Inco AI выпустила ускоритель DFlash 2 для Qwen3.8-Flash-Next
2026-10-19 Inco AI опубликовала Qwen3.8-Flash-Next-DFlash2 — вспомогательную модель на 0,6 млрд параметров для ускорения работы Qwen3.8-Flash-Next. Это не самостоятельная языковая модель: она заранее формирует блок из трёх токенов, после чего основная модель проверяет результат. Решение распространяется в формате BF16 и рассчитано на запуск вместе с официальной FP8-версией Qwen3.8-Flash-Next.
Весовые коэффициенты доступны на Hugging Face по лицензии Apache 2.0, платы за 1M токенов нет. Для запуска требуется SGLang и временная доработка для получения внутренних данных Qwen3.8-Flash-Next; разработчики проверили конфигурацию только на одном NVIDIA GB300. По данным Inco AI, при одном одновременном запросе DFlash 2 обеспечила 343,8–383,6 токена в секунду и ускорение в 1,63–1,82 раза относительно обычной работы модели. При 32 запросах ускорение составило 1,43–1,73 раза; независимых замеров пока нет.
Релиз интересен компаниям, которые развернули Qwen3.8-Flash-Next у себя и хотят сократить задержку или обслуживать больше запросов на том же оборудовании. Цена в рублях не заявлена: программное обеспечение бесплатно, а итоговые расходы зависят от аренды или владения сервером с подходящим ускорителем. Основной риск — незавершённая поддержка в SGLang и проверка только на GB300; перед внедрением стоит измерить скорость, стабильность и потребление памяти на собственной инфраструктуре. Выводы в модели не меняются, поскольку предложенные токены проверяет исходная Qwen3.8-Flash-Next.
Что за модель: Qwen3.8-Flash-Next
Alibaba Qwen выпустила Qwen3.8-Flash-Next 2026-08-24 как экспериментальную открытую модель с поддержкой текста, программного кода, изображений и видео. Модель содержит 125 млрд параметров и задействует 6 млрд при обработке запроса; отдельно заявлены 51 млрд параметров n-gram embeddings и 4 млрд параметров MTP. Базовый контекст составляет 262 144 токена, с возможностью расширения до 1 млн токенов. Архитектура объединяет Gated DeltaNet, Qwen Sparse Attention и 512 экспертов, из которых на каждом шаге работают 10 маршрутизируемых и один общий. Все опубликованные результаты тестов предоставлены вендором, независимых замеров пока нет.
Что это значит для бизнеса
Модель подходит компаниям, которым нужны обработка документов, программного кода и визуальных материалов с возможностью развернуть систему у себя. Основное преимущество — только 6 млрд активных параметров при общей емкости 125 млрд, что потенциально снижает вычислительные расходы по сравнению с полностью активными моделями сопоставимого размера. Риск — экспериментальный статус архитектуры и отсутствие независимых измерений скорости, качества и требований к оборудованию; перед внедрением следует провести проверку на собственных данных и рассчитать стоимость инфраструктуры. Цена официального API в USD за 1M токенов для этой версии не опубликована.
Хроника Qwen3.8-Flash-Next
Qwen3.8-Flash-Next вышла с открытыми весами
Qwen опубликовала веса Qwen3.8-Flash-Next на Hugging Face и ModelScope 2026-08-27. Это экспериментальная мультимодальная MoE-модель на 125 млрд параметров, из которых при работе задействуются 6 млрд; собственный контекст составляет 262 144 токена с заявленной возможностью расширения до 1 млн. По данным Qwen, модель набрала 62,5 на SWE-bench Pro и 58,7 на DeepSWE 1.1, однако независимых замеров пока нет. Веса распространяются по Qwen Community License 1.0.
Qwen3.8-Flash-Next вышла с открытыми весами и архитектурой Qwen4
Alibaba Qwen выпустила открытые веса Qwen3.8-Flash-Next 2026-08-26. Модель сочетает основную часть на 125B параметров и N-gram embeddings на 51B, при работе активируются 6B параметров на токен. Нативный контекст составляет 262 144 токена, расширение до 1M доступно через YaRN. Все показатели производительности опубликованы вендором, независимых замеров пока нет.
Qwen3.8-Flash-Next стала доступна с открытыми весами
Alibaba Qwen опубликовала веса Qwen3.8-Flash-Next на Hugging Face 2026-08-26. Репозиторий содержит модель объёмом 180B параметров и лицензию Qwen Community License 1.0. Модель работает с текстом, кодом и изображениями; заявлена поддержка Transformers, vLLM и SGLang. Это экспериментальная версия архитектуры, которую Qwen связывает с будущей линейкой Qwen4; независимых замеров скорости и качества пока нет.
Alibaba Qwen выпустила открытую модель Qwen3.8-Flash-Next
Alibaba Qwen опубликовала веса Qwen3.8-Flash-Next — экспериментальной модели с 125 млрд параметров, из которых 6 млрд задействуются при обработке запроса. Модель работает с текстом, программным кодом, изображениями и видео, а базовый контекст составляет 262 144 токена. По данным вендора, архитектура станет основой будущего семейства Qwen4; независимых замеров производительности пока нет.