, sind GLM-5.3-Flash, DeepSeek-V4.1-Flash, Qwen3.8-27B und Nemotron 3.5 Super VL.
Antworten geprüft am 26. Okt. 2026.