Qu’est-ce que Qwen3.8-Flash-Next ?
Qwen3.8-Flash-Next est un modèle mixture-of-experts à poids ouverts que l'équipe Qwen d'Alibaba a sorti fin août 2026 comme préversion expérimentale de l'architecture derrière Qwen4. Le modèle de langage a 125 milliards de paramètres, dont 6 milliards actifs pour chaque token, plus 51 milliards dans une nouvelle table d'embeddings n-gram et 4 milliards dans un module de prédiction multi-token, soit environ 180 milliards sur le disque au total. Les poids sont publiés en BF16 et FP8.
Une couche sur quatre utilise la Qwen Sparse Attention, qui choisit de petits blocs de texte antérieur auxquels prêter attention plutôt que des tokens individuels, réduisant la latence sur les longues entrées. Les embeddings n-gram ajoutent une capacité qui, selon Qwen, est moins chère à faire tourner et plus facile à décharger du GPU que des experts supplémentaires. Il lit le texte, les images et la vidéo, réfléchit par défaut, et a un contexte natif de 262 144 tokens, extensible à 1 million.
Les poids utilisent la Qwen Community License 1.0, pas Apache 2.0. L'usage commercial est autorisé, mais les produits de plus de 100 millions d'utilisateurs mensuels ou 20 millions de dollars de revenus mensuels doivent afficher le nom du modèle, et toute entreprise qui vend l'hébergement de modèles ou un assistant de code ou de bureautique IA a besoin d'une licence distincte de Qwen, quelle que soit sa taille. La version hébergée, Qwen3.8-Flash, coûte 0,15 $ par million de tokens en entrée et 0,47 $ par million en sortie sur Qwen Cloud, avec un contexte de 1M de tokens et jusqu'à 131K tokens de sortie.
Combien coûte Qwen3.8-Flash-Next ?
| Offre | Prix | Ce qui est inclus |
|---|---|---|
| Weights | Free | Qwen Community License 1.0 |
| Qwen3.8-Flash API | $0.15 in / $0.47 out per 1M tokens | Hits de cache à 0,016 $ |
Poids ouverts sous la Qwen Community License 1.0 (licence distincte pour les activités d'hébergement et d'assistants IA). API Qwen3.8-Flash : 0,15 $ en entrée / 0,47 $ en sortie par 1M de tokens ; hits de cache à 0,016 $.
Qwen3.8-Flash-Next vaut-il le coup ?
Flash-Next devance de justesse le 27B dense de Qwen sur le code et le bat nettement sur le travail d'agent tout en activant une fraction des paramètres, mais il vient avec une licence plus stricte que le flagship de 2,4 billions de paramètres de Qwen. Le tableau de Qwen le place à 62,5 sur SWE-bench Pro contre 61,7 pour Qwen3.8-27B, et à 58,7 sur DeepSWE 1.1 contre 42,2 pour le 27B et 54,4 pour DeepSeek-V4-Flash-0731, avec 6 milliards de paramètres actifs contre 13 milliards pour DeepSeek. Le plus grand écart est sur JobBench, 55,7 contre 33,4.
Il ne gagne pas partout, et les scores sont ceux de Qwen. DeepSeek-V4-Flash-0731 mène sur NL2Repo (54,2 contre 48,1) et sur le taux de réussite d'Agents' Last Exam (25,2 contre 24,3). Qwen a corrigé des tâches dans SWE-bench Pro avant de réexécuter chaque modèle, si bien que ses chiffres ne correspondent pas aux classements publics ; la fiche Nemotron 3.5 de NVIDIA rapporte 60,37 pour Flash-Next sur SWE-bench Pro.
La licence est le hic. La Qwen Community License 1.0 exige une licence distincte avant tout usage commercial par une entreprise, ou ses affiliés, qui exploite une activité de modèle en tant que service ou vend un assistant IA de code ou de bureautique autonome, sans seuil de taille. La licence de Qwen3.8-Max applique la même règle uniquement au-dessus de 50 millions de dollars de revenus annuels, si bien qu'une startup de cinq personnes qui construit un assistant de code peut livrer sur les poids du flagship mais pas sur ceux-ci. L'usage interne qui n'expose rien à des tiers est exempté, et l'Apache 2.0 de Qwen3.8-27B et le MIT de GLM-5.3-Flash ne portent aucune de ces conditions.
Une petite taille active ne signifie pas un petit serveur. Les 180 milliards de paramètres au total, dont les 51 milliards de la table n-gram, doivent être chargés : environ 360 GB en BF16 ou 180 GB avec les poids FP8 de Qwen selon notre calcul, avant tout cache de long contexte. Le Qwen3.8-Flash hébergé à 0,15 $ en entrée et 0,47 $ en sortie par million de tokens évite le matériel, et les clients de l'API sont régis par les conditions de Qwen Cloud plutôt que par la licence des poids.
Là où il fait la différence
Une équipe plateforme dans une entreprise de 300 ingénieurs qui fait tourner un agent de code interne
Auto-héberger quelque chose de plus fort que Qwen3.8-27B sans envoyer le code à l'extérieur
Servir les poids FP8 sur vLLM ou SGLang ; à environ 180 GB de poids, cela signifie un serveur multi-GPU comme quatre H100 de 80 GB, selon notre calcul. L'usage interne est exempté de la clause d'hébergement tant que rien n'est exposé à des utilisateurs extérieurs.
Un fondateur qui construit un assistant de code IA payant
Choisir un modèle ouvert à affiner et livrer
Cette licence exige un accord distinct avec Qwen avant tout lancement commercial, quels que soient les revenus de l'entreprise. Qwen3.8-27B (Apache 2.0) ou GLM-5.3-Flash (MIT) évitent la négociation, et la licence de Qwen3.8-Max n'applique la règle qu'au-dessus de 50 millions de dollars par an.
Un développeur qui fait tourner un agent de tri de captures d'écran et de documents
Traiter des images et de longues entrées à bas coût via une API
Appeler Qwen3.8-Flash hébergé avec le thinking désactivé. 1 milliard de tokens en entrée et 100 millions en sortie par mois coûtent environ 197 $, moins là où les préfixes répétés touchent le cache à 0,016 $ par million ; le débit est plafonné à 2 millions de tokens par minute.
Avant de vous engager
- Mise en route
- Poids BF16 et FP8 sur Hugging Face et ModelScope, servis avec Transformers, vLLM, SGLang ou TokenSpeed. Aller au-delà de 262K tokens nécessite un override YaRN dans la commande de service.
- Intégrations
- Qwen Cloud sert Qwen3.8-Flash via des Chat Completions et Responses compatibles OpenAI, une API compatible Anthropic et DashScope, avec appel de fonctions, sorties structurées et recherche web, interpréteur de code et analyse de PDF intégrés.
- Données et confidentialité
- Qwen Community License 1.0 : usage commercial autorisé ; le nom du modèle doit être affiché au-dessus de 100 millions d'utilisateurs mensuels ou 20 millions de dollars de revenus mensuels ; licence distincte pour les activités de modèle en tant que service et d'assistant IA de code ou de bureautique à n'importe quelle taille. La documentation de sécurité des données de Qwen Cloud couvre le chiffrement et le stockage en région mais ne publie aucune durée de conservation ou politique d'entraînement.
- Coût à grande échelle
- Hébergé : 0,15 $ en entrée et 0,47 $ en sortie par million de tokens et 0,016 $ pour les hits de cache ; le Batch est proposé sans remise publiée. Auto-hébergé : environ 360 GB de poids BF16 ou 180 GB de FP8, soit un serveur multi-GPU H100 ou H200 avant le cache KV.
- Limites
- 262 144 tokens en natif, 1 million avec YaRN ; sortie hébergée jusqu'à 131K tokens à 2 millions de tokens par minute. Le thinking est activé par défaut et le raisonnement antérieur reste dans le contexte sauf si preserve_thinking est désactivé, ce qui ajoute des tokens sur les longues exécutions d'agent.
Les points forts
- Seulement 6 milliards de paramètres actifs par token
- Bat Qwen3.8-27B sur chaque test de code et d'agent du tableau de Qwen
- Entrée d'image et de vidéo ; contexte natif de 262K, 1M étendu
- Version hébergée à 0,15 $ / 0,47 $ par million de tokens
Les points faibles
- Licence distincte nécessaire pour toute activité d'hébergement ou d'assistant IA, à n'importe quelle taille
- Environ 180 milliards de paramètres à garder en mémoire
- Préversion expérimentale d'une nouvelle architecture
- Les benchmarks sont ceux de Qwen, sur des jeux de test corrigés
Idéal pour
Les équipes qui font tourner des charges de code ou d'agent internes qui dépassent un modèle 27B, et les développeurs qui veulent une API multimodale hébergée très bon marché.
Alternatives à Qwen3.8-Flash-Next
Qwen3.8-Flash-Next : questions fréquentes
- Qwen3.8-Flash-Next vaut-il le coup ?
- De forts scores d'agent et de code pour 6 milliards de paramètres actifs, sous une licence plus stricte que celle du propre flagship de Qwen. Nous lui donnons 4.2 sur 5.
- Combien coûte Qwen3.8-Flash-Next ?
- Poids ouverts sous la Qwen Community License 1.0 (licence distincte pour les activités d'hébergement et d'assistants IA). API Qwen3.8-Flash : 0,15 $ en entrée / 0,47 $ en sortie par 1M de tokens ; hits de cache à 0,016 $.
- Quels sont les inconvénients de Qwen3.8-Flash-Next ?
- Licence distincte nécessaire pour toute activité d'hébergement ou d'assistant IA, à n'importe quelle taille; environ 180 milliards de paramètres à garder en mémoire; préversion expérimentale d'une nouvelle architecture; les benchmarks sont ceux de Qwen, sur des jeux de test corrigés.
- À qui s’adresse Qwen3.8-Flash-Next ?
- Les équipes qui font tourner des charges de code ou d'agent internes qui dépassent un modèle 27B, et les développeurs qui veulent une API multimodale hébergée très bon marché.
- Combien coûte Qwen3.8-Flash-Next pour une équipe ou en production ?
- Hébergé : 0,15 $ en entrée et 0,47 $ en sortie par million de tokens et 0,016 $ pour les hits de cache ; le Batch est proposé sans remise publiée. Auto-hébergé : environ 360 GB de poids BF16 ou 180 GB de FP8, soit un serveur multi-GPU H100 ou H200 avant le cache KV.
- Qwen3.8-Flash-Next est-il sûr pour les données de l’entreprise ?
- Qwen Community License 1.0 : usage commercial autorisé ; le nom du modèle doit être affiché au-dessus de 100 millions d'utilisateurs mensuels ou 20 millions de dollars de revenus mensuels ; licence distincte pour les activités de modèle en tant que service et d'assistant IA de code ou de bureautique à n'importe quelle taille. La documentation de sécurité des données de Qwen Cloud couvre le chiffrement et le stockage en région mais ne publie aucune durée de conservation ou politique d'entraînement.
- Quelles sont les meilleures alternatives à Qwen3.8-Flash-Next ?
- Les alternatives les plus proches que nous avons testées sont GLM-5.3-Flash, DeepSeek-V4.1-Flash, Qwen3.8-27B et Nemotron 3.5 Super VL.
Réponses vérifiées le 26 oct. 2026.