ai.canshu.com
EN
显存计算器 配机与回本向导 API 价格 同屏 PK 对比 模型库 排行榜 显卡库

全局搜索模型、显卡与工具

↑↓ 移动 · Enter 直达 · ★ 优先展示我的关注 ai.canshu.com
Alibaba Qwen
开源权重 Alibaba Qwen · MoE 180B / A8B · Text+Image+Video · BF16 / FP8

Qwen3.8-Flash-Next (180B MoE) 模型架构参数、评测与显存全表

千问下一代 Qwen4Exp 架构尝鲜版(Qwen3.8-Flash 同源底座),总参 180B 仅激活 ~8B,512 细粒度专家。

🧬 Qwen3.8-Flash-Next (180B MoE) 底层网络与张量参数总表 (Model Overview & config.json)

全部字段同步自官方 HuggingFace 仓库 (Qwen/Qwen3.8-Flash-Next) 的 config.json 与技术报告 · 核验日期 2026-11-20

HF Class: Qwen4ExpForConditionalGeneration

1. 骨干网络与维度参数

qwen4_exp
总参数量 / 单步激活
180B / 8B
Hidden Size (d_model)
2,560
MoE 专家中间层维度
640
MoE 专家配置
512 路由 · 激活10
激活函数 / RMSNorm
SiLU (SwiGLU) · ε=0.000001
原生权重精度
BF16 / FP8

2. 注意力机制与混合层拓扑

HYBRID
Transformer 总层数
48 层 (12 层全局 KV)
网络层排布 (Hidden Layout)
48 层稀疏 MoE 架构(512 路由专家,单步激活 10 个)
注意力头 (Q / KV)
24 Q / 2 KV (12:1 GQA)
Head Dimension
256
视觉编码器 / MTP 头
ViT 27L

3. 上下文、位置编码与词表

Tokenizer
原生上下文长度
262,144 tokens
旋转位置编码 (RoPE)
RoPE (原生 262,144 Context)
词表大小 (vocab_size)
248,320 (独立输出头)

📋 Qwen3.8-Flash-Next (180B MoE) 官方 API 技术规格与计费参数总表

核验自 Alibaba Qwen 官方开发者文档与公开定价页(核验日期 2026-11-20)

API Model ID: qwen3.8-flash

1. 模型标识与能力开关

API Spec
官方调用 Model ID
qwen3.8-flash
版本发布日期
2026-08-26
权重授权形态
开源权重 (云端 API 规格)
原生深度推理思考
✅ 支持 (可调思考预算)
Function Calling & JSON Schema
✅ 原生支持
Batch API 异步批处理
✅ 支持 (通常享 5 折)

2. 上下文、输出上限与模态

Limits
最大输入上下文窗口
256,000 tokens (256K)
单次最大输出上限
131,000 tokens
支持输入模态
Text + Image + Video
支持输出模态
Text
中国大陆网络直连
✅ 国内极速直连 + 人民币结算
分发与部署形态
开源权重 + 托管云 API

3. 官方 Token 单价与缓存阶梯

CNY / 1M
标准输入单价 (每百万)
¥ 0.8
Prompt 缓存命中输入
¥ 0.1 -88%
标准输出单价 (每百万)
¥ 2.7
长上下文阶梯与计费备注
阿里云百炼:高吞吐低延迟百万上下文主力

🎛️ 官方调用采样与思考参数指南

API / 推理引擎调用时的最佳超参数与约束说明

官方默认推理采样配置
temperature=0.7 top_p=0.95 max_tokens=32,768

📊 Qwen3.8-Flash-Next (180B MoE) 全量评测成绩与维度排名

共 22 项公开评测 · 排名为在本站 154 款有评测数据模型中的名次 · 数据同步于 2026-11-20

⚔️ 和其他模型逐项比分

来源:ZeroEval / llm-stats.com 公开评测聚合(✓ 为第三方验证,其余为厂商官方自报)。点击任一评测可查看全库排名。

⚡ Qwen3.8-Flash-Next (180B MoE) 本地显存占用 & 实时吐字速度计算器

并发请求数 (Batch):
MoE 180B / A8B·48L (d=2560)·24Q/2KV·Ctx 256K·Text+Image+Video
该设备兼容榜 →
512 GB 统一内存·1200 GB/s·安全可用上限 460.8 GB
流畅可跑113.11 / 460.8 GB~155.3 tok/s
3. 权重量化精度
4. 单并发上下文窗口16K (16,384 tok)
参数核验:2026-11-20·带宽与算力屋顶模型估算(当前并发=1)
流畅可跑
113.11/ 460.8 GB 可用显存

物理总容量 512 GB · 占用率 24.5%

理论带宽解码速度 (Decode)
~155.3tokens/s

MoE 架构:每步仅读取 4.85 GB 激活权重

当前并发 (1x) 最大可开窗口
256K/ 256K

高并发下开启 Q8/Q4 KV 量化可成倍提升并发上限

模型权重: 109.12 GBKV Cache (1×16K): 0.5 GB框架开销: 3.48 GB
统一内存默认预留约 10% 给操作系统
🚀 闪电秒出(长推理/写代码极爽)生成 500 Token 回答约需 3.2 秒
参考启动命令:
OLLAMA_CONTEXT_LENGTH=16384 ollama run qwen3-8-flash-next

Mac Studio M5 Ultra 512G 可运行 Qwen3.8-Flash-Next (180B MoE) · 硬件成本与回本参考

参考均价约 ¥74,999(折合 ¥146/GB)· 满载约 190W

📊 Qwen3.8-Flash-Next (180B MoE) 各量化精度显存占用对照表 (16K 上下文)

量化格式 等效位数 纯权重体积 KV Cache (16K) 总显存需求 精度评价
FP16 / BF16 16 bpw 360 GB 0.5 GB 369 GB 无损原精度
FP8 / Q8_0 8.5 bpw 191.25 GB 0.5 GB 196.88 GB 99.9% 接近无损
GGUF Q6_K 6.56 bpw 147.6 GB 0.5 GB 152.35 GB 极高画质 · 严肃编码
GGUF Q5_K_M 5.69 bpw 128.03 GB 0.5 GB 132.39 GB 高均衡度
Q4_K_M / AWQ 4.85 bpw 109.12 GB 0.5 GB 113.11 GB 黄金甜点(推荐)
GGUF IQ4_XS 4.25 bpw 95.63 GB 0.5 GB 99.34 GB 省显存优选
GGUF Q3_K_M 3.91 bpw 87.98 GB 0.5 GB 91.54 GB 轻度智商折损
GGUF Q2_K 3.15 bpw 70.88 GB 0.5 GB 74.09 GB 极限压缩尝鲜

🖥️ 主流显卡、Mac 与国产卡运行 Qwen3.8-Flash-Next (180B MoE) (Q4_K_M) 兼容性列表

常见问题解答 (FAQ)

Qwen3.8-Flash-Next (180B MoE) 的核心网络架构参数(层数、隐藏维度、注意力头、词表)是多少?

Qwen3.8-Flash-Next (180B MoE) 底层架构为 Qwen4ExpForConditionalGeneration,共 48 层(48 层稀疏 MoE 架构(512 路由专家,单步激活 10 个)),隐藏层维度 hidden_size=2560,注意力头配置为 24 个 Query 头 / 2 个 KV 头(head_dim=256),词表大小 vocab_size=248,320,原生上下文窗口 262,144 tokens。

Qwen3.8-Flash-Next (180B MoE) 本地部署至少需要多少 GB 显存?

在主流 4-bit 量化(GGUF Q4_K_M / AWQ,16K 上下文)下,Qwen3.8-Flash-Next (180B MoE) 共需约 113.11 GB 显存(含权重 109.12 GB + KV 缓存 0.5 GB + 系统开销 3.48 GB)。无损 FP16/BF16 则需约 369 GB。

Qwen3.8-Flash-Next (180B MoE) 官方推荐的采样参数(Temperature / Top-P)是多少?

依据官方 generation_config.json 与最佳实践,在「官方默认推理采样配置」下建议设置 temperature=0.7、top_p=0.95。