Qwen3.8-Flash-Next ist ein offenes, multimodales Sprachmodell von Alibaba, das Text, Bilder und Videos verarbeitet. Laut Qwen-Team dient es als frühe Vorschau auf die Architektur von Qwen4. Als Mixture-of-Experts-Modell (MoE) aktiviert es je Token nur 6 Milliarden Parameter, nutzt also einen kleinen Teil spezialisierter Teilnetze. In sechs von acht ausgewählten Tests der Model Card liegt es vor Qwen3.8-27B, DeepSeek-V4-Flash und Claude Opus 4.6.
Neu ist eine hybride Attention aus Gated DeltaNet und Qwen Sparse Attention, die laut Qwen die Latenz bei langen Kontexten deutlich senkt. Attention ist der Mechanismus, mit dem ein Modell Bezüge im Kontext herstellt. Die Gewichte stehen unter der Qwen Community License 1.0, die für Anbieter von Model as a Service und KI-Assistenten eine separate Lizenz vorsieht. Für andere Unternehmen ist der Betrieb in eigener Infrastruktur möglich, etwa in unserer GPU Cloud.
Qwen3.8-Flash-Next
Alibaba (Qwen-Team)
August 2026
Qwen Community License 1.0 (offene Gewichte, kommerzielle Nutzung erlaubt). Bieten der Lizenznehmer oder verbundene Unternehmen Model as a Service oder KI-Assistenten für Coding und Office an, ist eine separate Lizenz nötig. Sie muss vor kommerzieller Nutzung von Qwen eingeholt werden. Bei kommerziellen Produkten mit mehr als 100 Millionen monatlich aktiven Nutzern oder mehr als 20 Millionen US-Dollar Monatsumsatz muss der Modellname sichtbar angezeigt werden. Keine EU-spezifische Klausel.
Offenes multimodales Modell (Mixture of Experts), Reasoning-Modell mit abschaltbarem Thinking-Modus, Eingabe Text, Bild und Video, Ausgabe Text
125 Milliarden im Hauptmodell (6 Milliarden aktiv pro Token), zusätzlich 51 Milliarden N-gram-Embedding und 4 Milliarden MTP, insgesamt rund 180 Milliarden
MoE mit 512 Experten (10 aktiv je Token plus 1 geteilter Experte), 48 Schichten, hybride Attention mit jeweils drei Schichten Gated DeltaNet und einer Schicht Qwen Sparse Attention (QSA), Gated Residual mit vier Zweigen, N-gram-Embedding in Schicht 2, eine MTP-Schicht, Vision-Encoder mit 27 Schichten
262.144 Token nativ, mit YaRN bis 1.000.000 Token erweiterbar
Das Hauptrepository auf Hugging Face enthält die Gewichte im Format BF16 mit 16 Bit je Parameter, rund 360 GB. Enthalten sind Sprachmodell, N-gram-Embeddings, MTP-Schicht und Vision-Encoder.
Feingranulare FP8-Quantisierung mit Blockgröße 128, laut Qwen mit nahezu identischen Ergebnissen. Die Gewichte belegen rund 186 GB, etwa die Hälfte der BF16-Fassung.
Laut Model Card die offizielle Version auf Basis von Qwen3.8-Flash-Next mit zusätzlichen Produktionsfunktionen wie standardmäßig einer Million Token Kontext und eingebauten Werkzeugen. Verfügbar über Alibaba Cloud Model Studio unter der Kennung qwen3.8-flash.
Qwen3.8-27B steht unter Apache 2.0 und ist eine Alternative ohne die Lizenzauflagen von Flash-Next. Qwen3.8-2.4T-A95B ist das große Textmodell der Serie mit 2,4 Billionen Parametern, davon 95 Milliarden aktiv.
Laut Qwen übernimmt Flash-Next die Rolle, die Qwen3-Next-80B-A3B als Architekturvorschau für Qwen3.5 hatte. Die vorherige offene Generation ist die Qwen3.6 Serie.
| Benchmark | Qwen3.8-Flash-Next | Qwen3.8-27B | Qwen3.7-Plus | DeepSeek-V4-Flash-0731 | Claude Opus 4.6 (Max) |
|---|---|---|---|---|---|
| SWE-bench Pro | 62,5 | 61,7 | 55,8 | 56,0 | 53,4 |
| NL2Repo-Bench | 48,1 | 42,3 | 41,1 | 54,2 | 47,6 |
| CoWorkBench | 73,9 | 70,7 | 65,1 | 45,1 | 68,2 |
| JobBench | 55,7 | 33,4 | 27,6 | 41,3 | 36,6 |
| IFBench | 81,3 | 79,5 | 79,1 | 79,2 | 62,5 |
| GPQA Diamond | 91,7 | 89,2 | 90,3 | 90,8 | 91,3 |
| Humanity’s Last Exam | 35,9 | 30,8 | 34,7 | 33,8 | 40,0 |
| LiveCodeBench v6 | 91,9 | 90,3 | 89,6 | 90,6 | 88,8 |
Quelle: offizielle Model Card von Qwen3.8-Flash-Next (Qwen, August 2026), Sprach-Benchmarks. Angaben in Prozent. Claude Opus 4.6 bei SWE-bench Pro mit offiziell veröffentlichtem Wert, die übrigen Modelle von Qwen mit Claude Code gemessen, HLE mit GPT-4o als Bewerter. Tests ohne vollständige Vergleichswerte sind nicht aufgeführt, die Model Card von Qwen3.8-27B nennt für Qwen3.7-Plus bei SWE-bench Pro abweichend 57,6.
Qwen3.8-Flash-Next verbindet starke Coding-Werte mit geringem Rechenaufwand je Token. Die Lizenz enthält jedoch Auflagen für Anbieter von Model as a Service und KI-Assistenten. Wir prüfen mit Ihnen, ob das Modell technisch und lizenzrechtlich zu Ihrem Vorhaben passt.
Das Qwen-Team hat die Architektur in vier Bereichen überarbeitet: Attention, Residualverbindungen, Embeddings und Optimierung. Gated DeltaNet komprimiert den bisherigen Verlauf, Qwen Sparse Attention wählt über einen kompakten Indexer wichtige Abschnitte in Mikroblöcken aus. Gated Residual verbreitert den Residualstrom auf vier Zweige mit dynamischem Gate. N-gram-Embeddings erhöhen die Kapazität mit wenig Rechenaufwand und lassen sich in den Hauptspeicher auslagern.
Trainiert wurde mit dem Muon-Optimizer in Kombination mit AdamW. Laut Technical Report brauchte das Training rund ein Drittel der Trainingstoken und ein Neuntel der Rechenleistung von Qwen3.7-Plus. Das Basismodell liegt dennoch in 8 von 14 Vortrainings-Tests vor dem Basismodell von Qwen3.7-Plus. Angaben zu Umfang und Herkunft der Trainingsdaten enthält der Report nicht.
Das Modell arbeitet standardmäßig im Thinking-Modus, denkt also vor der Antwort schrittweise nach. Über enable_thinking lässt sich das abschalten, reasoning_effort steuert die Tiefe in den Stufen low, medium und xhigh. Gedankenblöcke früherer Nachrichten bleiben standardmäßig im Verlauf erhalten.
Qwen3.8-Flash-Next eignet sich für Coding-Agenten, Büroautomatisierung und Bildauswertung in eigener Infrastruktur. Anbieter von Model as a Service oder KI-Assistenten für Coding und Office sollten die Lizenz vorab rechtlich prüfen. Eine Alternative ist Qwen3.8-27B unter Apache 2.0. Welches Modell zu Ihrem Vorhaben passt, klären wir gern in einer KI-Beratung.
Stark beim Coding: Bei SWE-bench Pro erreicht es 62,5 und liegt damit vor allen Vergleichsmodellen der Model Card.
Büro- und Fachaufgaben: Bei JobBench liegt es mit 55,7 deutlich vor DeepSeek-V4-Flash (41,3) und Claude Opus 4.6 (36,6).
Effizient: Nur 6 Milliarden aktive Parameter je Token, das Training kostete laut Qwen rund ein Neuntel von Qwen3.7-Plus.
Multimodal: Text, Bild und Video in einem Modell, etwa mit 84,5 bei AndroidWorld laut Model Card.
Langer Kontext: 262.144 Token nativ, mit YaRN bis 1.000.000 Token erweiterbar.
Lizenzauflagen für bestimmte Anbieter: Anbieter von Model as a Service oder KI-Assistenten für Coding und Office brauchen vorab eine separate Lizenz von Qwen.
Nicht in allen Tests vorn: Bei NL2Repo-Bench liegt DeepSeek-V4-Flash vorn (54,2), bei Humanity’s Last Exam Claude Opus 4.6 (40,0).
Großer Speicherbedarf: Trotz weniger aktiver Parameter belegen schon die FP8-Gewichte rund 186 GB und brauchen nach eigener Abschätzung mehrere Rechenzentrums-GPUs.
Produktionsfunktionen nur per API: Eine Million Token Kontext als Standard und offizielle eingebaute Werkzeuge nennt die Model Card für die API-Version Qwen3.8-Flash. Das offene Modell erreicht mehr als 262.144 Token nur mit YaRN.
Wir stellen die passende GPU-Infrastruktur bereit, in unserer GPU Cloud oder in Ihrem eigenen Setup in unserem Rechenzentrum. Ob Ihr Einsatz unter die Lizenzauflagen fällt, sollten Sie vorab rechtlich prüfen lassen. Bei Bedarf zeigen wir Ihnen offene Alternativen mit weniger Auflagen.
In den meisten Fällen ja. Die Qwen Community License 1.0 erlaubt Nutzung, Anpassung und Weitergabe. Bei kommerziellen Produkten mit mehr als 100 Millionen monatlich aktiven Nutzern oder mehr als 20 Millionen US-Dollar Monatsumsatz muss der Modellname sichtbar in der Oberfläche stehen. Eine EU-spezifische Klausel enthält die Lizenz nicht.
Unternehmen, die Model as a Service oder KI-Assistenten für Coding und Office anbieten, brauchen vor kommerzieller Nutzung eine separate Lizenz von Qwen. Model as a Service bedeutet, Dritten Zugriff auf Inferenz oder Fine-Tuning eines Sprachmodells zu geben, bei dem sie Eingaben, Parameter oder Trainingsdaten maßgeblich steuern können. Das bloße Weiterleiten von Anfragen an Modelle, die Dritte betreiben, zählt nicht dazu. Einzweck-Werkzeuge wie Übersetzungstools, Assistenten für andere Fachbereiche und Assistenzfunktionen in Produkten mit anderem Hauptzweck fallen ebenfalls nicht unter die Klausel. Die Auflage gilt unabhängig von Umsatz und Nutzerzahl. Ausgenommen ist die interne Nutzung, solange weder das Modell noch seine Ausgaben oder Fähigkeiten Dritten zugänglich werden. Lassen Sie den Einzelfall rechtlich prüfen oder weichen Sie etwa auf Qwen3.8-27B unter Apache 2.0 oder GLM-5 aus.
Qwen nennt keine Mindestausstattung. Nach unserer Abschätzung belegen die FP8-Gewichte rund 186 GB, etwa zwei GPUs der H200-Klasse oder vier H100 mit 80 GB. Hinzu kommt Speicher für den KV-Cache, den Zwischenspeicher für den bisherigen Kontext.
Qwen3.8-Flash-Next ist das offene Modell mit herunterladbaren Gewichten. Qwen3.8-Flash ist laut Model Card die offizielle API-Version darauf aufbauend, mit standardmäßig einer Million Token Kontext und eingebauten Werkzeugen.
Ja. Ein integrierter Vision-Encoder verarbeitet Bilder und Videos. Laut Model Card erreicht das Modell etwa 84,5 bei AndroidWorld, einem Test zur Bedienung von Smartphone-Apps, und 76,6 beim Langvideo-Test LVBench.
Möchten Sie individuell beraten werden?
Unsere KI-Experten sind für Sie da!
