26 августа, 17:03#ИИ и нейросети7 мин

Alibaba показала первую модель на архитектуре Qwen4 с открытыми весами

Alibaba выложила в открытый доступ Qwen3.8-Flash-Next — первую публичную модель на архитектуре следующего поколения Qwen4. Несмотря на «3.8» в названии, это уже новое поколение: мультимодальная модель со смесью экспертов, 125 млрд основных параметров и всего 6 млрд активных на каждый токен. Главное в цифрах — она втрое меньше предыдущей старшей модели линейки (397 млрд) и при этом выше неё во всех тестах, которые компания опубликовала.

Коротко

Qwen3.8-Flash-Next — первая публичная модель на архитектуре нового поколения Qwen4, анонс Alibaba.
Веса уже выложены в открытый доступ — вместе с квантованной FP8-версией; лицензия qwen-community-1.0, скачивание без заявки.
Устройство: мультимодальная модель со смесью экспертов, N-gram-эмбеддинги, изменения во внимании, остаточных связях и оптимизации.
Параметры по официальной карточке: 125 млрд основных плюс 51 млрд на N-gram-эмбеддинги и 4 млрд на предсказание нескольких токенов; на каждый токен работают 6 млрд активных.
Предыдущая старшая модель линейки Qwen3.7-Plus — 397 млрд параметров и 17 млрд активных: новая втрое меньше по общему объёму и почти втрое по активной части.
В опубликованных компанией тестах новая модель выше предыдущей везде: агентное программирование DeepSWE 1.1 — 58,7 против 16,5, SWE-bench Pro — 62,5 против 55,8, рабочие задачи CoWorkBench — 73,9 против 65,1, JobBench — 55,7 против 27,6.
🔎 Разошедшуюся по сети цифру «обучение в девять раз дешевле» официальная карточка модели не подтверждает — она из описания, которое затем убрали со страницы.
Улучшены программирование и совместная работа, общие возможности остались сопоставимыми с прежними моделями.
Ранний выпуск сделан, чтобы разработчики библиотек и систем запуска успели подготовиться к полноценному релизу.

Что значит «открытые веса» и почему это интересно бизнесу

У нейросети есть веса — числа, полученные при обучении; именно они определяют, как модель отвечает. Когда компания выкладывает веса в открытый доступ, любой может скачать модель и запустить её на своём оборудовании или у выбранного провайдера.

Разница для бизнеса практическая. Закрытая модель — это счёт за каждый запрос и чужие правила. Открытая — свои данные внутри контура компании, возможность дообучить модель под нишу и другой расклад по деньгам: вместо платы за запросы — расходы на оборудование или аренду мощностей.

Alibaba со своей линейкой Qwen — один из главных игроков открытого лагеря наряду с DeepSeek. Что это за семейство моделей и как оно работает из России, мы разбирали в обзоре Qwen.

Ещё один термин, без которого не понять новость. Смесь экспертов — устройство, при котором модель состоит из множества частей, но на каждый запрос включается лишь малая доля из них. Отсюда странное на первый взгляд сочетание: модель огромная, а работает быстро и дёшево.

Что произошло

Alibaba анонсировала Qwen3.8-Flash-Next — первую публичную модель на архитектуре следующего поколения, которое компания называет Qwen4. Название с номером 3.8 сбивает с толку, но речь именно о новом поколении.

Веса уже выложены в открытый доступ: модель можно скачать вместе с квантованной FP8-версией, заявка на доступ не нужна. Лицензия — qwen-community-1.0, то есть собственная лицензия компании, а не привычная Apache 2.0: условия использования стоит прочитать до внедрения.

Как устроена

Модель мультимодальная и построена на смеси экспертов. По официальной карточке в ней 125 млрд основных параметров, ещё 51 млрд отведено под N-gram-эмбеддинги — механизм, который помогает модели работать с устойчивыми сочетаниями слов, — и 4 млрд на предсказание нескольких токенов сразу.

На каждый обрабатываемый токен включаются только 6 млрд параметров. Именно это соотношение — большой общий объём при малой активной части — даёт скорость и низкую цену работы.

Кроме того, изменения затронули механизм внимания — компания называет его гибридным и добавила разреженное внимание собственной разработки, — а также остаточные связи и набор оптимизаторов при обучении.

Главная цифра — размер

Предыдущая старшая модель линейки, Qwen3.7-Plus, — это 397 млрд параметров и 17 млрд активных. Новая: 125 млрд и 6 млрд активных. Втрое меньше по общему объёму, почти втрое — по активной части, то есть по тому, что реально считается на каждый токен.

И при этом она сильнее. Компания опубликовала сравнение по тестам, и в языковой части новая модель выше предыдущей во всех строках. Сокращение SWE в названиях тестов — от software engineering, то есть разработка программ; такие тесты дают модели настоящие задачи из открытых проектов и считают долю решённых.

Тест	Что мерит	Flash-Next	Qwen3.7-Plus
DeepSWE 1.1	агентное программирование	58,7	16,5
SWE-bench Pro	исправление кода в реальных проектах	62,5	55,8
SWE-bench Multilingual	то же на разных языках	81,0	75,8
CoWorkBench	длинные офисные задачи	73,9	65,1
JobBench	профессиональные рабочие задачи	55,7	27,6
Toolathlon Verified	работа с внешними инструментами	73,5	50,6
GPQA Diamond	научные рассуждения	91,7	90,3

Тесты компания проводила сама — это заявка разработчика, а не независимый замер. Но даже с этой поправкой картина понятная: выигрыш не в том, что модель стала предельно умнее, а в том, что сопоставимое и местами заметно лучшее качество получено на втрое меньшем объёме.

🔎 Чего мы не подтверждаем. По сети разошлась цифра: обучение Flash-Next потребовало примерно в девять раз меньше вычислений, чем у Qwen3.7-Plus. Мы её не приводим как факт. Она из первой версии описания на странице модели, которое затем убрали; в официальной карточке модели такой цифры нет, таблицы расходов на обучение компания не публиковала. Если подтвердится — допишем.

Почему релиз ранний

Компания объясняет: модель выпущена заранее, чтобы разработчики библиотек и систем запуска успели подготовиться к полноценному релизу поколения.

Для рынка это означает, что основной выпуск Qwen4 близко, а Flash-Next — предварительная версия, на которой обкатывают совместимость.

Что это значит для бизнеса

Интерес к Qwen в России ощутимый: запрос «qwen» набирает около 277 тысяч показов в месяц, вместе с уточнениями — свыше 560 тысяч. Модель уже используют те, кому нужен доступ без сложностей с оплатой западных сервисов.

Первое следствие — цены. Каждый раз, когда сильная модель выходит с открытыми весами, стоимость работы через провайдеров падает, а закрытые сервисы отвечают снижением тарифов. Для покупателя это хорошая новость независимо от того, будет он пользоваться самой моделью или нет.

Второе — данные внутри контура. Открытая модель разворачивается на своём или арендованном оборудовании, и переписка клиентов, документы и цены не уходят наружу. Для компаний, где это критично, каждая новая сильная открытая модель расширяет выбор — про устройство этого лагеря есть отдельный разбор.

Третье — трезвость в ожиданиях. Заявленные улучшения касаются программирования и совместной работы, а не всего подряд. Проверять модель нужно на своих задачах: бенчмарки разработчика к вашим документам отношения не имеют.

Четвёртое — сроки. Предварительная версия существует для разработчиков инструментов, а не для внедрения в рабочие процессы. Строить на ней продакшн рано; разумно попробовать на неважной задаче и подождать полноценного релиза.

Что это значит для специалиста

Владельцу бизнеса. Ничего срочного. Но если в планах есть ИИ внутри процессов, сильные открытые модели — повод посчитать вариант со своим контуром.
Техническому директору. Ранний выпуск сделан ради совместимости: если вы держите свою систему запуска моделей, это окно для подготовки.
Разработчику. Соотношение 125 млрд общих и 6 млрд активных параметров определяет требования к памяти иначе, чем у плотных моделей того же размера.
Аналитику по расходам. Сильная модель на втрое меньшем объёме — сигнал, что цена доступа продолжит падать; годовой бюджет по сегодняшним ставкам считать рискованно.
Тем, кто выбирает модель под задачу. Сравнивайте на своих примерах: обзор нейросетей 2026 года помогает сузить круг, но финальный выбор делает тест.

Что делать уже сейчас

Определите, нужна ли вам открытая модель. Если данные не чувствительные, а объёмы небольшие, закрытый сервис проще и дешевле.
Соберите десяток своих задач для теста. Реальные документы и запросы, а не примеры из статей.
Проверьте доступ через провайдеров. Открытые модели обычно быстро появляются у посредников — это дешевле, чем поднимать своё оборудование.
Посчитайте два варианта расходов. Оплата за запросы против аренды мощностей на ваших объёмах.
Не переносите рабочие процессы на предварительную версию. Она существует для подготовки инструментов.
Отметьте в календаре проверку через месяц. К этому времени станет ясно, как выглядит полноценный релиз поколения.

Чего ждать дальше

Ближайшее — полноценный выпуск Qwen4. Предварительная версия обычно выходит за недели до основного релиза, и совместимость инструментов к этому моменту уже готова.

Второе — ответ конкурентов. Открытый лагерь стал полем соревнования: DeepSeek, Qwen и заявленная Nvidia линейка Nemotron тянут друг друга, а цены на доступ идут вниз.

Третье — снижение порога для отраслевых моделей. Чем дешевле обучение, тем реальнее для компаний дообучить готовую модель под свою нишу вместо аренды универсальной.

Частые вопросы

Что такое Qwen3.8-Flash-Next?
Первая публичная модель на архитектуре следующего поколения Qwen4 от Alibaba. Мультимодальная, построена на смеси экспертов.

Сколько в ней параметров?
125 млрд основных плюс 51 млрд дополнительных для N-gram-эмбеддингов; на каждый токен активны 6 млрд.

Веса уже доступны?
Да. Модель выложена в открытый доступ вместе с квантованной FP8-версией, заявка на доступ не нужна. Лицензия собственная — qwen-community-1.0, не Apache 2.0.

Чем она лучше предыдущей?
По опубликованным компанией тестам — программированием и рабочими задачами: DeepSWE 1.1 58,7 против 16,5, JobBench 55,7 против 27,6. При этом она втрое меньше: 125 млрд параметров против 397 млрд у Qwen3.7-Plus.

Можно ли внедрять её в работу?
Это предварительная версия, выпущенная для подготовки библиотек и систем запуска. Для рабочих процессов разумнее дождаться полноценного релиза.

Что значит «открытые веса»?
Результат обучения выложен в открытый доступ: модель можно скачать, запустить на своём оборудовании и дообучить под свою задачу.

Промпт: тест открытой модели на ваших задачах

Опишите ассистенту свои задачи и данные — он соберёт план проверки открытой модели, критерии оценки и расчёт, при каком объёме она выгоднее платного сервиса.

Промпт

Ты — руководитель внедрения ИИ с опытом сравнения моделей на реальных задачах компании. Отвечаешь за то, чтобы решение принималось по замеру на своих данных, а не по чужим бенчмаркам.

ЗАДАЧА
Собрать план проверки открытой модели на моих задачах: какие примеры взять, как оценивать ответы, с чем сравнивать и при каком объёме такой вариант выгоднее платного сервиса.

ЧТО Я ДАЮ
— задачи для модели: [что нужно делать — разбор документов, переписка, код, тексты]
— объёмы: [запросов в месяц, средняя длина запроса и ответа]
— какие данные участвуют: [публичные, коммерческие, персональные]
— что используем сейчас: [сервис, тариф, расход в месяц]
— свои силы: [есть ли разработчики и оборудование]
— требования к качеству: [где ошибка недопустима, где терпима]

ЧТО ТЫ УЧИТЫВАЕШЬ ОБ УСЛОВИЯХ
— Qwen3.8-Flash-Next — первая публичная модель архитектуры Qwen4 от Alibaba: мультимодальная, смесь экспертов, 125 млрд основных параметров, 6 млрд активных на токен;
— втрое меньше предыдущей старшей модели линейки (125 млрд против 397 млрд, 6 млрд активных против 17 млрд) и выше неё во всех опубликованных компанией тестах;
— это предварительный выпуск для разработчиков библиотек и систем запуска, а не готовая к продакшену версия;
— открытые веса позволяют запускать модель у себя или у провайдера и дообучать её под нишу;
— соотношение большого общего объёма и малой активной части меняет требования к памяти по сравнению с плотными моделями;
— заявленные улучшения проверяются на своих задачах: бенчмарки разработчика к чужим документам отношения не имеют.

С ЧЕГО НАЧИНАЕШЬ
Недостающие данные спрашивай ПО ОДНОМУ ВОПРОСУ ЗА РАЗ. Ответы «задачи разные», «объёмы средние», «качество важно» не принимай — проси конкретные примеры запросов, число обращений в месяц и критерий, по которому ответ считается хорошим. Если критерия нет, помоги его сформулировать до начала теста.

ПРОТОКОЛ
1. Отбери 10–15 задач для проверки: типичные, сложные и заведомо провальные случаи.
2. Сформулируй критерии оценки ответа: что считается верным, что приемлемым, что браком.
3. Опиши процедуру теста: одинаковые запросы, одинаковые условия, кто и как оценивает.
4. Составь таблицу сравнения с текущим сервисом по качеству, скорости и цене.
5. Посчитай расходы для трёх вариантов: платный сервис, открытая модель у провайдера, своё оборудование.
6. Назови порог объёма, при котором каждый вариант становится выгоднее остальных.
7. Оцени риски: чувствительность данных, зависимость от поставщика, поддержка и обновления.
8. Дай рекомендацию с оговоркой про предварительный статус модели.
9. Составь план теста на две недели с ответственными и датой решения.

ФОРМАТ ОТВЕТА
Начни с трёх строк: что проверяем, сколько это займёт, при каком объёме открытая модель окупается. Дальше таблица сравнения вариантов: строки — варианты, столбцы «расход в месяц», «качество на моих задачах», «риски», «когда подходит». Отдельным блоком — набор из 10–15 тестовых задач с критериями оценки. В конце — план на две недели.

ПРАВИЛА
— считаешь в рублях, курс и допущения называешь явно;
— цены провайдеров не выдумываешь: даёшь диапазон и говоришь, где проверить;
— не обещаешь, что открытая модель сравняется с закрытой на любой задаче: это решает тест;
— предварительный статус модели упоминаешь в каждой рекомендации, где это влияет на решение.

Способ зарабатывать на ИИ

Зарабатывайте на создании сайтов и ИИ-агентов