「Qwen3.8-Flash-Next」がオープンモデルとして公開される、Qwen4の次世代アーキテクチャを使用

AlibabaのAI研究チームであるQwenがAIモデル「Qwen3.8-Flash-Next」を2026年8月26日に公開しました。Qwen3.8-Flash-NextはQwen4シリーズで採用される予定の次世代アーキテクチャを用いて開発されており、学習コストを抑えつつ高性能なモデルを構築することに成功しています。また、すでにUnslothによる量子化版モデルも公開されています。

Qwen3.8-Flash-Next: A New Architecture, Towards Ultimate Cost-Efficiency
https://qwen.ai/blog?id=qwen3.8-flash-next

Qwen3.8-Flash-Nextは履歴の効率的な圧縮が可能な「Gated DeltaNet(GDN)」やアテンション処理のコストを大幅に削減する「Qwen Sparse Attention(QSA)」を取り入れたハイブリッドアーキテクチャを採用しています。また、モデルの表現可能な語彙をわずかな追加計算で拡張できる「N-gram Embedding」も組み込んでいます。総パラメーター数は1250億、アクティブパラメーター数は60億で、N-gram Embeddingのパラメーター数は510億です。標準状態で26万2144トークンのコンテキスト長に対応し、コンテキスト長を拡張する「YaRN」によって最大100万トークンまで対応できます。

「Qwen3.8-Flash-Next」「Qwen3.8-27B」「Qwen3.7-Plus」「DeepSeek-V4-Flash-0731」「Claude-Opus-4.8(Max)」の各種ベンチマーク結果が以下。Qwen3.8-Flash-Nextは多くのテストでClaude-Opus-4.8(Max)を上回っています。なお、Qwen3.8-Flash-Nextのトレーニングに必要な期間はQwen3.8-27Bの9分の1とのこと。

Qwen3.8-Flash-Nextは長大なトークンを処理する際のプリフィルとデコード双方のスループット低下を抑えられているのも特徴です。以下のグラフはQwen3.7-Plusを基準としてコンテキスト長ごとのプリフィルの速度差を示したもの。100万トークンを処理する場合、Qwen3.8-Flash-NextはQwen3.7-Plusの8.6倍高速です。

Qwen3.8-Flash-NextはオープンモデルとしてHugging FaceとModelScopeで公開されています。

Qwen/Qwen3.8-Flash-Next · Hugging Face
https://huggingface.co/Qwen/Qwen3.8-Flash-Next

千问3.8-Flash-Next · 模型库
https://modelscope.cn/models/Qwen/Qwen3.8-Flash-Next

また、Unslothによる量子化版も発表と同日に公開されています。1bit版は75GB以上のRAMを搭載したマシンで実行可能で、フルモデルの80％の精度を維持しているとのこと。Unslothのドキュメントでは「RAMに読み込んで実行する場合でも、VRAMに読み込んだ際と同等の性能を実現可能」とアピールされています。

unsloth/Qwen3.8-Flash-Next-GGUF · Hugging Face
https://huggingface.co/unsloth/Qwen3.8-Flash-Next-GGUF