أصدر فريق Qwen التابع لشركة Alibaba Qwen3.8-Flash-Next يوم الأربعاء، وهو نموذج متعدد الوسائط من الخبراء يعمل كمعاينة معمارية لـ Qwen4 القادم - والذي يقدم نتائج تقول الشركة إنها تتفوق على Qwen3.7-Plus الأكبر بكثير بحوالي تسع تكلفة التدريب. قامت كل من رويترز وبلومبرج وذا ديكودر بتغطية عملية الإطلاق، والتي تضع أوزانًا مفتوحة على Hugging Face وModelScope في نفس اليوم الذي قامت فيه Z.ai بشحن نموذجها المفتوح المجاور للحدود. تابع أخبار الذكاء الاصطناعي العاجلة مع تسارع وتيرة سباق الوزن المفتوح.

هندسة معمارية جديدة مصغرة

المواصفات الرئيسية هي الكفاءة. يحتوي Qwen3.8-Flash-Next على 125 مليار معلمة إجمالية ولكنه ينشط 6 مليار فقط لكل رمز مميز. للمقارنة، فإن Qwen3.7-Plus - النموذج الذي يتفوق عليه في معايير Alibaba المنشورة - يحتوي على 397 مليار معلمة إجمالية مع 17 مليار تنشيط لكل رمز، أي ما يقرب من ثلاثة أضعاف العدد النشط لـ Flash-Next.

القطعة الأكثر إثارة للاهتمام من الناحية الفنية هي طبقة تضمين N-gram الجديدة التي تحمل 51 مليار معلمة. تقوم الطبقة بتخزين مجموعات الكلمات الشائعة كمدخلات مستقلة فيما وصفه ماتياس باستيان من The Decoder بأنه نوع من "قاموس العبارات"، حيث يقوم بتغذية المعلومات على مستوى العبارة في بداية الشبكة. والأهم من ذلك، أنها تتواجد في ذاكرة الوصول العشوائي (RAM) العادية للنظام بدلاً من ذاكرة GPU باهظة الثمن، وهو ما يسميه فريق Qwen تكلفة إضافية منخفضة نسبيًا - وهو ابتكار معماري من المقرر أن يتم تنفيذه في Qwen4.

يدعم النموذج أصلاً نافذة سياق مكونة من 262,144 رمزًا مميزًا ويتسع لمليون رمز مميز باستخدام امتداد سياق YaRN الطويل. تم نشر تقرير فني على GitHub.

المعايير: البرمجة والعمل المكتبي

تضع معايير علي بابا Flash-Next في مواجهة DeepSeek-V4-Flash (284 مليار معلمة، 13 مليار معلمة نشطة) وAnthropic's Claude Opus 4.6 (Max). على الرغم من أن كلا المنافسين أكبر بكثير أو أكثر تكلفة، إلا أن Flash-Next يتصدر معظم المهام التي تم اختبارها، مع أكبر المكاسب في البرمجة وإنتاجية المكاتب.

في مجال التشفير الوكيل، سجل Flash-Next 58.7 على DeepSWE 1.1 و62.5 على SWE-bench Pro، متغلبًا على كل من DeepSeek-V4-Flash وClaude Opus 4.6. ولا تزال الفجوة في المهام المكتبية أوسع: 73.9 على CoWorkBench مقابل 45.1 لـ DeepSeek-V4-Flash، و55.7 على JobBench - ما يقرب من ضعف Qwen3.7-Plus البالغ 27.6. ويتوافق المنطق العلمي بشكل وثيق في هذا المجال، حيث حصل Flash-Next على 91.7 على GPQA Diamond و91.9 على LiveCodeBench v6. لم يتقدم كلود أوبوس 4.6 إلا في الاختبار الأخير للبشرية، من 40.0 إلى 35.9، وهو نموذج أنثروبي أقدم من فبراير 2026. كما هو الحال دائمًا، يمكن أن تختلف النتائج المعيارية المنشورة والأداء في العالم الحقيقي.

ضغط التسعير على كل منافس

يتم شحن إصدار الإنتاج باسم Qwen3.8-Flash من خلال QwenCloud، بسعر 0.16 دولار لكل مليون رمز إدخال و0.47 دولار لكل مليون رمز إخراج. وهذا يقوض حتى GLM-5.3-Flash من Z.ai، والذي تم إصداره في نفس اليوم بسعر 0.15 دولار و0.50 دولار على التوالي، وهو ما يعادل فعليًا قاع السوق.

الفجوة مع شركة علي بابا الرائدة صارخة. Qwen3.8-Max، الذي تم تقديمه في أوائل أغسطس للتنافس مع Claude Opus 4.8، وGemini 3.1 Pro، وGPT-5.6 Sol، يكلف 2.00 دولار لكل مليون رمز إدخال و6.00 دولار لكل مليون رمز إخراج. أداء Flash-Next أقل بقليل من الأداء الرئيسي، وفقًا لأرقام Alibaba الخاصة، بحوالي اثني عشر سعرًا لكل من المدخلات والمخرجات.

يضيف السياق الطويل قيمة عملية تتجاوز ورقة المواصفات. عند وجود 262,144 رمزًا أصليًا، يمكن لطلب واحد أن يحتوي على عدة مستودعات رموز كبيرة، أو مجموعة عقود كاملة، أو ساعات من الاجتماعات المكتوبة؛ ممتدًا إلى مليون رمز مميز باستخدام YaRN، يصبح تحليل المجموعة الكاملة ممكنًا بدون دعم الاسترجاع. بالنسبة لأحمال عمل الترميز الوكيل حيث ينشر Flash-Next أقوى نتائجه - اكتشاف الأخطاء وإصلاحها بشكل مستقل في مشاريع البرامج الحقيقية - تعني النافذة الكبيرة عددًا أقل من حالات فشل إدارة السياق في منتصف المهمة. نشر فريق Qwen أيضًا التقرير الفني على GitHub، داعيًا إلى نوع التدقيق المعماري المستقل الذي تتجنبه المختبرات الخاصة.

سبب أهمية هذا الإصدار

من الأفضل فهم Qwen3.8-Flash-Next على أنه بروفة عامة لـ Qwen4. إن طبقة التضمين N-gram، ونسبة المعلمات النشطة القوية، وتفريغ ذاكرة الوصول العشوائي (RAM) للمعلمات الضخمة ولكن نادرًا ما تكون هناك حاجة إليها، ترسم فلسفة التصميم: نقل الذكاء لكل دولار، وليس الذكاء لكل وحدة معالجة رسومات. إن تدريب نموذج متفوق على Qwen3.7-Plus بتسع التكلفة هو على وجه التحديد القدرة التي تجعل دورات التكرار السريعة ميسورة التكلفة - وسرعة التكرار، أكثر من أي معيار منفرد، هي ما يقرر من يقف في المقدمة بعد عام من الآن.

كما أن وصول نموذجين متجاورين للوزن المفتوح من المختبرات الصينية في نفس اليوم - GLM-5.3-Flash من شركة Z.ai، وFlash-Next من شركة Alibaba - يمثل أيضًا تحولًا في الإيقاع، كما لاحظت مجلة FourWeekMBA. لا تزال المختبرات الغربية تحتفظ بذروات قياسية، لكن فئة الوزن المفتوح تشحن الآن جودة قريبة من الحدود أسبوعيًا، وبأسعار أقل من حيث الحجم.

بالنسبة للمطورين، فإن الاستنتاج العملي بسيط: لقد انخفضت مرة أخرى تكلفة النموذج القادر وطويل السياق ومتعدد الوسائط، مع أوزان قابلة للتنزيل كتأمين ضد أي مزود واحد. بالنسبة للمنافسين، الرسالة أقل راحة - إن حدود الكفاءة تتحرك الآن بشكل أسرع مما يمكن أن تتبعه الأسعار الرئيسية بشكل واقعي، ولم تظهر علي بابا أي علامة على التباطؤ.

---

ابقَ في طليعة الذكاء الاصطناعي

احصل على آخر الأخبار والتحليلات والإنجازات في مجال الذكاء الاصطناعي — كل ذلك في مكان واحد.

اقرأ المزيد من أخبار الذكاء الاصطناعي →