多模态MoE 相关 AI 资讯 · AITOP · AI热报

8月27日

10:53

10:53

官方一手Pandaily@contact@pandaily.com (Pandaily)

精选

阿里巴巴Qwen团队发布Qwen3.8-Flash，Qwen4架构的多模态MoE预览，激活参数6B，训练成本仅为Qwen3.7-Plus的九分之一。

AI模型 Qwen3.8-Flash 训练成本多模态MoE

推荐理由：想了解阿里巴巴如何降低大模型训练成本的朋友，Qwen3.8-Flash值得一试，参数少，成本更低。

05:43

05:43

官方一手marktechpost@Asif Razzaq

Z.ai推出GLM-5.3-Flash，GLM-5系列首个原生多模态模型，320B总参数/18B激活MoE，1,048,576令牌上下文窗口，MIT授权Hugging Face权重，API定价0.15美元/输入和0.50美元/输出。在Terminal-Bench 2.1上得分84.3，在DeepSWE v1.1上得分63.4，使用混合KDA线性加NoPE稀疏MLA注意力减少注意力计算约3倍，KV缓存4.4倍于GLM-5.3。

AI模型 GLM-5.3-Flash 多模态MoE 上下文窗口

推荐理由：Z.ai发布GLM-5.3-Flash，原生多模态MoE，上下文窗口更大，性价比高，值得尝试。

8月26日

23:30

23:30

官方一手marktechpost@Asif Razzaq

78°

阿里Qwen团队发布Qwen3.8-Flash-Next模型，包含125B参数，6B激活参数。模型采用Gated DeltaNet、Qwen Sparse Attention、Gated Residual、N-gram Embedding等架构，训练成本仅为Qwen3.7-Plus的1/9。预览了Qwen4架构。

AI模型 Qwen3.8-Flash-Next 多模态MoE 阿里Qwen团队

推荐理由：阿里Qwen团队发布了Qwen3.8-Flash-Next模型，参数量巨大，架构创新，训练成本低，值得关注。

23:14

23:14

官方账号阿里通义 Qwen@Alibaba_Qwen

精选

@vllm_project使Qwen3.8-Flash-Next从第一天起就在NVIDIA和AMD上运行，超稀疏多模态MoE模型，125B参数，6B活跃，262K本地，1M通过YaRN，额外51B N-gram表可卸载，Qwen Sparse Attention是新的引擎工作所在。

AI模型 Qwen3.8-Flash-Next 多模态MoE NVIDIA

推荐理由：@vllm_project让Qwen3.8-Flash-Next在NVIDIA和AMD上无缝运行，新模型带来更多可能性，值得一看！

23:03

23:03

Paul Couvert@itsPaulAi

82°

Qwen3.8-Flash，Alibaba Qwen团队的多模态MoE模型，性能优于DeepSeek V4 Flash和Claude Opus 4.6 Max，价格更低。采用Qwen4架构预览，参数125B，N-gram嵌入51B，激活6B。训练和推理成本大幅降低，DeepSWE 1.1评分58.7，SWE-bench Pro 62.5，CoWorkBench 73.9，AndroidWorld 84.5，MathVision 95.7。即将通过QwenCloud API提供，价格0.16/1M输入令牌和0.47/1M输出令牌。

AI模型 Qwen3.8-Flash 多模态MoE 性能卓越

推荐理由：Alibaba Qwen团队发布了Qwen3.8-Flash，性能卓越且价格亲民，是DeepSeek V4 Flash和Claude Opus 4.6 Max的性价比之选。