阿里通义千问团队正式发布Qwen3.8-Flash，该模型参数亮眼、架构有四大变化，还提前开放Qwen3.8-Flash-Next开源权重，与智谱同日发布新品，国内Flash之战打响。


序号1

参数亮眼，性能提升

Qwen3.8-Flash拥有125B总参数 + 51B N-gram Embedding，每token只激活6B参数，原生支持262K上下文，可扩展到1M。相比Qwen3.7-Plus，训练开销仅为其1/9，在编码和办公任务上能力更强。

序号2

架构四大变化

Attention层采用Gated DeltaNet和Qwen Sparse Attention混合架构，加速显著；Residual连接改成Gated Residual，降低访存开销；Embedding层引入51B的N-gram Embedding，不增加每token计算量；优化器换成Muon，明确参数分工。

序号3

提前开放开源权重

通义提前开放Qwen3.8-Flash-Next的开源权重，这是Qwen4系列模型的雏形，等社区检验完再构建完整模型家族，权重可在HuggingFace和ModelScope下载。

序号4

上线平台，提供API服务

Qwen3.8-Flash现已上线千问AI平台，对外提供API服务，每百万Tokens输入1元，输出3元。

序号5

国内Flash之战打响

阿里通义千问和智谱同一天晚上先后发布Qwen3.8-Flash和GLM-5.3-Flash，都走能力不降级、价格降级路线，且都选国产芯片做推理部署验证。

编辑观点：Qwen3.8-Flash的发布展现了阿里在大模型领域的技术实力，与智谱的竞争将推动国内大模型市场发展，未来或有更多创新成果涌现。

Logo
天工造物局

北京人形旗下天工造物具身智能开源社区，聚焦具身天工与慧思开物两大平台

更多推荐

deck.gl TripsLayer 出租车轨迹动画示例实战：从示例运行到着色器原理

TripsLayer 是 deck.gl 中用于渲染**随时间流动的轨迹动画**（如出租车行程、物流路径、迁徙路线）的核心图层。本文以仓库中的最小独立示例 [examples/website/trips](https://link.gitcode.com/i/1442af8f442f4cff39ff546e050fceb5) 为骨架，带你完成从安装依赖、启动应用、理解曼哈顿出租车数据格式，到深入

avatar 天工造物局

Foundry Anvil 中 eth_simulateV1 的 Blob 交易与 Blob Gas 字段规范化：原理、实现与测试验证

本篇技术指南以 [anvil-simulate-blob-transactions.md](https://link.gitcode.com/i/3d2ebe227262de169335eb290af80da8) 这条 changelog 条目为起点，深入剖析 Foundry Anvil 对 `eth_simulateV1` RPC 返回结果中 blob（EIP-4844）交易与 blob gas

avatar 天工造物局

LMCache CLI 实战：用 `lmcache kvcache clear` 管理运行中服务的 KV Cache 状态

本文是一份针对 LMCache 官方 CLI 命令 `lmcache kvcache` 的完整技术指南。该命令用于在**运行中的 LMCache 服务（MP HTTP server）**上管理 KV cache 状态，当前提供 `clear` 子命令，用于清空 L1（CPU 内存）层中缓存的全部 KV 数据。读完本文，你将掌握该命令的完整参数体系、退出码语义、终端/JSON/静默三种输出模式，并能

avatar 天工造物局