千问3.8 Flash实测：低价高性能，4090显卡可流畅运行

阿里近日发布并开源了Qwen 3.8 Flash-Next模型，凭借极具竞争力的价格和出色的性能，发布即登顶Huggingface榜单。这款模型采用125B MoE架构，每个Token仅激活约6B参数，原生支持262144 token上下文，并可通过YaRN扩展至1M token，被视为Qwen 4新架构的预演。相比Qwen 3.7 Plus，激活参数降至1/3，训练成本降至1/9，通用、数学推理、编程能力均有提升。价格方面，每百万Tokens输入0.8元，输出2.7元，缓存命中0.1元，最低仅为DeepSeek-V4-Flash的1/3。

实测表现：高效完成多场景任务

在实测中，Qwen 3.8 Flash-Next展现了惊人的效率。它能在不到2分钟内完成四种平台（小红书、微博、抖音、朋友圈）的相机产品文案改写，且风格与话题标签准确。另一项测试中，它于4分钟内将万字会议实录整理为总结、表格及通知邮件，结论与分工准确，并主动梳理未决事项。这种高效处理能力，让它在办公场景中极具实用性。目前，模型已在“千问办公”平台首发，API同步开放。

价格战升级：国产模型集体降价

同期，智谱也开源了GLM-5系列首个原生多模态模型GLM-5.3-Flash，性能比肩Claude Opus 4.8，价格仅为GLM-5.3的1/10，并推出两周半价活动，活动期内价格仅为GLM-5.3的1/20、Opus 4.8的1/40。两款模型均以低价冲击DeepSeek-V4-Flash，国产大模型价格战进一步加剧。

技术亮点与市场意义

Qwen 3.8 Flash-Next的MoE架构是其核心竞争力。125B总参数中仅激活6B，大幅降低了推理成本，使得在4090显卡上即可流畅运行，这为中小企业和个人开发者提供了低成本部署的可能。原生262K上下文支持，加上YaRN扩展至1M的能力，使其在处理长文档、复杂对话时游刃有余。训练成本降至1/9，意味着阿里在模型迭代上拥有更高的效率，为Qwen 4的推出铺平了道路。

从市场角度看，阿里和智谱的接连动作，标志着国产大模型正从“拼参数”转向“拼性价比”。低价策略不仅吸引了更多用户，也倒逼行业优化架构和训练效率。对于开发者而言，这意味着更低的试错成本和更快的应用落地。

结语

千问3.8 Flash-Next的发布，不仅是技术的一次跃升，更是市场策略的精准落子。它以低价和高性能重新定义了入门级大模型的标准，而GLM-5.3-Flash的跟进，则让这场价格战更加白热化。未来，随着更多国产模型的加入，大模型的应用门槛将进一步降低，惠及更广泛的用户群体。