Qwen3.8-Flash-Next is een door Alibaba ontwikkeld reasoning-model dat gebruikmaakt van 'chain-of-thought' redenering om complexe problemen op te lossen. Het model presteert zeer sterk op de Artificial Analysis Intelligence Index met een score van 56 en is sneller dan het gemiddelde met een output-snelheid van 73,5 tokens per seconde.
Belangrijkste technische kenmerken:
- Architectuur: Een Mixture of Experts (MoE) model met 180 miljard totale parameters, waarvan er 6 miljard actief zijn.
- Multimodaliteit: Het model kan tekst, beeld en video verwerken als input en genereert tekst als output.
- Capaciteit: Het beschikt over een ruim contextvenster van 256k tokens.
- Toegankelijkheid: Het is een open weights-model, beschikbaar via Hugging Face onder de Qwen Community License 1.0.
Qwen3.8-Flash-Next: Analyse van Intelligentie, Prestaties en Prijs
Modeloverzicht
Op de Artificial Analysis Intelligence Index scoort Qwen3.8-Flash-Next een 56, waarmee het ruim boven het gemiddelde van vergelijkbare modellen ligt (mediaan: 28). Tijdens de evaluatie van de Intelligence Index genereerde het model 200 miljoen tokens, wat zeer verbose is in vergelijking met de mediaan van 110 miljoen.
Wat betreft de kosten is Qwen3.8-Flash-Next competitief geprijsd met $0,00 per 1 miljoen inputtokens (mediaan: $0,30) en $0,00 per 1 miljoen outputtokens (mediaan: $1,17). Met een snelheid van 73,5 tokens per seconde is het model sneller dan het gemiddelde van 65.
Technische Specificaties
- Ontwikkelaar: Alibaba
- Releasedatum: 26 augustus 2026
- Type: Reasoning-model (maakt gebruik van uitgebreid nadenken of 'chain-of-thought' redenering)
- Inputmodaliteiten: Tekst, beeld en video
- Outputmodaliteit: Tekst
- Contextvenster: 256k tokens (circa 384 A4-pagina's in Arial 12)
- Totaal aantal parameters: 180 miljard
- Actieve parameters: 6 miljard (Mixture of Experts - MoE)
- Licentie: Qwen Community License 1.0 (commercieel gebruik toegestaan onder beperkingen)
- Modelgewichten: Beschikbaar via Hugging Face
Prestatie-analyse
Intelligentie en Redenering
Het model behaalt een score van 56 op de Artificial Analysis Intelligence Index. Deze samengestelde benchmark evalueert modellen op het gebied van redeneren, kennis, wiskunde en coderen. De index (v4.1.1) omvat onder andere evaluaties zoals GDPval-AA v2, $\tau^3$-Banking, Terminal-Bench v2.1, SciCode, Humanity's Last Exam, GPQA Diamond, CritPt, AA-Omniscience en AA-LCR.
Snelheid en Latentie
- Output-snelheid: 73,5 tokens per seconde.
- Time to First Token (TTFT): 2,72 seconden (iets hoger dan het gemiddelde van 2,27 seconden voor modellen van deze grootte).
Veelgestelde Vragen
Wie heeft Qwen3.8-Flash-Next gemaakt en wanneer is het uitgebracht? Het model is ontwikkeld door Alibaba en werd uitgebracht op 26 augustus 2026.
Hoe intelligent en snel is het model? Met een score van 56 op de Intelligence Index presteert het model ruim boven het gemiddelde van soortgelijke open weights-modellen. De snelheid bedraagt 73,5 tokens per second, wat eveneens boven het gemiddelde (65,1 t/s) ligt.
Is Qwen3.8-Flash-Next een reasoning-model? Ja, het is een reasoning-model. Dit betekent dat het uitgebreid nadenkt of gebruikmaakt van 'chain-of-thought' redenering om complexe problemen op te lossen voordat er een definitief antwoord wordt gegeven.
Welke modaliteiten worden ondersteund? Het is een multimodaal model dat tekst, afbeeldingen en video als input kan verwerken en tekst als output genereert.
Wat is de modelstructuur? Het is een Mixture of Experts (MoE) model met in totaal 180 miljard parameters, waarvan er 6 miljard actief zijn tijdens de inferentie.
Is het model open source? Het is een open weights-model, wat betekent dat de modelgewichten publiekelijk beschikbaar zijn en gedownload kunnen worden voor self-hosting.
Qwen3.8-Flash-Next: Analyse van Intelligentie, Prestaties en Prijs
Modeloverzicht
Op de Artificial Analysis Intelligence Index scoort Qwen3.8-Flash-Next een 56, waarmee het ruim boven het gemiddelde van vergelijkbare modellen ligt (mediaan: 28). Tijdens de evaluatie van de Intelligence Index genereerde het model 200 miljoen tokens, wat zeer verbose is in vergelijking met de mediaan van 110 miljoen.
Wat betreft de kosten is Qwen3.8-Flash-Next competitief geprijsd met $0,00 per 1 miljoen inputtokens (mediaan: $0,30) en $0,00 per 1 miljoen outputtokens (mediaan: $1,17). Met een snelheid van 73,5 tokens per seconde is het model sneller dan het gemiddelde van 65.
Technische Specificaties
- Ontwikkelaar: Alibaba
- Releasedatum: 26 augustus 2026
- Type: Reasoning-model (maakt gebruik van uitgebreid nadenken of 'chain-of-thought' redenering)
- Inputmodaliteiten: Tekst, beeld en video
- Outputmodaliteit: Tekst
- Contextvenster: 256k tokens (circa 384 A4-pagina's in Arial 12)
- Totaal aantal parameters: 180 miljard
- Actieve parameters: 6 miljard (Mixture of Experts - MoE)
- Licentie: Qwen Community License 1.0 (commercieel gebruik toegestaan onder beperkingen)
- Modelgewichten: Beschikbaar via Hugging Face
Prestatie-analyse
Intelligentie en Redenering
Het model behaalt een score van 56 op de Artificial Analysis Intelligence Index. Deze samengestelde benchmark evalueert modellen op het gebied van redeneren, kennis, wiskunde en coderen. De index (v4.1.1) omvat onder andere evaluaties zoals GDPval-AA v2, $\tau^3$-Banking, Terminal-Bench v2.1, SciCode, Humanity's Last Exam, GPQA Diamond, CritPt, AA-Omniscience en AA-LCR.
Snelheid en Latentie
- Output-snelheid: 73,5 tokens per seconde.
- Time to First Token (TTFT): 2,72 seconden (iets hoger dan het gemiddelde van 2,27 seconden voor modellen van deze grootte).
Veelgestelde Vragen
Wie heeft Qwen3.8-Flash-Next gemaakt en wanneer is het uitgebracht? Het model is ontwikkeld door Alibaba en werd uitgebracht op 26 augustus 2026.
Hoe intelligent en snel is het model? Met een score van 56 op de Intelligence Index presteert het model ruim boven het gemiddelde van soortgelijke open weights-modellen. De snelheid bedraagt 73,5 tokens per second, wat eveneens boven het gemiddelde (65,1 t/s) ligt.
Is Qwen3.8-Flash-Next een reasoning-model? Ja, het is een reasoning-model. Dit betekent dat het uitgebreid nadenkt of gebruikmaakt van 'chain-of-thought' redenering om complexe problemen op te lossen voordat er een definitief antwoord wordt gegeven.
Welke modaliteiten worden ondersteund? Het is een multimodaal model dat tekst, afbeeldingen en video als input kan verwerken en tekst als output genereert.
Wat is de modelstructuur? Het is een Mixture of Experts (MoE) model met in totaal 180 miljard parameters, waarvan er 6 miljard actief zijn tijdens de inferentie.
Is het model open source? Het is een open weights-model, wat betekent dat de modelgewichten publiekelijk beschikbaar zijn en gedownload kunnen worden voor self-hosting.
Groetjes,