Могу ли я запускать Qwen3.8-Flash локально?

Да, веса открыты и опубликованы на Hugging Face в репозитории Qwen/Qwen3.8-Flash-Next, совместимы с Transformers, vLLM и SGLang. Учтите, что всего параметров 125 млрд, поэтому для локального запуска требуется мощное оборудование, хотя активируется только 6 млрд параметров за проход.

Сколько стоит Qwen3.8-Flash и каков лимит контекста?

Через Qwen Cloud API цена составляет $0.15 за миллион входных токенов и $0.47 за миллион выходных токенов, при этом по умолчанию доступно контекстное окно в один миллион токенов на управляемом сервисе.

Чем Qwen3.8-Flash отличается от других моделей Qwen3?

Она использует новую архитектуру — Qwen Sparse Attention, Gated Residual streams и N-gram Embedding — которую Alibaba описывает как основу для Qwen4, в отличие от стандартного трансформерного стека, применяемого в ранних версиях Qwen3. Это экспериментальное превью, а не полностью отлаженная производственная модель.

▲

37.8%

эта неделя

Qwen3.8 Flash

8894°

#llm #qwen #видение #видео #логика #программирование

Запустить модель

Предложения / Реклама

OpenRouter Терминал / API

Плата за токен

Общайся с этой моделью в браузере или вызывай её из кода с одним API-ключом.

Qwen | контекст 1 000 000 токенов | $0.15/М вход, $0.47/М выход. Qwen3.8 Flash — мультимодальная модель рассуждений от Alibaba. Подходит для помощи в кодировании, агентных рабочих процессов, визуального понимания, анализа документов и кодовых баз, взаимодействия с рабочим столом, анализа графиков и анализа длинных видео.

Руководства по этой модели

Как выбрать AI-модель в октябре 2026: новости закрытых моделей и открытые веса, которые стоит скачать

Лучшие локальные LLM по задачам (октябрь 2026): подходящая открытая модель для каждой работы

Сколько VRAM мне действительно нужно для локального ИИ?

Открытые веса, открытый исходный код и только API: что тебе действительно разрешено делать

Как установить Ollama и запустить локальный ИИ (Windows, Mac, Linux)

Все руководства

Заметки капитана

Написано Captain, главным редактором

Заметки от 2026-10-13

Qwen3.8-Flash — это мультимодальная модель рассуждений от Alibaba с открытыми весами и контекстным окном в один миллион токенов. Её архитектура — Qwen Sparse Attention, Gated Residual и N-gram Embedding — явно позиционируется как основа для Qwen4, что делает её одновременно экспериментальным превью и производственным инструментом. При стоимости менее полцента за тысячу выходных токенов она подходит разработчикам, которым нужны возможности зрения, видео и рассуждений с длинным контекстом без больших затрат на API.

Известен

Контекстное окно в один миллион токенов для больших кодовых баз и длинных документов
Мультимодальная: работает с изображениями, графиками, видео и взаимодействием с рабочим столом
Новая архитектура, предваряющая Qwen4: сниженная задержка при длинном контексте благодаря QSA
Открытые веса на Hugging Face, совместимы с vLLM, SGLang и Transformers
125 млрд параметров всего, из которых активируется только 6 млрд, что снижает стоимость инференса

Остерегайтесь

Обозначена как экспериментальное превью архитектуры; стабильность в продакшене не гарантируется.
125 млрд параметров требуют мощного оборудования для локального запуска, несмотря на активацию только 6 млрд.
Условия лицензии не детализированы в карточке модели; перед коммерческим использованием проверьте репозиторий на Hugging Face.

Лучше всего подходит для

Программирование

Агенты и использование инструментов

Логика

Зрение

Длинный контекст

Подсказки для проб

Отладка сбойного асинхронного пайплайна

У меня есть асинхронный пайплайн на Python, который обрабатывает партии записей из очереди. Рабочие иногда зависают, когда очередь опустевает посреди партии. Вот соответствующий код: ```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)) ``` Объясните, почему возникает дедлок, и перепишите worker так, чтобы он корректно обрабатывал пустую очередь.

Анализ изображения графика

Я прикрепляю график из квартального бизнес-отчёта. Определите тип графика, опишите показанную тенденцию, выделите аномалии или точки перегиба и предложите один вопрос для аналитика, который стоит задать на основе данных.

Планирование многошагового исследовательского агента

Спроектируйте минимальный агентный рабочий процесс, который принимает вопрос пользователя о компании, разбивает его на подзадачи (веб-поиск, поиск финансовых данных, проверка настроений), решает порядок вызова инструментов и синтезирует итоговый ответ. Перечислите необходимые инструменты, логику принятия решений между шагами и место для контрольной точки с участием человека.

Сравнить с

Qwen3.7 Flash
Модель только с API
контекст из 1,000,000 токенов · $0.03/M вход, $0.13/M выход
Qwen3.8 Max (0902)
Модель только с API
контекст из 1,000,000 токенов · $2.00/M вход, $6.00/M выход
Qwen3.8 Omni Flash
Модель только с API
контекст из 1,000,000 токенов · $0.15/M вход, $0.47/M выход
Qwen3 VL 32B Instruct
Модель только с API
контекст из 131,072 токенов · $0.10/M вход, $0.42/M выход

Больше текстовых моделей от qwen

Часто задаваемые вопросы

Могу ли я запускать Qwen3.8-Flash локально?: Да, веса открыты и опубликованы на Hugging Face в репозитории Qwen/Qwen3.8-Flash-Next, совместимы с Transformers, vLLM и SGLang. Учтите, что всего параметров 125 млрд, поэтому для локального запуска требуется мощное оборудование, хотя активируется только 6 млрд параметров за проход.
Сколько стоит Qwen3.8-Flash и каков лимит контекста?: Через Qwen Cloud API цена составляет $0.15 за миллион входных токенов и $0.47 за миллион выходных токенов, при этом по умолчанию доступно контекстное окно в один миллион токенов на управляемом сервисе.
Чем Qwen3.8-Flash отличается от других моделей Qwen3?: Она использует новую архитектуру — Qwen Sparse Attention, Gated Residual streams и N-gram Embedding — которую Alibaba описывает как основу для Qwen4, в отличие от стандартного трансформерного стека, применяемого в ранних версиях Qwen3. Это экспериментальное превью, а не полностью отлаженная производственная модель.

Вердикт капитана
Действительно новая архитектура по низкой цене, но рассматривайте её как ранний взгляд на Qwen4, а не как окончательный выбор для продакшена.

Карточка модели на Hugging Face

Капитан пишет эти заметки на основе описания модели и карточки модели. Цены и размеры контекста указаны на момент написания и могут измениться.

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

Тренд популярности Qwen3.8 Flash

Показатель популярности с 26 Aug 2026

Индекс популярности

8,894°

Эта неделя

▲

37.8%

8,851° тогда, 8,894° сейчас

Этот месяц

▲

532%

8,650° тогда, 8,894° сейчас

Прошлый год

n/a

Еще не выпущено/не отслеживается

7,000°

Базовый уровень

Шкала от 0° до 9 999°. Всё ниже 7,000° отведено моделям, по которым ещё нет данных от источников — им дают временное число, чтобы списки были полными. 7,000° — это начало измеренных данных: модель с реальными данными, но почти без скачиваний, стоит на этом уровне, а измерения добавляют градусы сверху. Базовый уровень ничего не говорит о модели; только градусы сверху её отличают.

+1,597°

Токены OpenRouter

2,098,089,404,683 токенов обработано этой моделью через OpenRouter за последние 30 дней, вместе с подсказками и ответами. Каждые 10,000,000 токенов считаются за одно скачивание в термине скачиваний, всего 209,808; токены последнего дня учитываются в коэффициенте роста. Источник: OpenRouter (openrouter.ai/rankings).

+297°

Темп внедрения

Около 9,165 скачиваний в день, измеряется между двумя замерами источников, не считается по среднему за всё время. Скорость считается как четверть от общего показателя скачиваний, чтобы свежий всплеск был виден, но однодневный пик не перебивал годы использования.

Показать подробности

Каждое число на этом сайте можно проверить. Рейтинг популярности этой модели — 8,894°, и здесь он построен по частям, с итогом после каждого шага: базовый уровень, градусы, добавляемые каждым источником, бонус за тип модели и вычет за возраст весов. Цвета соответствуют диапазонам на графике выше. В конце есть словарь, где объяснены все термины.

1
Начинаем с базового уровня.
Почему 7,000°, а не ноль: шкала от 0° до 9 999°, и часть ниже 7,000° отведена моделям без данных от источников — им дают временное число, чтобы списки были полными и они не обгоняли модели с данными. 7,000° — начало измеренных данных. Модель с реальными данными, но почти без скачиваний, стоит здесь; всё, что дальше, — измерения, а пространство выше базового уровня содержит десять десятикратных шагов скачиваний по 300° каждый. Базовый уровень одинаков для всех моделей, он ничего не решает; решают градусы сверху.
7,000°
текущий итог
2
Добавь загрузки.
209,808 эквивалентов загрузок всего, с Токены OpenRouter. Десятикратное увеличение загрузок добавляет те же 300°, так что размер важен, но не доминирует в оценке.
+1,597°
8,597°
текущий итог
3
Добавь темп внедрения.
Примерно 9,165 загрузок в день сейчас, измерено между двумя замерами, с четвертью веса.
+297°
8,894°
текущий итог
=
Итоговый показатель heat.
Где эта модель находится в каждом списке на этом сайте. Ничто другое на него не влияет.
8,894°

Глоссарий: используемые здесь термины

Показатель heat: Одно число, показывающее, насколько модель сейчас используется и востребована, от 0° до 9,999°. Все списки на сайте с пометкой hottest сортируются именно по нему.
Минимум: 7,000° — стартовая точка для каждой модели с реальными данными. Шкала от 0° до 9,999°; часть ниже минимума отведена для моделей без данных, чтобы модели с данными всегда были выше. Минимум одинаков для всех и ничего не решает; градусы выше него — это измерение.
Эквиваленты загрузок: Всё, что считается как загрузка в оценке, сложенное вместе: сами загрузки, каждый сид торрента считается за 1,000, каждое изображение AI Horde и каждый запуск на сайте генерации считаются за один.
Логарифмическая шкала: Счёт по десяткам, а не по единицам: переход от 1,000 к 10,000 загрузок добавляет столько же градусов, сколько от 10,000 к 100,000. Это не даёт гигантам заглушать всё остальное.
Лайки: Одобрения и лайки со всех источников, каждый стоит половину загрузки на логарифмической шкале.
Темп внедрения: Сколько загрузок в день получает модель сейчас, по разнице между двумя замерами источника. Четверть веса от термина загрузки.
Измерено и оценено: Измерено значит, что есть два показания источника, и разница реальна. Оценено значит, что известна только сегодняшняя сумма, а прошлое распределено по жизни модели; сайт показывает, что именно отображается.
Сидер: Кто-то, кто хранит копию весов онлайн, чтобы другие могли скачать через торрент, или размещённое зеркало, делающие то же самое. Каждый такой считается за 1000 загрузок.
AI Horde: Волонтёрская сеть, которая бесплатно генерирует изображения на пожертвованных компьютерах. Количество изображений, созданных с моделью, публично, и каждое считается за одну загрузку.
Сайты генерации: Сайты, которые хранят свои копии модели и позволяют людям генерировать с ней, например PixAI, SeaArt и Yodayo. Их загрузки считаются как у Civitai, и каждый запуск генерации — за одну загрузку.
Токены OpenRouter: Текстовая модель, обслуживаемая через API, такая как Claude или GPT, не имеет весов для скачивания, поэтому её использование измеряется токенами: кусочками текста, которые она прочитала и написала через OpenRouter, шлюз, который используют многие приложения, за последние 30 дней. Каждые 10,000,000 токенов считаются за одно скачивание. Источник: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Полная модель (чекпоинт): Сами веса, файл, который генерирует самостоятельно. Получает бонус, потому что от него зависят дополнения.
LoRA и эмбеддинг: Небольшие файлы-дополнения, которые направляют чужие веса в сторону стиля, персонажа или концепции. Они не могут работать сами по себе.
Семейство и веса: База, на которой построена модель, например SD 1.5, SDXL, Flux или Wan. Каждая модель наследует дату выпуска весов своего семейства.
Возраст: Градусы снимаются за то, как давно вышли веса семейства: 150° в год, максимум 750°. Старые загрузки, которые успели накопиться за годы, остаются вверху списка.
Буст семейства: Небольшой ограниченный толчок для LoRA из семейства, которое этот сайт сейчас продвигает, всегда указан в разбивке.
Оценка-замена: Стабильное число ниже минимального, даваемое модели, о которой ещё нет данных, чтобы списки были полными. Никогда не выше модели с данными.
Новинка! (период ожидания): Модель младше 7 дней показывает Новинка! вместо оценки и не занимает место в рейтинге. Её оценка вычисляется с первого дня, но модель в один день растёт быстрее всего, поэтому без ожидания #1 недели всегда была бы модель, вышедшая вчера, а не та, что держалась неделю.
Тренд: Как рост модели за период сравнивается с типичным ростом модели за тот же период. Быстрее типичного — рост, медленнее — падение.
Типичная модель: Средина каталога: половина моделей с цифрой росли быстрее за период, половина медленнее.

Как менялась популярность этой модели по сравнению с остальным каталогом: её рост по загрузкам, лайкам и использованию за каждый период, измеренный относительно типичного роста моделей за тот же период, с учётом её текущего показателя heat score. Если выше типичного роста — значит рост, если ниже — спад. Прошлое восстанавливается по сегодняшним итогам, первому дню модели и скорости загрузок, если есть два замера; если модель не существовала в начале периода, показывается n/a.

Похожие модели

ИИ-модели для генерации изображений, видео и текста

Qwen3.8 Flash — это текстовая модель для семейства Text / LLM, представленная на ModelTrends.ai, каталоге открытых ИИ-моделей для изображений, видео и текста, доступном только для чтения. Сравните её с другими моделями Text / LLM и посмотрите индекс популярности, чтобы оценить тренд.

Другие модели Text / LLM Другие Текст / LLM Text / LLM llm qwen видение видео логика программирование агенты длинный контекст

Обзор по семействам моделей