Il 26 agosto 2026 il team Qwen di Alibaba ha pubblicato Qwen3.8-Flash-Next, un modello sperimentale a pesi aperti che anticipa l’architettura destinata a reggere la futura generazione Qwen4. Non si tratta quindi di un prodotto di punta, bensì di un’anteprima tecnica messa in mano agli sviluppatori mesi prima del lancio vero e proprio. La collocazione è quella della fascia media, con la versione di produzione già disponibile su QwenCloud sotto il nome Qwen3.8-Flash.
Il numero che riassume il progetto è il rapporto tra dimensione e calcolo. La rete principale conta 125 miliardi di parametri ma ne accende soltanto 6 miliardi per ogni token elaborato. Il predecessore Qwen3.7-Plus, per fare lo stesso lavoro, ne teneva accesi 17 miliardi, cioè quasi il triplo, su un totale di 397 miliardi. Secondo l’azienda i risultati superano quelli di Qwen3.7-Plus con un costo di addestramento pari a circa un nono.
Il pubblico a cui si rivolge comprende chi programma con agenti autonomi, chi gestisce flussi d’ufficio automatizzati e chi vuole ospitare un modello capace su hardware locale. Se stai cercando prestazioni vicine alla frontiera senza un data center, questa è la direzione verso cui il settore si sta muovendo con decisione.
Il dizionario di frasi che vive nella memoria
La particolarità architetturale merita una spiegazione semplice, perché è la parte che anticipa Qwen4. Ai 125 miliardi della rete principale se ne affiancano altri 51 miliardi, non compresi in quella cifra bensì aggiunti, più 4 miliardi per un modulo accessorio. Il conto reale dei pesi da scaricare sfiora quindi i 180 miliardi. Quei 51 miliardi formano un livello di embedding N-gram, cioè un dizionario di coppie e terne di parole ricorrenti, memorizzate come voci autonome anziché ricostruite ogni volta dalla rete.
Il colpo di genio sta nella collocazione. Quel dizionario non risiede nella memoria della scheda grafica, che sui sistemi con GPU dedicata è la risorsa più costosa e limitata, bensì nella normale RAM di sistema, con un aggravio di spesa che l’azienda definisce contenuto. In sostanza il modello guadagna conoscenza linguistica senza occupare lo spazio che serve al calcolo, e questo spiega perché un sistema da 125 miliardi di parametri possa girare con il conto di uno molto più piccolo.
Il vantaggio riguarda soprattutto le macchine con scheda grafica dedicata, dove i due tipi di memoria sono separati (quasi tutti i computer consumer). Sui sistemi a memoria unificata, dai Mac Apple Silicon ad alcune piattaforme AMD, il serbatoio è unico e il beneficio di collocazione risulta pressoché nullo, mentre resta intatto quello legato ai soli sei miliardi di parametri attivi.
Il resto delle specifiche è coerente con la fascia. La finestra di contesto nativa arriva a 262.144 token ed è estendibile fino a un milione attraverso la tecnica YaRN, mentre l’ingresso comprende anche le immagini grazie a un codificatore visivo integrato. Il modello è aperto, i pesi sono su Hugging Face e ModelScope, con il rapporto tecnico pubblicato su GitHub.
Qwen3.8-Flash-Next: prestazioni
Sui compiti di programmazione autonoma i risultati sono solidi. Su SWE-bench Pro il modello segna 62,5 contro il 53,4 di Claude Opus 4.6 e il 56,0 di DeepSeek-V4-Flash, mentre su DeepSWE 1.1 arriva a 58,7 contro il 54,4 del rivale cinese. Il divario si allarga sul lavoro d’ufficio, dove CoWorkBench premia Alibaba con 73,9 contro 45,1, e JobBench segna 55,7 contro i 27,6 del ben più grande Qwen3.7-Plus. Su IFBench lo scarto è netto, ovvero 81,3 contro 62,5.
Qui però serve una lettura attenta, perché Claude Opus 4.6 risale a febbraio 2026, quindi ha sei mesi sulle spalle, e nel frattempo Anthropic ha rilasciato Opus 4.8 e Opus 5. Resta il fatto che i costi rispetto a Claude Opus 4.6, che fino a poco tempo fa era considerato uno dei migliori modelli in circolazione, sono decisamente inferiori.
Vanno inoltre segnalati i benchmark dove il modello perde. Su Humanity’s Last Exam il modello si ferma a 35,9 contro il 40,0 di Opus 4.6, e su NL2Repo-Bench resta indietro con 48,1 contro il 54,2 di DeepSeek-V4-Flash.
Qwen3.8-Flash-Next: prezzi, pesi aperti e disponibilità
Il listino è l’argomento che pesa di più. La versione di produzione costa 0,16 dollari per milione di token in ingresso e 0,47 dollari in uscita, cifre che vanno confrontate con i 2 e 6 dollari del modello di punta Qwen3.8-Max, presentato a inizio agosto. Il rapporto è di circa dodici volte su entrambe le voci, a fronte di prestazioni che l’azienda colloca appena sotto quelle del fratello maggiore.
Il confronto con GLM-5.3-Flash di Z.ai, uscito lo stesso giorno, colpisce per la sua somiglianza, perché i due listini si differenziano di frazioni di centesimo. Due laboratori cinesi sono cioè arrivati alla stessa fascia di prezzo nello stesso momento, ed è un segnale su dove si sta spostando la concorrenza.
Sul fronte pratico hai tre strade. La prima passa dall’API di QwenCloud, con il modello identificato come qwen3.8-flash. La seconda è OpenRouter, che lo elenca dal giorno del lancio alle stesse tariffe. La terza consiste nello scaricare i pesi e ospitarli in proprio, opzione resa possibile proprio dal profilo di calcolo ridotto, dato che sei miliardi di parametri attivi richiedono risorse ben diverse da quelle di un modello denso di pari capacità. I pesi sono distribuiti sotto Qwen Community License 1.0, quindi conviene leggerne le condizioni prima di un impiego commerciale.
A chi conviene questo modello
Qwen3.8-Flash-Next interessa per due ragioni distinte. La prima è pratica, cioè un modello capace a un listino da fascia bassa, con la possibilità di installarlo in proprio. La seconda è di prospettiva, perché mostra in anticipo la direzione di Qwen4, e l’idea di spostare parte della conoscenza dalla scheda grafica alla memoria di sistema potrebbe essere imitata rapidamente.
Se costruisci agenti che macinano molte richieste, automatizzi flussi d’ufficio o lavori su codice con revisione iterativa, questo modello offre oggi un rapporto tra capacità e spesa che merita una prova sui tuoi carichi reali. Se invece ti servono le prestazioni massime sui problemi più difficili, resta un gradino sotto.
La cautela principale riguarda proprio i benchmark, misurati dal produttore contro un modello Anthropic di sei mesi fa, quindi utili come indicazione ma non come verdetto. Con i pesi già scaricabili, in ogni caso, la verifica indipendente arriverà in fretta, e sarà quella a dire se l’architettura regge davvero la promessa che porta con sé.
