Qwen4还没发，架构先来了：Qwen3.8-Flash-Next明晚发布
相关推荐
Qwen3.8-Flash发布一天就降价：输出比GLM便宜0.1元，但对手还在打5折
动察 Beating AI 快讯，Qwen3.8-Flash 刚发布一天，阿里云就降价了。每百万 Token 输入从 1 元降到 0.8 元，输出从 3 元降到 2.7 元，分别下降 20% 和 10%。 新价格刚好压过昨天发布的 GLM-5.3-Flash。后者 API 标价为输入 0.8 元、输出 2.8 元。Qwen 输入价格相同，输出便宜 0.1 元。 不过 GLM-5.3-Flash 上线后前两周打 5 折，目前实际价格只有输入 0.4 元、输出 1.4 元。优惠期内，GLM 仍然便宜近一半。等优惠结束，两款国产 Flash 模型的价格基本打平。
阿里千问发布Qwen3.8-Flash模型
PANews 8月26日消息，阿里千问发布Qwen3.8-Flash模型，据介绍，这是一款多模态MoE模型，也是Qwen4架构的早期预览版。生产版Qwen3.8-Flash很快将通过Qwen Cloud API提供服务，价格仅为每100万输入Token 0.16美元、每100万输出Token 0.47美元。模型拥有1250亿参数+510亿 N-gram嵌入参数，但每个Token仅激活60亿参数，实现了极高的成本效益。
阿里云：下调Qwen3.8-Flash模型模式计费单价
火星财经消息 8月27日，阿里云发布通知，大模型服务平台百炼2026年8月27日12:00:00起，对Qwen3.8-Flash模型模式计费单价进行下调调整。具体如下：输入价格调整前1元，调整后0.8元；输出价格调整前3元，调整后2.7元。（广角观察）
FreeToken开源：一张5090跑DeepSeek-V4-Flash，最高25 Token/s
动察 Beating AI 快讯，伯克利、MIT 等研究者开源 FreeToken。这是一个专门为本地设备设计的 MoE（混合专家模型）推理引擎，主要解决超大模型显存装不下的问题。它会把部分权重放在系统内存，并让 CPU 和 GPU 一起参与推理。 FreeToken 会把模型的大量专家权重放在系统内存，只把一部分缓存在显存。遇到显存里没有的专家时，它会根据 PCIe 和 CPU 内存带宽，动态决定是把权重搬到 GPU，还是直接交给 CPU 计算。这样 CPU、GPU、系统内存和 PCIe 可以一起参与推理。 论文实测，一台配备 RTX 5090 的游戏台式机运行 284B 参数的 DeepSeek-V4-Flash，可以达到 22–25 Token/s。这款模型每生成一个 Token 实际只激活约 13B 参数，因此特别适合这种 CPU、GPU 混合推理。 FreeToken 还在 8GB 显存的 RTX 4060 笔记本上把 35B 模型跑到 39.3 Token/s；单张 96GB RTX PRO 6000 则可以运行 753B 参数的 GLM-5.2，速度达到 llama.cpp 的约两倍。项目目前支持超过 20 款 MoE 模型，并已采用 Apache 2.0 许可证开源。
阿里巴巴发布更具成本效益的Qwen AI模型
Odaily星球日报讯 阿里千问发布 Qwen3.8-Flash 模型，据介绍，这是一款多模态 MoE 模型，也是 Qwen4 架构的早期预览版。生产版 Qwen3.8-Flash 很快将通过 Qwen Cloud API 提供服务，价格仅为每 100 万输入 Token 0.16 美元、每 100 万输出 Token 0.47 美元。模型拥有 1250 亿参数+510 亿 N-gram 嵌入参数，但每个 Token 仅激活 60 亿参数，实现了极高的成本效益。(金十)
蚂蚁Ling-3.0-flash正式开源，FP8版仅128GB
据动察 Beating 监测，蚂蚁百灵（inclusionAI）正式开放 Ling-3.0-flash 权重，同时提供 BF16 原版和 FP8 量化版。两版均采用 MIT 许可证，已上线 Hugging Face 和 ModelScope，可用 SGLang 或 vLLM 自行部署。 BF16 版权重约 255GB，FP8 版约 128GB，体积接近减半。FP8 用更低精度保存参数，可以降低存储和显存门槛。官方列出的 4 项测试中，FP8 与 BF16 的最大分差为 1.57 分。 Ling-3.0-flash 总参数 1240 亿，每次生成只激活 51 亿。模型支持 25.6 万 Token 上下文，主要面向编程、搜索、深度研究和工具调用等 Agent 任务。官方评测显示，它在多数基准上达到或超过万亿参数的前代模型 Ring-2.6-1T。