Qwen3.8-Flash-Next: Alibaba anticipa l’architettura di Qwen4 con un modello che ne attiva solo 6 miliardi

Alibaba ha scelto una giornata fittissima di annunci per fare una mossa che pesa più di quanto sembri. Il team Qwen ha rilasciato Qwen3.8-Flash-Next, un modello linguistico open che non prova a essere il più potente in circolazione, ma il più efficiente. E lo fa con un dettaglio che cattura subito l’attenzione: attiva soltanto 6 miliardi di parametri per ogni token, pur avendone 125 miliardi complessivi.

La cosa più interessante, però, non è il modello in sé. È che Qwen3.8-Flash-Next funziona da anteprima pubblica dell’architettura su cui poggerà Qwen4, la prossima grande famiglia di modelli del laboratorio cinese. In pratica Alibaba ti mette in mano un pezzo del suo futuro con settimane di anticipo, e ti chiede di iniziare a costruirci sopra.

Il tempismo non è casuale, e nemmeno la strategia.

Un modello che ne attiva 6 miliardi su 125

Qwen3.8-Flash-Next è un modello a esperti, quello che in gergo si chiama mixture of experts. L’idea di fondo è semplice da spiegare: invece di far lavorare l’intera rete a ogni parola generata, il modello accende solo la piccola porzione di parametri che serve davvero in quel momento. Il risultato è che i 125 miliardi di parametri totali restano un serbatoio di conoscenza enorme, ma il costo di calcolo per ogni token resta quello di un modello molto più piccolo, da appena 6 miliardi di parametri attivi.

Questo approccio non è nuovo, lo usano ormai quasi tutti i grandi modelli. Quello che cambia con Qwen3.8-Flash-Next è quanto in là Alibaba ha spinto il rapporto tra dimensione totale e parametri realmente accesi. Per capirci: il fratello maggiore Qwen3.7-Plus ha 397 miliardi di parametri con 17 miliardi attivi per token, quasi il triplo. Qui invece la parte attiva scende a un sesto del totale, e le prestazioni non crollano.

Il modello è multimodale, gestisce quindi testo e immagini, ed è pensato per lavorare su documenti lunghi. Supporta in modo nativo una finestra di contesto da 262.144 token, che puoi estendere fino a un milione di token con una tecnica chiamata YaRN. Tradotto: può tenere sotto controllo interi manuali, basi di codice o raccolte di file senza perdere il filo.

L’innovazione che anticipa Qwen4

Il pezzo forte, quello che davvero guarda al futuro, è uno strato che il team Qwen chiama N-gram embedding layer. Vale da solo 51 miliardi di parametri, ma con una particolarità che ne cambia la natura.

Questo strato conserva gruppi di parole ricorrenti come voci a sé stanti, una specie di dizionario di frasi già pronte da cui il modello attinge al volo. Il vantaggio pratico è tecnico ma importante: quei 51 miliardi di parametri possono stare nella normale memoria di sistema, la RAM, invece di occupare la costosissima memoria della GPU. In un mondo dove le schede grafiche sono la risorsa più scarsa e cara, spostare peso dalla GPU alla RAM a costo aggiuntivo contenuto è una leva di efficienza notevole.

È proprio questa la ragione per cui il rilascio conta più del singolo modello. Alibaba non sta solo pubblicando pesi da scaricare, sta mostrando in anticipo i mattoni con cui costruirà Qwen4, così che chi sviluppa possa arrivare pronto al debutto della famiglia completa.

Prestazioni: batte modelli più grandi e più costosi

I numeri diffusi dal team Qwen raccontano una storia scomoda per la concorrenza. Nei confronti pubblicati, Qwen3.8-Flash-Next viene messo contro DeepSeek-V4-Flash, che ha 284 miliardi di parametri con 13 miliardi attivi, e contro Claude Opus 4.6 di Anthropic nella variante Max. Entrambi sono più grandi o più cari, eppure il piccolo modello di Alibaba li supera nella maggioranza dei test.

Il terreno dove Flash-Next dà il meglio è quello degli agenti che scrivono codice, cioè la capacità di trovare e correggere bug in progetti software reali in autonomia. Su DeepSWE ottiene 58,7 e su SWE-bench Pro arriva a 62,5, davanti sia a DeepSeek-V4-Flash sia a Claude Opus 4.6.

Il distacco si allarga ancora di più sui compiti da ufficio e produttività. Su CoWorkBench segna 73,9 contro il 45,1 di DeepSeek-V4-Flash, mentre su JobBench, un test pensato per i flussi di lavoro professionali, tocca 55,7, quasi il doppio del 27,6 di Qwen3.7-Plus. Sul ragionamento scientifico e sulla programmazione competitiva, invece, i modelli si equivalgono: 91,7 su GPQA Diamond e 91,9 su LiveCodeBench v6.

C’è un solo test in cui Claude Opus 4.6 resta davanti, ed è Humanity’s Last Exam, la prova costruita attorno a problemi multidisciplinari estremamente difficili. Vale però ricordare due cose: quel modello di Anthropic risale a febbraio 2026, quindi è già relativamente vecchio, e i punteggi nei benchmark non coincidono mai del tutto con l’esperienza reale d’uso. Restano un’indicazione, non un verdetto.

Nel complesso il quadro è chiaro. Un modello che accende 6 miliardi di parametri regge il passo, e spesso supera, sistemi che ne muovono il doppio o il triplo.

Il prezzo è l’arma vera

Se le prestazioni fanno notizia, è il listino a spostare gli equilibri. La versione di produzione arriva come Qwen3.8-Flash tramite QwenCloud, con un prezzo di 0,16 dollari per milione di token in ingresso e 0,47 dollari per milione in uscita. Cifre che, messe accanto a quelle dei modelli di punta occidentali, sembrano un errore di battitura.

Il confronto interno è già eloquente. Il modello di punta di Alibaba, Qwen3.8-Max con i suoi 2.400 miliardi di parametri, costa 2 dollari per milione di token in ingresso e 6 in uscita. Flash-Next rende prestazioni di poco inferiori al flagship a circa un dodicesimo del prezzo. E secondo il team, il modello è stato addestrato a un nono del costo rispetto a Qwen3.7-Plus, ottenendo comunque risultati migliori.

Questo è il punto che dovrebbe far riflettere OpenAI e Anthropic.

Ogni volta che un laboratorio cinese rilascia un modello aperto capace di reggere il confronto a una frazione del costo, la pressione sui prezzi occidentali cresce. Non è un caso che OpenAI abbia da poco tagliato i prezzi delle API di GPT-5.6 in modo netto. Ottima notizia per chi sviluppa e paga il conto, meno buona per la crescita rapida dei ricavi che i grandi laboratori devono mostrare per tenere in piedi la narrazione degli investimenti.

Perché questo rilascio conta per te

Al di là dei benchmark e delle guerre di listino, la novità concreta è che i pesi di Qwen3.8-Flash-Next sono liberamente scaricabili su Hugging Face e ModelScope, insieme a una versione FP8 pensata per girare in modo ancora più leggero. Il rapporto tecnico completo è pubblicato su GitHub. Chi vuole, insomma, può prendere il modello e usarlo senza dipendere da un’API proprietaria.

Questa apertura si inserisce in una tendenza precisa. Alibaba aveva già mostrato la stessa filosofia con Qwen3.8-27B, il modello open pensato per girare in locale, molto apprezzato proprio perché offre buone prestazioni quasi a costo zero, a patto di avere l’hardware giusto. Con Flash-Next il laboratorio alza l’asticella, portando lo stesso spirito di efficienza su una scala più ambiziosa.

Il fronte dei modelli aperti cinesi, del resto, è sempre più affollato. Poche settimane fa era toccato a DeepSeek con il suo flagship V4-Pro uscire dalla fase di anteprima, e la corsa tra questi laboratori sta comprimendo i costi per tutti a una velocità che era difficile immaginare un anno fa.

Per te che lavori con l’AI, che tu costruisca agenti, automatizzi flussi di lavoro o integri un modello in un prodotto, il messaggio è duplice. Da un lato hai a disposizione strumenti sempre più capaci a prezzi in caduta libera. Dall’altro, la scelta del modello smette di essere una questione di fede verso un unico fornitore e diventa un calcolo di efficienza, dove un modello aperto da 6 miliardi di parametri attivi può bastare per gran parte dei compiti quotidiani.

Uno sguardo in avanti

Qwen3.8-Flash-Next non è il modello più potente mai rilasciato, e Alibaba non ha mai preteso che lo fosse. È qualcosa di più sottile e forse più significativo: la dimostrazione che l’efficienza, e non solo la potenza bruta, è diventata il vero campo di battaglia dell’intelligenza artificiale.

Se l’anteprima mantiene le promesse, Qwen4 potrebbe arrivare con un rapporto tra costo e capacità capace di ridisegnare le aspettative del mercato. Nel frattempo, il consiglio è concreto: se sviluppi soluzioni AI, vale la pena scaricare il modello, testarlo sui tuoi casi d’uso reali e iniziare a capire come questa architettura potrebbe adattarsi ai tuoi progetti. Arrivare preparati al debutto di Qwen4, in fondo, è esattamente quello che Alibaba ti sta chiedendo di fare.

Puoi approfondire i dettagli tecnici e i benchmark completi direttamente nell’annuncio ufficiale del team Qwen.