آیا میتوانم Qwen3.8-Flash را بهصورت محلی اجرا کنم؟

بله، وزنها باز هستند و در Hugging Face تحت مخزن Qwen/Qwen3.8-Flash-Next منتشر شدهاند و با Transformers، vLLM و SGLang سازگارند. توجه داشته باشید که تعداد کل پارامترها 125 میلیارد است، بنابراین استقرار محلی به سختافزار قابل توجهی نیاز دارد، حتی اگر فقط 6 میلیارد پارامتر در هر عبور فعال شوند.

هزینه Qwen3.8-Flash چقدر است و محدودیت زمینه چقدر است؟

از طریق API ابری Qwen، قیمت آن 0.15 دلار برای هر میلیون توکن ورودی و 0.47 دلار برای هر میلیون توکن خروجی است، با پنجره متنی یک میلیون توکنی بهصورت پیشفرض در سرویس مدیریت شده.

Qwen3.8-Flash چگونه با سایر مدلهای Qwen3 متفاوت است؟

این مدل از معماری جدیدی استفاده میکند—توجه پراکنده Qwen، جریانهای باقیمانده دروازهدار و جاسازی N-gram—که علیبابا آن را پایهای برای Qwen4 میداند، نه معماری استاندارد ترنسفورمر که در نسخههای قبلی Qwen3 به کار رفته بود. این مدل پیشنمایش آزمایشی است و یک مدل تولیدی کاملاً تثبیتشده نیست.

▲

37.8%

این هفته

Qwen3.8 Flash

8894°

#llm #qwen #بینایی #ویدیو #استدلال #کدنویسی

اجرای مدل

پیشنهادها / تبلیغات

OpenRouter ترمینال / API

پرداخت به ازای هر توکن

با این مدل در مرورگر چت کنید یا با یک کلید API از کد خود به آن دسترسی داشته باشید.

Qwen | زمینه متنی 1,000,000 توکن | ورودی $0.15/M، خروجی $0.47/M. Qwen3.8 Flash یک مدل استدلال چندرسانه‌ای از علی‌بابا است. مناسب برای کمک کدگذاری، جریان‌های کاری عامل‌محور، درک بصری، تحلیل اسناد و کدبیس، تعامل دسکتاپ، تحلیل نمودار و تحلیل ویدئوی بلند است.

راهنماهای این مدل

چطور در اکتبر ۲۰۲۶ یک مدل هوش مصنوعی انتخاب کنیم: اخبار مدل‌های بسته و سپس وزن‌های باز که ارزش دانلود دارند

بهترین مدل محلی LLM بر اساس کاربرد (اکتبر ۲۰۲۶): مدل باز مناسب برای هر کار

واقعاً چقدر VRAM برای هوش مصنوعی محلی نیاز دارم؟

وزن‌های باز در مقابل متن‌باز در مقابل فقط API: واقعاً چه کاری مجاز هستید انجام دهید

چگونه Ollama را نصب کنیم و یک هوش مصنوعی محلی را اجرا کنیم (ویندوز، مک، لینوکس)

همه راهنماها

یادداشت‌های کاپیتان

نوشته شده توسط Captain، ویراستار خانه

یادداشت‌ها از 2026-10-13

Qwen3.8-Flash یک مدل استدلال چندرسانه‌ای از شرکت علی‌بابا با وزن‌های باز و پنجره متنی یک میلیون توکنی است. معماری آن—توجه پراکنده Qwen، جریان‌های باقیمانده دروازه‌دار و جاسازی N-gram—به‌طور صریح به‌عنوان پایه‌ای برای Qwen4 معرفی شده است، بنابراین هم به‌عنوان پیش‌نمایش آزمایشی و هم به‌عنوان ابزار تولیدی محسوب می‌شود. با هزینه کمتر از نیم سنت برای هر هزار توکن خروجی، برای توسعه‌دهندگانی که به بینایی، ویدئو و استدلال با زمینه طولانی نیاز دارند و نمی‌خواهند هزینه بالای API پرداخت کنند، مناسب است.

معروف به

پنجره متنی یک میلیون توکنی برای کدبیس‌های بزرگ و اسناد طولانی
چندرسانه‌ای: پشتیبانی از تصاویر، نمودارها، ویدئو و تعامل دسکتاپ
معماری نوآورانه که پیش‌نمایش Qwen4 است: کاهش تأخیر در زمینه طولانی از طریق QSA
وزن‌های باز در Hugging Face، سازگار با vLLM، SGLang و Transformers
125 میلیارد پارامتر کل با تنها 6 میلیارد فعال، که هزینه استنتاج را پایین نگه می‌دارد

مراقب باشید

به‌عنوان معماری آزمایشی معرفی شده؛ پایداری در تولید تضمین نمی‌شود.
وزن‌های کل 125 میلیاردی باعث می‌شود استقرار محلی سخت باشد، حتی با فعال‌سازی 6 میلیارد پارامتر.
شرایط مجوز در کارت مدل ذکر نشده؛ قبل از استفاده تجاری، مخزن Hugging Face را بررسی کنید.

بهترین برای

کدنویسی

عامل‌ها و استفاده از ابزار

استدلال

بینایی

متن زمینه بلند

دستورات برای امتحان

رفع اشکال خط لوله async که دچار خطا می‌شود

من یک خط لوله async در پایتون دارم که دسته‌هایی از رکوردها را از یک صف پردازش می‌کند. گاهی اوقات وقتی صف در وسط دسته خالی می‌شود، کارگران دچار بن‌بست می‌شوند. این کد مربوطه است: ```python async def worker(queue, results): while True: batch = [] for _ in range(BATCH_SIZE): item = await queue.get() batch.append(item) results.extend(process(batch)) ``` توضیح بده چرا بن‌بست رخ می‌دهد و کد worker را طوری بازنویسی کن که صف خالی را به‌درستی مدیریت کند.

تحلیل تصویر نمودار

من یک نمودار از گزارش کسب‌وکار سه‌ماهه پیوست می‌کنم. نوع نمودار را شناسایی کن، روند نشان داده شده را توصیف کن، هر گونه ناهنجاری یا نقاط عطف را مشخص کن و یک سؤال پیگیری که یک تحلیل‌گر باید بر اساس داده‌ها بپرسد پیشنهاد بده.

برنامه‌ریزی یک عامل تحقیق چندمرحله‌ای

یک جریان کاری عامل‌محور حداقلی طراحی کن که یک سؤال کاربر درباره یک شرکت را بگیرد، آن را به زیرکارها تقسیم کند (جستجوی وب، بررسی داده‌های مالی، بررسی احساسات)، ترتیب استفاده از ابزارها را تعیین کند و پاسخ نهایی را ترکیب کند. ابزارهای لازم، منطق تصمیم‌گیری بین مراحل و محل اضافه کردن نقطه کنترل انسان در حلقه را فهرست کن.

مقایسه با

Qwen3.7 Flash
مدل فقط API
متن زمینه 1,000,000 توکن · ورودی $0.03/M، خروجی $0.13/M
Qwen3.8 Max (0902)
مدل فقط API
متن زمینه 1,000,000 توکن · ورودی $2.00/M، خروجی $6.00/M
Qwen3.8 Omni Flash
مدل فقط API
متن زمینه 1,000,000 توکن · ورودی $0.15/M، خروجی $0.47/M
Qwen3 VL 32B Instruct
مدل فقط API
متن زمینه 131,072 توکن · ورودی $0.10/M، خروجی $0.42/M

مدل‌های متنی بیشتر از qwen

سؤالات متداول

آیا می‌توانم Qwen3.8-Flash را به‌صورت محلی اجرا کنم؟: بله، وزن‌ها باز هستند و در Hugging Face تحت مخزن Qwen/Qwen3.8-Flash-Next منتشر شده‌اند و با Transformers، vLLM و SGLang سازگارند. توجه داشته باشید که تعداد کل پارامترها 125 میلیارد است، بنابراین استقرار محلی به سخت‌افزار قابل توجهی نیاز دارد، حتی اگر فقط 6 میلیارد پارامتر در هر عبور فعال شوند.
هزینه Qwen3.8-Flash چقدر است و محدودیت زمینه چقدر است؟: از طریق API ابری Qwen، قیمت آن 0.15 دلار برای هر میلیون توکن ورودی و 0.47 دلار برای هر میلیون توکن خروجی است، با پنجره متنی یک میلیون توکنی به‌صورت پیش‌فرض در سرویس مدیریت شده.
Qwen3.8-Flash چگونه با سایر مدل‌های Qwen3 متفاوت است؟: این مدل از معماری جدیدی استفاده می‌کند—توجه پراکنده Qwen، جریان‌های باقیمانده دروازه‌دار و جاسازی N-gram—که علی‌بابا آن را پایه‌ای برای Qwen4 می‌داند، نه معماری استاندارد ترنسفورمر که در نسخه‌های قبلی Qwen3 به کار رفته بود. این مدل پیش‌نمایش آزمایشی است و یک مدل تولیدی کاملاً تثبیت‌شده نیست.

حکم کاپیتان
یک معماری واقعاً نوآورانه با قیمت پایین، اما آن را به‌عنوان نگاهی اولیه به Qwen4 در نظر بگیرید نه یک انتخاب قطعی برای تولید.

کارت مدل در Hugging Face

کاپیتان این یادداشت‌ها را از توضیحات مدل و کارت مدل نوشته است. قیمت‌ها و اندازه متن زمینه مربوط به ارائه‌دهنده در زمان نوشتن است و ممکن است تغییر کند.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Also ranked: #37 Hottest Text / LLM model · #37 Hottest Text / LLM text model

Not this creator?

Get your own badge

روند محبوبیت Qwen3.8 Flash

امتیاز حرارتی از 26 Aug 2026

امتیاز داغی

8,894°

این هفته

▲

37.8%

8,851° آن زمان، 8,894° الان

این ماه

▲

532%

8,650° آن زمان، 8,894° الان

سال گذشته

n/a

هنوز منتشر/ردیابی نشده

7,000°

کف

مقیاس از 0° تا 9,999° است. هر چیزی زیر 7,000° برای مدل‌هایی است که هیچ منبعی هنوز گزارشی درباره‌شان نداده و یک عدد جایگزین آنجا دارند تا فهرست‌ها کامل بمانند. 7,000° جایی است که داده‌های اندازه‌گیری شده شروع می‌شود: مدلی با داده واقعی ولی تقریباً بدون دانلود روی کف قرار می‌گیرد و اندازه‌گیری‌ها درجه‌های بالاتر را پر می‌کنند. کف درباره مدل چیزی نمی‌گوید؛ فقط درجه‌های بالاتر این کار را می‌کنند و آنها هستند که مدل‌ها را از هم جدا می‌کنند.

+1,597°

توکن‌های OpenRouter

2,098,089,404,683 توکن این مدل در ۳۰ روز گذشته از طریق OpenRouter پردازش شده است، شامل درخواست‌ها و پاسخ‌ها. هر 10,000,000 توکن به عنوان یک دانلود در دوره دانلود حساب می‌شود، مجموعاً 209,808؛ توکن‌های روز آخر به نرخ پذیرش اضافه می‌شوند. منبع: OpenRouter (openrouter.ai/rankings).

+297°

نرخ پذیرش

حدود 9,165 دانلود در روز، اندازه‌گیری شده بین دو خوانش از منابع، هرگز حدس زده نشده از میانگین عمر. سرعت یک چهارم عامل دانلود وزن دارد، پس یک جهش تازه نشان داده می‌شود بدون اینکه یک جهش یک روزه بالاتر از سال‌ها استفاده قرار بگیرد.

نمایش جزئیات

هر عدد در این سایت قابل بررسی است. امتیاز حرارت این مدل 8,894° است و اینجا به صورت مرحله به مرحله ساخته شده، با مجموع جاری بعد از هر مرحله: کف، درجه‌هایی که هر منبع اضافه می‌کند، جایزه برای نوع مدل و چیزی که سن وزن‌ها کم می‌کند. رنگ‌ها همان بازه‌های نمودار بالاست. واژه‌نامه در انتها هر اصطلاح را تعریف می‌کند.

1
از کف شروع کن.
چرا 7,000° و نه صفر: مقیاس از 0° تا 9,999° است و بخش زیر 7,000° برای مدل‌هایی است که هیچ منبعی هنوز گزارشی درباره‌شان نداده و یک عدد جایگزین آنجا دارند تا فهرست‌ها کامل بمانند و هیچ‌وقت بالاتر از مدلی با داده قرار نگیرند. 7,000° جایی است که داده‌های اندازه‌گیری شده شروع می‌شود. مدلی با داده واقعی ولی تقریباً بدون دانلود اینجا قرار می‌گیرد؛ هر چیزی که بعد از آن می‌آید اندازه‌گیری است و فضای بالای کف ده مرحله ده برابر در دانلودها دارد که هر کدام 300° است. کف برای همه مدل‌ها یکسان است، پس تصمیم‌گیرنده نیست؛ درجه‌های بالاتر این کار را می‌کنند.
7,000°
جمع جاری
2
دانلودها را اضافه کن.
209,808 معادل دانلود در کل، از توکن‌های OpenRouter. ده برابر کردن دانلودها همان 300° را اضافه می‌کند، پس اندازه مهم است اما هرگز امتیاز را به خودش نمی‌برد.
+1,597°
8,597°
جمع جاری
3
نرخ پذیرش را اضافه کن.
حدود 9,165 دانلود در روز همین الان، اندازه‌گیری شده بین دو خوانش، با یک چهارم وزن.
+297°
8,894°
جمع جاری
=
امتیاز حرارت.
جایی که این مدل در هر فهرست این سایت قرار دارد. هیچ چیز دیگری آن را تنظیم نمی‌کند.
8,894°

واژه‌نامه: اصطلاحات استفاده شده اینجا

امتیاز حرارت: یک عدد برای اینکه چقدر یک مدل الان استفاده و خواسته می‌شود، از 0° تا 9,999°. هر فهرستی در این سایت که می‌گوید داغ‌ترین‌ها بر اساس آن مرتب شده‌اند و هیچ چیز دیگری.
کف: 7,000° که هر مدل با داده واقعی از آن شروع می‌کند. مقیاس از 0° تا 9,999° است؛ بخشی که زیر کف است برای جایگزین‌ها (مدل‌هایی بدون داده) محفوظ است، تا مدلی با داده همیشه بالاتر از مدلی بدون داده باشد. کف برای همه یکسان است و هیچ تصمیمی نمی‌گیرد؛ درجه‌های بالاتر اندازه‌گیری هستند.
معادل‌های دانلود: هر چیزی که امتیاز به عنوان دانلود حساب می‌کند، جمع شده: خود دانلودها، هر تورنت سیدر به عنوان 1,000، هر تصویر AI Horde و هر اجرا روی سایت تولید به عنوان یکی.
مقیاس لگاریتمی: شمارش به صورت ده‌تایی، نه یکی‌یکی: رفتن از 1,000 به 10,000 دانلود همان درجه‌ها را اضافه می‌کند که رفتن از 10,000 به 100,000. این باعث می‌شود غول‌ها همه چیز را نبلعند.
لایک‌ها: تایید و لایک از هر منبع، هر کدام نصف وزن یک دانلود در مقیاس لگاریتمی.
نرخ پذیرش: چند دانلود در روز یک مدل همین الان می‌گیرد، از تفاوت بین دو خوانش یک منبع. یک چهارم وزن بخش دانلود.
اندازه‌گیری شده و تخمینی: اندازه‌گیری شده یعنی دو خوانش از یک منبع وجود دارد و تفاوت واقعی است. تخمینی یعنی فقط مجموع امروز معلوم است و گذشته به صورت مدل در طول عمر آن پخش شده؛ سایت می‌گوید کدام را نشان می‌دهد.
سیدر: کسی که یک نسخه از وزن‌ها را به صورت آنلاین نگه می‌دارد تا دیگران از طریق تورنت دانلود کنند، یا یک آینه میزبانی شده که همین کار را می‌کند. هر کدام به اندازه ۱۰۰۰ دانلود حساب می‌شود.
AI Horde: یک شبکه داوطلبانه که تصاویر را به صورت رایگان روی کامپیوترهای اهدایی تولید می‌کند. تعداد تصاویری که با یک مدل ساخته شده عمومی است و هر کدام به عنوان یک دانلود حساب می‌شود.
سایت‌های تولید: سایت‌هایی که نسخه‌های خودشان از یک مدل را میزبانی می‌کنند و به مردم اجازه می‌دهند با آن تولید کنند، مثل PixAI، SeaArt و Yodayo. دانلودهای آن‌ها مثل Civitai حساب می‌شود و هر بار تولید به عنوان یک دانلود محسوب می‌شود.
توکن‌های OpenRouter: یک مدل متنی که از طریق API ارائه می‌شود، مانند Claude یا GPT، وزن‌هایی برای دانلود ندارد، بنابراین استفاده آن بر اساس توکن‌ها اندازه‌گیری می‌شود: قطعات متنی که در ۳۰ روز گذشته از طریق OpenRouter خوانده و نوشته است. هر 10,000,000 توکن به عنوان یک دانلود حساب می‌شود. منبع: OpenRouter (openrouter.ai/rankings)، CC BY 4.0.
مدل کامل (چک‌پوینت): خود وزن‌ها، فایلی که به تنهایی تولید می‌کند. یک امتیاز اضافی می‌گیرد چون افزونه‌ها به آن وابسته‌اند.
LoRA و امبدینگ: فایل‌های کوچک افزونه که وزن‌های دیگران را به سمت یک سبک، شخصیت یا مفهوم هدایت می‌کنند. نمی‌توانند به تنهایی اجرا شوند.
خانواده و وزن‌ها: پایه‌ای که مدل روی آن ساخته شده، مثل SD 1.5، SDXL، Flux یا Wan. هر مدل تاریخ انتشار وزن‌های خانواده‌اش را به ارث می‌برد.
سن: درجه‌هایی که به خاطر مدت زمان گذشته از انتشار وزن‌های خانواده کم می‌شود: ۱۵۰ درجه در سال، تا ۷۵۰ درجه. دانلودهای قدیمی که سال‌ها فرصت جمع شدن داشتند را نگه می‌دارد تا بالای لیست ثابت بمانند.
تقویت خانواده: یک فشار کوچک و محدود برای LoRAهای یک خانواده که این سایت الان به جلو می‌برد، همیشه در جزئیات لیست شده.
امتیاز جایگزین: یک عدد پایدار زیر حداقل که به مدلی داده می‌شود که هنوز هیچ منبعی درباره‌اش گزارش نداده، تا لیست‌ها کامل بمانند. هیچ‌وقت بالاتر از مدلی با داده رتبه نمی‌گیرد.
جدید! (دوره گذار): مدلی که کمتر از 7 روز از عمرش گذشته باشد، به جای امتیاز، عبارت جدید! را نشان می‌دهد و در رتبه‌بندی جایگاهی ندارد. امتیاز آن از روز اول محاسبه می‌شود، اما مدلی که یک روزه است سریع‌تر از هر چیز دیگری رشد می‌کند، بنابراین بدون این انتظار، مدل #1 هفته همیشه مدلی بود که دیروز منتشر شده بود نه مدلی که یک هفته دوام آورده باشد.
روند: رشد یک مدل در یک دوره چطور نسبت به رشد معمول مدل‌ها در همان دوره است. سریع‌تر از معمول یعنی افزایش، کندتر یعنی کاهش.
مدل معمولی: وسط فهرست: نصف مدل‌ها با عددی که دارند سریع‌تر رشد کردند و نصف کندتر.

چطور محبوبیت این مدل نسبت به بقیه کاتالوگ تغییر کرده: رشد دانلودها، لایک‌ها و استفاده در هر دوره، نسبت به رشد معمول مدل‌ها در همان دوره، همراه با امتیاز حرارت آن زمان. بالاتر از رشد معمول یعنی افزایش، پایین‌تر یعنی کاهش. گذشته از روی مجموع‌های امروز، روز اول مدل و سرعت دانلود اندازه‌گیری شده وقتی دو داده وجود دارد بازسازی شده؛ مدلی که در شروع دوره وجود نداشته باشد n/a نشان می‌دهد.

مدل‌های مشابه

مدل‌های هوش مصنوعی برای تولید تصویر، ویدئو و متن

Qwen3.8 Flash یک مدل متنی برای خانواده Text / LLM است که در ModelTrends.ai، کاتالوگ فقط‌خواندنی مدل‌های هوش مصنوعی متن‌باز تصویر، ویدئو و متن، فهرست شده است. آن را با دیگر مدل‌های Text / LLM مقایسه کنید و امتیاز داغی آن را ببینید.

مدل‌های بیشتر Text / LLM متن / LLM بیشتر Text / LLM llm qwen بینایی ویدیو استدلال کدنویسی عامل‌ها متن زمینه بلند

مرور بر اساس خانواده مدل