Alibaba-এর Qwen টিম বুধবার Qwen3.8-Flash-Next প্রকাশ করেছে, একটি মাল্টিমোডাল মিশ্রণ-অফ-বিশেষজ্ঞ মডেল যা আসন্ন Qwen4-এর আর্কিটেকচার প্রিভিউ হিসাবে দ্বিগুণ হয়ে যায় — এবং এটি ফলাফল প্রদান করে যে কোম্পানিটি তার অনেক বড় Qwen3.7-প্লাসকে প্রায় এক-নবমাংশ প্রশিক্ষণ খরচে পরাজিত করে বলে। রয়টার্স, ব্লুমবার্গ এবং দ্য ডিকোডার সকলেই লঞ্চটি কভার করেছে, যা হ্যাগিং ফেস এবং মডেলস্কোপে খোলা ওজন রাখে একই দিনে Z.ai তার নিজস্ব সীমান্ত-সংলগ্ন খোলা মডেলটি প্রেরণ করে। ব্রেকিং এআই নিউজ* অনুসরণ করুন যখন ওপেন-ওয়েট রেস ত্বরান্বিত হয়।

ক্ষুদ্রাকৃতির একটি নতুন স্থাপত্য

শিরোনাম স্পেসিফিকেশন দক্ষতা. Qwen3.8-Flash-Next-এর মোট 125 বিলিয়ন প্যারামিটার আছে কিন্তু প্রতি টোকেন মাত্র 6 বিলিয়ন সক্রিয় করে। তুলনা করার জন্য, Qwen3.7-Plus - যে মডেলটি এটি আলিবাবার প্রকাশিত বেঞ্চমার্কে ছাড়িয়ে গেছে - এর 397 বিলিয়ন মোট প্যারামিটার রয়েছে যার প্রতি টোকেন 17 বিলিয়ন অ্যাক্টিভেটেড রয়েছে, যা ফ্ল্যাশ-নেক্সট-এর সক্রিয় গণনার প্রায় তিনগুণ।

প্রযুক্তিগতভাবে সবচেয়ে আকর্ষণীয় অংশটি হল একটি উপন্যাস এন-গ্রাম এমবেডিং স্তর যা 51 বিলিয়ন প্যারামিটার বহন করে। স্তরটি সাধারণ শব্দ গোষ্ঠীগুলিকে স্বতন্ত্র এন্ট্রি হিসাবে সঞ্চয় করে যা দ্য ডিকোডারের ম্যাথিয়াস বাস্তিয়ান এক ধরণের "শব্দ অভিধান" হিসাবে বর্ণনা করেছেন, যা নেটওয়ার্কের শুরুতে বাক্যাংশ-স্তরের তথ্য সরবরাহ করে। গুরুত্বপূর্ণভাবে, এটি ব্যয়বহুল জিপিইউ মেমরির পরিবর্তে নিয়মিত সিস্টেম র‌্যামে বসে, যাকে কিউয়েন দল তুলনামূলকভাবে কম অতিরিক্ত খরচ বলে — একটি স্থাপত্য উদ্ভাবন যা Qwen4-এ বহন করতে হবে।

মডেলটি স্থানীয়ভাবে একটি 262,144-টোকেন প্রসঙ্গ উইন্ডোকে সমর্থন করে এবং YaRN দীর্ঘ-প্রসঙ্গ এক্সটেনশন ব্যবহার করে এক মিলিয়ন টোকেনে স্কেল করে। একটি প্রযুক্তিগত প্রতিবেদন GitHub এ প্রকাশিত হয়।

মানদণ্ড: কোডিং এবং অফিসের কাজ

আলিবাবার মানদণ্ড ডিপসিক-ভি4-ফ্ল্যাশ (284 বিলিয়ন প্যারামিটার, 13 বিলিয়ন সক্রিয়) এবং অ্যানথ্রপিকের ক্লড ওপাস 4.6 (সর্বোচ্চ) এর বিপরীতে ফ্ল্যাশ-নেক্সটকে পিট করে। উভয় প্রতিদ্বন্দ্বী অনেক বড় বা বেশি ব্যয়বহুল হওয়া সত্ত্বেও, ফ্ল্যাশ-নেক্সট বেশিরভাগ পরীক্ষিত কাজগুলিতে নেতৃত্ব দেয়, কোডিং এবং অফিস উত্পাদনশীলতায় সবচেয়ে বেশি লাভ করে।

এজেন্টিক কোডিং-এ, ফ্ল্যাশ-নেক্সট ডিপএসডব্লিউই 1.1-এ 58.7 এবং SWE-বেঞ্চ প্রো-তে 62.5 স্কোর করেছে, ডিপসিক-ভি4-ফ্ল্যাশ এবং ক্লড ওপাস 4.6 উভয়কেই পরাজিত করেছে। অফিসের কাজের ব্যবধান এখনও আরও বিস্তৃত: ডিপসিক-ভি4-ফ্ল্যাশের জন্য 45.1 এর বিপরীতে CoWorkBench-এ 73.9, এবং JobBench-এ 55.7 - প্রায় দ্বিগুণ Qwen3.7-Plus-এর 27.6। GPQA ডায়মন্ডে ফ্ল্যাশ-নেক্সট 91.7 এবং LiveCodeBench v6-এ 91.9-এর সাথে বৈজ্ঞানিক যুক্তি ক্ষেত্র জুড়ে ঘনিষ্ঠভাবে মিলেছে। Claude Opus 4.6 শুধুমাত্র Humanity's Last Exam, 40.0 থেকে 35.9-এ সামনে আসে এবং এটি ফেব্রুয়ারী 2026 থেকে একটি পুরানো নৃতাত্ত্বিক মডেল। বরাবরের মতো, প্রকাশিত বেঞ্চমার্ক স্কোর এবং বাস্তব-বিশ্বের কর্মক্ষমতা ভিন্ন হতে পারে।

প্রতিটি প্রতিদ্বন্দ্বীর উপর মূল্যের চাপ

প্রোডাকশন ভার্সন Qwen3.8-Flash হিসেবে QwenCloud এর মাধ্যমে পাঠানো হয়, যার মূল্য $0.16 প্রতি মিলিয়ন ইনপুট টোকেন এবং $0.47 প্রতি মিলিয়ন আউটপুট টোকেন। এটি Z.ai-এর GLM-5.3-ফ্ল্যাশকেও কম করে, একই দিনে যথাক্রমে $0.15 এবং $0.50-এ রিলিজ করে — কার্যকরভাবে বাজারের নীচে সমতা।

আলিবাবার নিজস্ব ফ্ল্যাগশিপের ব্যবধানটি প্রকট। ক্লোড ওপাস 4.8, জেমিনি 3.1 প্রো, এবং GPT-5.6 সল-এর সাথে প্রতিদ্বন্দ্বিতা করার জন্য আগস্টের শুরুতে প্রবর্তিত Qwen3.8-ম্যাক্স, প্রতি মিলিয়ন ইনপুট টোকেনের জন্য $2.00 এবং প্রতি মিলিয়ন আউটপুট টোকেনের জন্য $6.00 খরচ করে। ফ্ল্যাশ-নেক্সট ফ্ল্যাগশিপের ঠিক নীচে কাজ করে, আলিবাবার নিজস্ব সংখ্যা অনুসারে, ইনপুট এবং আউটপুট উভয়ের দামের প্রায় এক-দ্বাদশমাংশ।

দীর্ঘ প্রসঙ্গ স্পেক শীটের বাইরে ব্যবহারিক মান যোগ করে। 262,144 নেটিভ টোকেনে, একটি একক অনুরোধ বেশ কয়েকটি বড় কোড রিপোজিটরি, একটি সম্পূর্ণ চুক্তি সেট, বা প্রতিলিপি করা মিটিংগুলির ঘন্টা রাখতে পারে; ইয়াআরএন-এর সাথে এক মিলিয়ন টোকেন পর্যন্ত প্রসারিত, পুনরুদ্ধার ভারা ছাড়াই সম্পূর্ণ-কর্পাস বিশ্লেষণ সম্ভবপর হয়ে ওঠে। এজেন্টিক কোডিং ওয়ার্কলোডের জন্য যেখানে ফ্ল্যাশ-নেক্সট তার সবচেয়ে শক্তিশালী স্কোর পোস্ট করে — প্রকৃত সফ্টওয়্যার প্রকল্পগুলিতে স্বাধীনভাবে বাগগুলি খুঁজে বের করা এবং ঠিক করা — একটি বড় উইন্ডো মানে কাজের মাঝখানে কম প্রসঙ্গ-ব্যবস্থাপনা ব্যর্থতা। Qwen টিম GitHub-এর প্রযুক্তিগত প্রতিবেদনও প্রকাশ করেছে, যা মালিকানা ল্যাবগুলি এড়াতে যে ধরনের স্বাধীন আর্কিটেকচার যাচাইয়ের আমন্ত্রণ জানায়।

কেন এই রিলিজ গুরুত্বপূর্ণ

Qwen3.8-Flash-Next কে Qwen4 এর জন্য একটি পাবলিক ড্রেস রিহার্সাল হিসেবে সবচেয়ে ভালোভাবে বোঝা যায়। এন-গ্রাম এমবেডিং স্তর, আক্রমনাত্মক সক্রিয়-প্যারামিটার অনুপাত, এবং র‍্যাম-অফলোডিং-এর বিশাল-কিন্তু-কদাচিৎ-প্রয়োজনীয় প্যারামিটারগুলি একটি নকশা দর্শনের স্কেচ করে: প্রতি ডলারে বুদ্ধিমত্তা সরান, GPU প্রতি বুদ্ধিমত্তা নয়। এক নবমাংশের জন্য একটি Qwen3.7-প্লাস-বিটিং মডেলকে প্রশিক্ষণ দেওয়া হল সেই ক্ষমতা যা দ্রুত পুনরাবৃত্তি চক্রকে সাশ্রয়ী করে তোলে — এবং পুনরাবৃত্তির গতি, যে কোনও একক বেঞ্চমার্কের চেয়ে বেশি, এটিই নির্ধারণ করে যে কে এখন থেকে এক বছর সীমান্তে দাঁড়াবে৷

একই দিনে চীনা ল্যাব থেকে দুটি সীমান্ত-সংলগ্ন ওপেন-ওয়েট মডেলের আগমন — Z.ai-এর GLM-5.3-ফ্ল্যাশ এবং আলিবাবার ফ্ল্যাশ-নেক্সট — এছাড়াও একটি ক্যাডেন্স শিফট চিহ্নিত করে, যেমন ফোর উইকএমবিএ পর্যবেক্ষণ করেছে। পশ্চিমা ল্যাবগুলি এখনও বেঞ্চমার্কের শিখরগুলি ধরে রাখে, তবে ওপেন-ওয়েট টিয়ারটি এখন সাপ্তাহিক কাছাকাছি-সীমান্ত মানের জাহাজগুলি, দামের চেয়ে কম মাত্রায়।

ডেভেলপারদের জন্য, ব্যবহারিক টেকঅ্যাওয়ে সহজ: একটি সক্ষম, দীর্ঘ-প্রসঙ্গ, মাল্টিমোডাল মডেলের খরচ আবার কমেছে, যেকোনো একক প্রদানকারীর বিরুদ্ধে বীমা হিসাবে ডাউনলোডযোগ্য ওজন সহ। প্রতিযোগীদের জন্য, বার্তাটি কম আরামদায়ক — কার্যক্ষমতার সীমানা এখন ফ্ল্যাগশিপ মূল্যের বাস্তবসম্মতভাবে অনুসরণ করতে পারে তার চেয়ে দ্রুত এগিয়ে চলেছে, এবং আলিবাবা ধীর হওয়ার কোনও লক্ষণ দেখায়নি।

---

এআই থেকে এগিয়ে থাকুন

সর্বশেষ AI খবর, বিশ্লেষণ এবং সাফল্য পান — সব এক জায়গায়।

আরও এআই খবর পড়ুন →