模型
别名：Qwen3.8
阿里巴巴推出的高效推理模型，实现在NVIDIA GB300上685 output tokens/s per user的性能。
已跟踪 8 条高相关材料
最近变化
2026-10-14 · Qwen3.8-Flash-Next在NVIDIA GB300上达到685 output tokens/s per user
为什么值得关注
Qwen3.8-Flash-Next 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
Dive into the Agent Arena leaderboard for more information: https://t.co/YQZuZQuoFU
lmarena.ai(@lmarena_ai) · 8.5 分
Qwen3.8-Flash-Next在Agent Arena排行榜中表现优异，排名第七，具有显著的性能提升。
Qwen3.8-Flash-Next
Simon Willison's Weblog · 8.5 分
Qwen3.8-Flash-Next是通义千问推出的多模态MoE模型，具有125B参数和显著性能提升。
小米 MiMo-V2.6-Pro 登上 Code Arena： WebDev 榜约第10名，开源权重中约第3
AI HOT 精选 · 7.5 分
小米MiMo-V2.6-Pro在Code Arena: WebDev榜单中排名约第10，开源权重中约第3，编码能力较前代提升153分。
已收录 8 条与 Qwen3.8-Flash-Next 相关的内容，按评分排序。
Qwen3.8-Flash-Next在Agent Arena排行榜中表现优异，排名第七，具有显著的性能提升。
入选理由：Qwen3.8-Flash-Next在Agent Arena开放模型中排名第7，净提升+2.4%
Qwen3.8-Flash-Next是通义千问推出的多模态MoE模型，具有125B参数和显著性能提升。
入选理由：Qwen3.8-Flash-Next采用多模态MoE架构，是Qwen4的早期预览版本
小米MiMo-V2.6-Pro在Code Arena: WebDev榜单中排名约第10，开源权重中约第3，编码能力较前代提升153分。
入选理由：MiMo-V2.6-Pro在Code Arena: WebDev榜单得分1628分，排名约第10名
通义实验室发布Qwen3.8-Flash-Next模型，预览Qwen4架构，NVIDIA提供支持工具和API。
入选理由：Qwen3.8-Flash-Next含125B参数和51B N-gram，预览Qwen4架构
Qwen3.8-Flash-Next在NVIDIA GB300 GPU上实现每用户685输出令牌/秒，展示其高效推理能力。
入选理由：Qwen3.8-Flash-Next在NVIDIA GB300上达到685 output tokens/s per user
通义千问模型Qwen3.8-Flash-Next在vLLM框架下实现NVIDIA和AMD GPU的原生支持，但技术细节披露有限。
入选理由：Qwen3.8-Flash-Next采用125B参数的超稀疏MoE架构，仅6B参数处于激活状态
文章主要报道非技术领域新闻及少量技术动态，技术内容信息密度低，缺乏深度解析。
入选理由：DuckDB团队将加入AWS但保持MIT开源许可
该推文为模型发布宣传，未提供技术深度，主要展示用户反馈和模型链接。
入选理由：该推文为模型发布宣传，未提供技术深度，主要展示用户反馈和模型链接
