1 września 2026 
Michał Backhed Qwen udostępnił otwarte wagi eksperymentalnego Qwen3.8-Flash-Next, które są jednocześnie podglądem architektury Qwen4.[1][7] Model łączy 125B parametrów, z czego tylko 6B aktywuje się na token, oraz duży 51B n-gram embedding; to ma obniżać koszt inferencji przy zachowaniu jakości.[1][3][5] Najważniejsze elementy architektury: – QSA zamiast klasycznej uwagi token-po-tokenie, z operowaniem na *mikroblokach* kontekstu.[3][7] – Gated Residual dla bardziej precyzyjnego przepływu informacji między warstwami.[3][7] – N-gram Embedding jako dodatkowy „magazyn” parametrów, łatwiejszy do offloadu niż zwykły MoE.[3][7] – MTP do *speculative decoding*.[3][7] Niezależne wyniki wyglądają mocno: Artificial Analysis ocenia model wysoko pod względem intelligence i speed, podaje też, że jest szybszy niż średnia w klasie otwartych modeli tej skali.[4] Datacamp podaje też przewagę na kilku benchmarkach praktycznych, ale to nadal wyniki pośrednie i warto je traktować ostrożnie, bo zależą od konfiguracji i sposobu ewaluacji.[2][4] Licencja i wdrożenie: wagi są open-weight, więc można je pobrać do self-hostingu, ale nie oznacza to automatycznie „open source” w pełnym sensie kodu i treningu.[2][4][5] Koszt API w źródłach wynosi ok. $0.15–0.16 za 1M input tokens i $0.47 za 1M output tokens.[2][4] Jeśli chcesz, mogę też zrobić krótkie porównanie Qwen3.8-Flash-Next vs Qwen3.7-Plus vs Claude Opus 4.6.
