同期开放的 27B 与 Flash-Next

Qwen3.8 这一代放出了三份开放权重——2.4T 的 Max、27B 稠密模型与 Qwen4 结构预览 Flash-Next，三种许可各不相同；Flash-Next 还带来了这一代唯一的技术报告。

8 月 3 日的承诺里只有两个名字：Max 和 27B。到 8 月底，Qwen3.8 这一代实际放出了三份开放权重。放在一起看，能看清三件单看 Max 看不到的事：这套架构从哪来、往哪去；“开放”在同一代里有几种松紧；这一代唯一的技术报告讲了什么、没讲什么。

三份开放权重

	Qwen3.8-2.4T-A95B	Qwen3.8-27B	Qwen3.8-Flash-Next
公开日期	8 月 12 日	8 月 14 日	8 月 26 日
规模	2.4T 总参数 / 95B 激活	27B 稠密	主干 125B / 6B 激活，另有 51B N-gram 嵌入与 4B MTP
结构	Qwen3.5 结构（`qwen3_5_moe_text`）：92 层，Gated DeltaNet 与门控注意力 3:1，512 个专家	Qwen3.5 结构（`qwen3_5`）：64 层，同样 3:1 混排，每层接稠密 FFN	新结构（`qwen4_exp`）：48 层，Gated DeltaNet 与 QSA 稀疏注意力 3:1，512 个小专家，加 Gated Residual 与 N-gram 嵌入
模态	仅文本	文本、图像、视频	文本、图像、视频
能否关闭思考	不能	能	能
许可	Qwen3.8-Max License	Apache 2.0	Qwen Community License 1.0
对应的 API	`qwen3.8-max`（多了视觉等能力，9 月起为 0902）	`qwen3.8-27b`	`qwen3.8-flash`（默认 1M 上下文与内置工具）

表里的数字都出自各自的模型卡与 config.json。Hugging Face 统计 Flash-Next 约有 1800 亿个参数，是因为把 N-gram 嵌入表和 MTP 模块也算了进去（125B + 51B + 4B）。

架构：Max 从哪来，Qwen4 往哪去

27B 与 Max 用的是同一套结构，区别在规模和前馈层：27B 是 16 组“3 层 Gated DeltaNet + 1 层门控注意力”，每层接稠密 FFN；Max 是 23 组同样的排布，每层接 512 选 10 的 MoE。

Flash-Next 的官方博客交代了这套结构的来历：Qwen3-Next 引入的 Gated DeltaNet 加门控注意力混合结构，此后被用在 Qwen3.5、3.6、3.7 与 3.8 系列上；Flash-Next 则扮演当年 Qwen3-Next 的角色——它是 Qwen4 所用模型结构的先导预览，先放出来让社区检验。它在四处动了刀：

改动	做法（官方描述）
注意力	每 4 层中的那 1 层全注意力换成 Qwen Sparse Attention（QSA）：用压缩过的轻量索引器，以微块为单位挑出重要的上下文，只在这些位置上算注意力
残差	Gated Residual：残差流加宽成 4 路，读的时候按元素、按数据动态加门控，写的时候每个分支一个标量
嵌入	N-gram 嵌入：在第 2 层按二元、三元组查表，用很少的计算扩充参数；嵌入表可以放在主机内存里、异步预取
优化	Muon 与 AdamW 分工：Muon 负责起线性映射作用的二维权重，嵌入、输出头、路由器等留给 AdamW；按新结构重新拟合缩放律，取消 batch 大小的热身

对理解 Max 来说，这张表的意义在于：Max 仍属于 Qwen3.5 这一路结构；下一代的方向已经公布，但它不在 Max 身上。

这一代唯一的技术报告

Flash-Next 附了一份 28 页的技术报告，题为《On the Design of Qwen3.8-Next Architecture: Evaluation, Efficiency, and Training Stability》，署期 2026 年 8 月 26 日。这是 Qwen3.8 这一代唯一的一份技术报告。它的主要结论（均为官方口径，待独立验证）：

更省：Flash-Next 的基座模型在 14 项预训练基准中有 8 项超过上一代 397B-A17B 的旗舰基座（报告表中为 Qwen3.7-Plus），其余 6 项最多落后 2.6 分；而激活参数约为后者的 1/3，训练 token 约 1/3，训练算力约 1/9。
更快：在 1M 上下文下，QSA 在算子层面比稠密注意力快 7.6 倍（prefill）和 4.9 倍（decode）。
更稳：全规模训练“没有出现一次 loss 尖峰”，也没有依赖 qk-clip 这类截断技巧。在一个 28 层 MoE 上把学习率固定在最优值的 4 倍做压力测试，“Qwen3.5 结构 + AdamW”每一万步出现 183 次尖峰，两种 Muon 配置从未触及梯度裁剪阈值，加了 Gated Residual 的那一种一次尖峰都没有。
一个方法论提醒：loss 和下游准确率并不总是同向——比如 N-gram 词表越大 loss 越低，下游分数却早早饱和。

但它没有回答本专栏最关心的问题：报告里没有一处提到 Qwen3.8-Max，给的也是相对比例而不是绝对的 token 数。报告把“Qwen3.5 结构 + AdamW”称为“已经成功扩展过规模”的上一代配方，并以它作稳定性的比较基准；Max 正是 Qwen3.5 结构，但报告没有点名 Max 用了什么优化器，本专栏不据此下结论。Max 的预训练规模、数据与优化器，仍然是空白。

同一代，三种“开放”

开源那一章逐条读过 Max 的许可。放到同一代里比较，差别一目了然：

27B：Apache 2.0。 标准的宽松许可，商用、托管、做竞品都不设卡。
2.4T-A95B：Qwen3.8-Max License。 主体接近 MIT，外加两条：大体量产品要署名；合计营收超过 5000 万美元、又在做“模型即服务”或“AI 工作助手”业务的，商用前另行授权。
Flash-Next：Qwen Community License 1.0。 条文与 Max 的许可几乎逐字相同，唯一的区别是删掉了营收门槛：只要在做这两类业务，不论公司大小，商用前都要另行授权。

也就是说，一家小型推理服务商可以直接托管 27B 和 Max，却不能不打招呼就托管 Flash-Next。许可的松紧没有跟着参数量走——最大的 Max 居中，最新的 Flash-Next 最紧。一个可能的解释是：Flash-Next 以约 1/3 的激活参数追平上一代旗舰，生产版每百万输出 token 只卖 2.7 元，恰恰是推理服务商最想拿来卖的那种模型。这只是本专栏的解读，官方没有解释过许可的差异。

架构的来龙去脉有了官方说法：Max 属于 Qwen3-Next 开创、3.5 至 3.8 一脉相承的那套结构；Qwen4 会换成 Flash-Next 这套。
“开放”要逐个模型看许可：同一代里从 Apache 2.0 到不设门槛的“另行授权”都有，Max 居中。
技术报告的空白没有被填上：这一代唯一的报告讲的是 Flash-Next，Max 的训练侧仍然只能靠发布博客里的几段话和一张图。

最后一章收束。👉 回顾：在证据不足时怎么判断一个模型

参考文献

[1] Qwen Team. Qwen3.8-27B 模型卡、同仓库 config.json 与 LICENSE（Apache 2.0），2026-08。
[2] Qwen Team. Qwen3.8-Flash-Next 模型卡、同仓库 config.json 与 LICENSE（Qwen Community License 1.0），2026-08。
[3] Qwen Team. “Qwen3.8-Flash-Next：全新架构，迈向极致性价比.” 2026-08-26 —— 结构来历、Qwen4 预览的定位、Qwen3.8-Flash 的定价。
[4] Qwen Team. “On the Design of Qwen3.8-Next Architecture: Evaluation, Efficiency, and Training Stability.” 技术报告，2026-08-26 —— 预训练对比、QSA 加速、Muon 与稳定性压力测试。
[5] Qwen Team. Qwen3.8-2.4T-A95B 模型卡与 LICENSE（Qwen3.8-Max License）。
[6] Qwen 官方 X 帖子. 27B 与 2.4T 权重的公告，2026-08-14。
[7] Qwen Cloud 模型页：Qwen3.8-Flash、Qwen3.8-27B；阿里云百炼模型调用价格。
[8] Arena. Code Arena：WebDev 榜单帖子，2026-09-02。
[9] Hugging Face 模型元数据（点赞、近 30 天下载量、safetensors 参数统计），2026-09-19 查阅。

同期开放的 27B 与 Flash-Next