O que é Qwen3.8-Flash-Next?
O Qwen3.8-Flash-Next é um modelo mixture-of-experts de pesos abertos que a equipe Qwen da Alibaba lançou no fim de agosto de 2026 como prévia experimental da arquitetura por trás do Qwen4. O modelo de linguagem tem 125 bilhões de parâmetros, dos quais 6 bilhões ficam ativos em cada token, mais 51 bilhões em uma nova tabela de embeddings de n-gramas e 4 bilhões em um módulo de predição de múltiplos tokens, cerca de 180 bilhões em disco no total. Os pesos são publicados em BF16 e FP8.
Cada quarta camada usa o Qwen Sparse Attention, que escolhe pequenos blocos de texto anterior para atender em vez de tokens individuais, reduzindo a latência em entradas longas. Os embeddings de n-gramas acrescentam capacidade que, segundo a Qwen, é mais barata de rodar e mais fácil de tirar da GPU do que experts extras. Ele lê texto, imagens e vídeo, raciocina por padrão e tem contexto nativo de 262.144 tokens, extensível a 1 milhão.
Os pesos usam a Qwen Community License 1.0, não a Apache 2.0. O uso comercial é permitido, mas produtos acima de 100 milhões de usuários mensais ou US$ 20 milhões de receita mensal precisam exibir o nome do modelo, e qualquer empresa que venda hospedagem de modelos ou um assistente de IA de programação ou de escritório precisa de uma licença separada da Qwen, seja qual for o seu porte. A versão hospedada, Qwen3.8-Flash, custa US$ 0,15 por milhão de tokens de entrada e US$ 0,47 por milhão de tokens de saída no Qwen Cloud, com contexto de 1M tokens e até 131K tokens de saída.
Quanto custa Qwen3.8-Flash-Next?
| Plano | Preço | O que inclui |
|---|---|---|
| Weights | Free | Qwen Community License 1.0 |
| Qwen3.8-Flash API | $0.15 in / $0.47 out per 1M tokens | Acertos de cache a US$ 0,016 |
Pesos abertos sob a Qwen Community License 1.0 (licença separada para negócios de hospedagem e de assistentes de IA). API do Qwen3.8-Flash: US$ 0,15 de entrada / US$ 0,47 de saída por 1M de tokens; acertos de cache a US$ 0,016.
Qwen3.8-Flash-Next vale a pena?
O Flash-Next passa um pouco à frente do 27B denso da Qwen em programação e o supera claramente em trabalho de agente ativando uma fração dos parâmetros, mas vem com uma licença mais rígida que a do modelo principal de 2,4 trilhões de parâmetros da Qwen. A tabela da Qwen o coloca em 62,5 no SWE-bench Pro contra 61,7 do Qwen3.8-27B, e em 58,7 no DeepSWE 1.1 contra 42,2 do 27B e 54,4 do DeepSeek-V4-Flash-0731, com 6 bilhões de parâmetros ativos contra 13 bilhões do DeepSeek. A maior diferença está no JobBench, 55,7 a 33,4.
Ele não vence em tudo, e as notas são da própria Qwen. O DeepSeek-V4-Flash-0731 lidera no NL2Repo (54,2 contra 48,1) e na taxa de aprovação do Agents' Last Exam (25,2 contra 24,3). A Qwen corrigiu tarefas no SWE-bench Pro antes de rodar de novo todos os modelos, então os seus números não batem com os leaderboards públicos; o card do Nemotron 3.5 da NVIDIA relata 60,37 para o Flash-Next no SWE-bench Pro.
O porém é a licença. A Qwen Community License 1.0 exige uma licença separada antes de qualquer uso comercial por uma empresa, ou suas afiliadas, que opere um negócio de modelo como serviço ou venda um assistente de IA autônomo de programação ou de escritório, sem limite de porte. A licença do Qwen3.8-Max aplica a mesma regra apenas acima de US$ 50 milhões de receita anual, então uma startup de cinco pessoas criando um assistente de programação pode lançar com os pesos do modelo principal, mas não com estes. O uso interno que não expõe nada a terceiros fica isento, e a Apache 2.0 do Qwen3.8-27B e a MIT do GLM-5.3-Flash não têm esses termos.
Tamanho ativo pequeno não significa servidor pequeno. Todos os 180 bilhões de parâmetros, incluindo os 51 bilhões da tabela de n-gramas, precisam ser carregados: cerca de 360 GB em BF16 ou 180 GB com os pesos FP8 da Qwen, pelas nossas contas, antes de qualquer cache de contexto longo. O Qwen3.8-Flash hospedado, a US$ 0,15 de entrada e US$ 0,47 de saída por milhão de tokens, evita o hardware, e os clientes da API são regidos pelos termos do Qwen Cloud, não pela licença dos pesos.
Onde ele se destaca
Uma equipe de plataforma em uma empresa de 300 engenheiros que roda um agente de programação interno
Auto-hospedar algo mais forte que o Qwen3.8-27B sem enviar código para fora
Sirva os pesos FP8 no vLLM ou no SGLang; com cerca de 180 GB de pesos, isso significa um servidor com várias GPUs, como quatro H100 de 80 GB, pelas nossas contas. O uso interno fica isento da cláusula de hospedagem desde que nada seja exposto a usuários externos.
Um fundador criando um assistente de IA de programação pago
Escolher um modelo aberto para fazer fine-tuning e lançar
Esta licença exige um acordo separado com a Qwen antes de qualquer lançamento comercial, seja qual for a receita da empresa. O Qwen3.8-27B (Apache 2.0) ou o GLM-5.3-Flash (MIT) evitam a negociação, e a licença do Qwen3.8-Max só aplica a regra acima de US$ 50 milhões por ano.
Um desenvolvedor que roda um agente de triagem de capturas de tela e documentos
Processar imagens e entradas longas de forma barata por uma API
Chame o Qwen3.8-Flash hospedado com o raciocínio desligado. 1 bilhão de tokens de entrada e 100 milhões de saída por mês custam cerca de US$ 197, menos quando prefixos repetidos acertam o cache a US$ 0,016 por milhão; a vazão é limitada a 2 milhões de tokens por minuto.
Antes de decidir
- Configuração
- Pesos BF16 e FP8 no Hugging Face e no ModelScope, servidos com Transformers, vLLM, SGLang ou TokenSpeed. Ir além de 262K tokens exige um override de YaRN no comando de serving.
- Integrações
- O Qwen Cloud serve o Qwen3.8-Flash por Chat Completions e Responses compatíveis com OpenAI, uma API compatível com Anthropic e o DashScope, com chamada de funções, saídas estruturadas e busca na web, interpretador de código e leitura de PDF embutidos.
- Dados e privacidade
- Qwen Community License 1.0: uso comercial permitido; o nome do modelo deve ser exibido acima de 100 milhões de usuários mensais ou US$ 20 milhões de receita mensal; licença separada para negócios de modelo como serviço e de assistentes de IA de programação ou de escritório, de qualquer porte. A documentação de segurança de dados do Qwen Cloud cobre criptografia e armazenamento na região, mas não publica prazo de retenção nem política de treinamento.
- Custo em escala
- Hospedado: US$ 0,15 de entrada e US$ 0,47 de saída por milhão de tokens e US$ 0,016 para acertos de cache; há Batch, sem desconto publicado. Auto-hospedado: cerca de 360 GB de pesos BF16 ou 180 GB de FP8, ou seja, um servidor com várias H100 ou H200 antes do cache KV.
- Limites
- 262.144 tokens nativos, 1 milhão com YaRN; saída hospedada de até 131K tokens a 2 milhões de tokens por minuto. O raciocínio vem ligado por padrão e o raciocínio anterior fica no contexto, a menos que preserve_thinking seja desligado, o que acrescenta tokens em execuções longas de agentes.
O que é bom
- Apenas 6 bilhões de parâmetros ativos por token
- Supera o Qwen3.8-27B em todos os testes de programação e de agente da tabela da Qwen
- Entrada de imagem e vídeo; contexto nativo de 262K, 1M estendido
- Versão hospedada a US$ 0,15 / US$ 0,47 por milhão de tokens
O que não é
- Licença separada necessária para qualquer negócio de hospedagem ou de assistente de IA, de qualquer porte
- Cerca de 180 bilhões de parâmetros para manter na memória
- Prévia experimental de uma nova arquitetura
- Os benchmarks são da própria Qwen, em conjuntos de teste corrigidos
Ideal para
Equipes com cargas internas de programação ou de agentes que já superaram um modelo de 27B, e desenvolvedores que querem uma API multimodal hospedada muito barata.
Alternativas ao Qwen3.8-Flash-Next
Qwen3.8-Flash-Next: perguntas frequentes
- Qwen3.8-Flash-Next vale a pena?
- Notas fortes de agente e de programação para 6 bilhões de parâmetros ativos, sob uma licença mais rígida que a do próprio modelo principal da Qwen. Damos nota 4.2 de 5.
- Quanto custa Qwen3.8-Flash-Next?
- Pesos abertos sob a Qwen Community License 1.0 (licença separada para negócios de hospedagem e de assistentes de IA). API do Qwen3.8-Flash: US$ 0,15 de entrada / US$ 0,47 de saída por 1M de tokens; acertos de cache a US$ 0,016.
- Quais são as desvantagens de Qwen3.8-Flash-Next?
- Licença separada necessária para qualquer negócio de hospedagem ou de assistente de IA, de qualquer porte; cerca de 180 bilhões de parâmetros para manter na memória; prévia experimental de uma nova arquitetura; os benchmarks são da própria Qwen, em conjuntos de teste corrigidos.
- Para quem Qwen3.8-Flash-Next é indicado?
- Equipes com cargas internas de programação ou de agentes que já superaram um modelo de 27B, e desenvolvedores que querem uma API multimodal hospedada muito barata.
- Quanto custa Qwen3.8-Flash-Next para uma equipe ou em produção?
- Hospedado: US$ 0,15 de entrada e US$ 0,47 de saída por milhão de tokens e US$ 0,016 para acertos de cache; há Batch, sem desconto publicado. Auto-hospedado: cerca de 360 GB de pesos BF16 ou 180 GB de FP8, ou seja, um servidor com várias H100 ou H200 antes do cache KV.
- Qwen3.8-Flash-Next é seguro para dados da empresa?
- Qwen Community License 1.0: uso comercial permitido; o nome do modelo deve ser exibido acima de 100 milhões de usuários mensais ou US$ 20 milhões de receita mensal; licença separada para negócios de modelo como serviço e de assistentes de IA de programação ou de escritório, de qualquer porte. A documentação de segurança de dados do Qwen Cloud cobre criptografia e armazenamento na região, mas não publica prazo de retenção nem política de treinamento.
- Quais são as melhores alternativas ao Qwen3.8-Flash-Next?
- As alternativas mais próximas que analisamos são GLM-5.3-Flash, DeepSeek-V4.1-Flash, Qwen3.8-27B e Nemotron 3.5 Super VL.
Respostas verificadas em 26 de out. de 2026.