从 3 条内容中筛选出 1 条重要资讯。
科技新闻
科技新闻
Qwen3.8-Flash-Next：开源多模态 MoE 模型预览 Qwen4 架构 ⭐️ 8.0/10
Qwen 发布 Qwen3.8-Flash-Next，一个开放权重多模态 MoE 模型，并作为 Qwen4 架构的早期预览。模型总参数为 125B，但每次推理仅激活 6B 参数，因此带来显著性能提升。Simon Willison 在 DGX Spark 上使用 Unsloth 量化版本进行测试，包括 72.5GB 的 UD-IQ1_S 和 78.9GB 的 UD-Q2_K_XL；他目前最喜欢的输出来自 UD-Q2_K_XL 的 xhigh 推理强度设置，生成了鹈鹕骑自行车的扁平矢量插画。该模型延续了 Qwen 的开放权重路线，适合在本地硬件上实验多模态 MoE 能力。
rss · Simon Willison · 8月26日 23:52
「背景」 Qwen3.8-Flash-Next 是 Qwen 团队开源权重发布的多模态混合专家（MoE）模型，其定位与 Qwen3-Next 当年预览 Qwen3.5 架构类似，是 Qwen4 架构的早期预览。MoE 设计意味着模型总参数量为 1250 亿，但每次推理只激活约 60 亿参数，从而在保持较大知识容量的同时显著降低计算成本。此前 Qwen3-Next 引入的混合 Gated DeltaNet 与 Gated Attention 设计延续到了 Qwen3.5 至 Qwen3.8 系列，而该新模型则展示了下一代架构方向。
「影响」 对 AI/ML 开发者而言，该模型提供了可在 DGX Spark 等本地设备上通过量化运行的多模态 MoE 选项，并提前展示了 Qwen4 的架构方向；不过 Willison 仍在探索中，实际效果需更多测试验证。
参考链接
标签: #Qwen, #open-weights, #MoE, #multimodal, #AI models