Команда Qwen обновила свою флагманскую модель — вышла Qwen3.8-Max-0902i. Дополнительное обучение на задачах кодинга и совместной работы (Cowork) подтянуло результаты на сложных корпоративных задачах, научных расчётах и длинных многошаговых сценариях без потери контекста.

Модель доступна только через API на платформе QwenCloudi. По оценке одного из источников, релиз продолжает тенденцию, когда китайские модели создают конкурентное давление на американские AI-компании.

Полный разбор →

Alibaba представила Qwen3.8-Flash — мультимодальную MoEi-модель, а также открыла веса Qwen3.8-Flash-Next, ранней версии архитектуры, на которой команда строит будущий Qwen4. Модель имеет 125B параметров (из них активируется всего 6B на токен) плюс 51B дополнительных N-gram embeddingsi, повышающих емкость почти без роста вычислений. Обучение обошлось примерно в 9 раз дешевле, чем у Qwen3.7-Plus, а по бенчмаркам модель обходит Qwen3.8-27B и, по разным оценкам, конкурирует с DeepSeek-V4-Flash или превосходит его.

Модель уже доступна и продакшен-версией в QwenCloud, и открытыми весами на HuggingFace (в том числе в GGUF-квантах от Unsloth), поддерживается vLLM и SGLang, появилась на OpenRouter. Благодаря компактному числу активных параметров и оптимизации под unified memory её можно гонять локально на машинах вроде DGX Spark, Mac Studio и Strix Halo с ~128 ГБ памяти.

Полный разбор →

Alibaba выпустила Qwen3.8-Flash-Next — мультимодальную модель с открытыми весами, которая служит ранним предпросмотром архитектуры будущего Qwen4. Модель понимает текст, изображения и видео, при 125 млрд основных параметров активирует лишь 6 млрд на токен, а контекст доведён до 262 144 токенов нативно и почти до 1M через YaRNi.

По словам источников, обучение обошлось примерно в 9 раз дешевле, чем у Qwen3.7-Plus, при этом новая модель обгоняет и Qwen3.7-Plus, и DeepSeek-V4-Flash по большинству бенчмарков — особенно в программировании и офисных задачах. Схема повторяет ход Alibaba с Qwen3-Next перед релизом Qwen3.5: сначала показывают архитектурные новшества, потом строят на них весь модельный ряд.

Полный разбор →

Автор канала «Галера Морева» провёл целый рабочий день, прогоняя модель Qwen 3.8 27B через реальные агентские и разработческие задачи — не синтетические тесты, а боевые проекты.

По плану предполагалась эскалация мощностей: от одной RTX 2080 до пары 2080 и далее до двух RTX 3090, если слабое железо не справится. Но неожиданно все задачи решила самая базовая конфигурация — одна RTX 2080 с квантованием Q4_K_Mi.

Полный разбор →

Китайская платформа Model Scopei (аналог Hugging Face в Китае) запустила обратный отсчёт до релиза модели Qwen3.8-Flash-Next. Это будет первая модель, построенная на архитектуре следующего поколения, на которой в дальнейшем будет основан и сам Qwen-4.

Деталей пока немного, но известно, что изменения затронут механизм внимания, residual-связиi, эмбеддинг-слоиi и оптимизацию модели — то есть речь о довольно глубокой архитектурной перестройке, а не о косметическом обновлении.

Полный разбор →

На Hugging Face от аккаунта orcarouter появилось семейство сборок Qwen3.8-27B-Uncensored — версии китайской модели Qwen3.8-27B с ослабленными или снятыми встроенными ограничениями на выдачу контента. За неделю (18–25 августа) вышли варианты под все основные сценарии запуска: MLXi для Apple Silicon (квантование 2/4/6/8 бит), FP8, GGUFi и полная точность BF16, а также готовый API через OrcaRouter для тех, кто не хочет разворачивать модель самостоятельно.

Значимость истории в том, что мощная 27B-модель с рассуждениями, зрением и вызовом инструментов теперь запускается полностью локально, без серверных фильтров и внешнего API — то есть уровень ограничений определяется не платформой, а тем, какую сборку скачал пользователь и как её настроил.

Полный разбор →

Вышло второе поколение DFlash — техники спекулятивного декодирования для ускорения инференса больших языковых моделей. Первое поколение DFlash уже стало отраслевым стандартом, набрав 3,5 млн загрузок на Hugging Face. Суть подхода: маленькая модель быстро предсказывает кусок текста, а большая проверяет его одним проходом вместо того, чтобы генерировать по слову — итоговый текст полностью идентичен оригиналу, но выдаётся быстрее.

На практике это уже проверили с моделью Qwen3.8-27B: на ноутбуке она выдаёт 70 токенов/с вместо обычных ~15–20, а ускорение достигает 2.7–4.6 раз в зависимости от модели и настроек.

Полный разбор →