อาลีบาบาเปิดเผยว่า Qwen 3.8-Flash-Next ขนาด 125B พารามิเตอร์ 6B ต่อทีเคิลผ่าน MoE

หัวข้อ: Alibaba เปิดเผยว่า Qwen 3.8-Flash-Next — รุ่นตัวอย่างที่มีพารามิเตอร์ 125 พันล้านตัว แต่เปิดใช้งานเพียง 6 พันล้านตัวต่อโทเค็น ซึ่งชี้ไปที่ Qwen 4 Alibaba จะเปิดตัว Qwen 3.8-Flash-Next ในวันพุธนี้ — ซึ่งบริษัทอ้างว่าเป็นการเปิดตัวตัวอย่างเบื้องต้นของสถาปัตยกรรม Qwen 4 รุ่นถัดไป ไม่ใช่โมเดลฟีเจอร์หลักที่เสร็จสมบูรณ์ ตามทีมของ Alibaba และทวีตที่แพร่กระจาย โมเดลนี้มีพารามิเตอร์ 125 พันล้านตัว แต่รายงานระบุว่าเปิดใช้งานเพียงประมาณ 6 พันล้านตัวต่อโทเค็น (ทวีตยังอ้างถึงส่วนประกอบ “+51B N-gram”) ตัวเลขเหล่านี้และประสิทธิภาพในโลกจริงยังไม่ได้รับการยืนยัน; Alibaba และ Hugging Face ระบุว่าการเปิดตัวนี้เป็นเพียงการเปิดเผยสถาปัตยกรรม และยังไม่ได้เผยแพร่คะแนนเปรียบเทียบแบบจับคู่ เหตุใดตัวเลขเหล่านี้จึงสำคัญ - พารามิเตอร์คือปุ่มปรับที่โมเดลใช้ในการเรียนรู้และปรับตัว โดยทั่วไป พารามิเตอร์มากขึ้นหมายถึงความสามารถมากขึ้น แต่ก็มีค่าใช้จ่ายในการประมวลผลสูงขึ้นด้วย - เทคนิคที่ใช้คือสถาปัตยกรรม mixture-of-experts (MoE): แทนที่จะรันทุกส่วนของเครือข่ายขนาดใหญ่สำหรับอินพุตทุกครั้ง โมเดลจะส่งคำขอแต่ละรายการไปยังกลุ่มย่อยเล็กๆ ของโมเดลย่อยเฉพาะทาง (“ผู้เชี่ยวชาญ”) ซึ่งสามารถทำให้โมเดลขนาด 125 พันล้านพารามิเตอร์ทำงานด้วยค่าใช้จ่ายการประมวลผลเหมือนโมเดลขนาดเล็กกว่ามาก โดยเปิดใช้งานเฉพาะผู้เชี่ยวชาญที่เกี่ยวข้องสำหรับแต่ละโทเค็น โดยสรุป: ศักยภาพใกล้เคียงระดับชั้นนำในราคาการประมวลผลทั่วไป — หากพฤติกรรม MoE ที่อ้างอิงนั้นเป็นจริง สิ่งที่ Alibaba ระบุและสิ่งที่ยังไม่ชัดเจน - Alibaba นำเสนอ Qwen 3.8-Flash-Next เป็นโมเดลแบบมัลติมอดัลและสร้างขึ้นบนการออกแบบ Qwen 4 รุ่นใหม่ที่กำลังจะมา โดยเปิดตัวก่อนเพื่อให้นักพัฒนาสามารถเตรียมพร้อมสำหรับชุดโมเดลเต็มรูปแบบ - Hugging Face ซึ่งคาดว่าจะมีน้ำหนักโมเดลปรากฏด้วย ก็เรียกมันว่าเป็นการเปิดเผยสถาปัตยกรรม Qwen 4 เช่นกัน - ยังไม่มีการเผยแพร่ผลการทดสอบจากภายนอกหรือการเปรียบเทียบแบบจับคู่กับสาย Qwen 3 หรือคู่แข่งตะวันตก ดังนั้นประสิทธิภาพและการแลกเปลี่ยนทรัพยากรยังคงเป็นสมมุติฐาน บริบท: การเคลื่อนไหวของโมเดลแบบเปิดน้ำหนักในจีน ตลาดโมเดลแบบเปิดน้ำหนักของจีนมีความคึกคักมาก โดยมีการเปิดตัวจากบุคคลไม่ระบุชื่อและองค์กร (เช่น โมเดล Ox Alpha ที่ทำผลงานดีกว่า Fable ของ Anthropic ในบางการทดสอบด้านการเขียนโค้ด และน้ำหนักแบบเปิดจาก Alibaba, DeepSeek และ Moonshot) ทำให้โมเดลทรงพลังสามารถดาวน์โหลด ปรับแต่ง และรันได้ในเครื่องของตนเอง การเปิดน้ำหนักช่วยลดการพึ่งพา API แบบปิด ลดค่าใช้จ่ายในการโฮสต์ และช่วยให้นักพัฒนาหลีกเลี่ยงการส่งข้อมูลสำคัญไปยังบริการภายนอก — เป็นปัจจัยสำคัญสำหรับ AI โดยทั่วไปและโครงการคริปโต เหตุใดผู้ใช้งานคริปโตควรใส่ใจ - เครื่องมือบนโซเชียลและบอท: โมเดลขนาดใหญ่ที่สามารถรันได้ในเครื่องและราคาถูกกว่าอาจขับเคลื่อนเอเจนต์บนโซเชียล เครื่องมือตรวจสอบ การเทรด และกลยุทธ์ MEV โดยไม่ต้องจ่ายค่า API อย่างต่อเนื่อง - ความเป็นส่วนตัวและการควบคุม: การโฮสต์โมเดลด้วยตนเองลดความเสี่ยงของการรั่วไหลของข้อมูล เช่น กุญแจส่วนตัว กราฟธุรกรรม หรือสัญญาณการเทรดเชิงลึก - โครงสร้างพื้นฐาน AI แบบกระจายศูนย์: น้ำหนักแบบเปิดสามารถเร่งการพัฒนาเลเยอร์การอนุมานแบบกระจายศูนย์และออราเคิลที่ลดความเชื่อถือผู้ให้บริการรายเดียว - ข้อควรระวัง: ก่อนที่จะมีผลการทดสอบและข้อมูลค่าใช้จ่ายจริง การสรุปว่าโมเดลนี้ให้คุณภาพระดับชั้นนำในราคาถูกยังเร็วเกินไป สรุป Qwen 3.8-Flash-Next ถูกนำเสนอเป็นการเปิดเผยเบื้องหลังแนวคิดการออกแบบของ Qwen 4 — สัญญาว่าจะมีประสิทธิภาพแบบ mixture-of-experts และความสามารถแบบมัลติมอดัล การเปิดตัวครั้งนี้โดดเด่นเพราะหากคำอ้างเป็นจริง น้ำหนักแบบเปิดจากโมเดล MoE ขนาด 125 พันล้านพารามิเตอร์ที่เปิดใช้งานเพียง ~6 พันล้านต่อโทเค็นอาจทำให้ AI ทรงพลังเข้าถึงได้ง่ายขึ้นสำหรับนักพัฒนาและโครงการคริปโต แต่เราจำเป็นต้องมีผลการทดสอบที่ได้รับการยืนยันและการทดสอบด้วยตนเองเพื่อยืนยันความหวือหวานี้ กรุณาเฝ้าดูการเปิดตัวอย่างเป็นทางการ น้ำหนักบน Hugging Face และการประเมินจากผู้เชี่ยวชาญภายนอก