Qwen3.8-Max 媲美 Kimi K3 和 DeepSeek V4 Flash
摘要
Qwen3.8-Max 是一款 2.4T 参数的开源权重模型，在基准测试中与 Kimi K3 和 DeepSeek V4 Flash 表现持平，在编码和软件任务上尤为出色。权重将于下周发布，定价为输入 $2/百万 tokens、输出 $6/百万 tokens。
Qwen3.8-Max (2.4T) 是开源权重社区的又一重大贡献。在基准测试中，它在所有类别上的表现都与 Kimi K3 和 DeepSeek V4 Flash 非常接近，并且在编码和软件任务上更胜一筹。Qwen3.8-27B 也将很快开放权重。权重将于下周发布。定价：输入：$2.0 / 百万 tokens；输出：$6.0 / 百万 tokens；隐式缓存：$0.25 / 百万 tokens
相似文章
@TheAhmadOsman: 顺便说一下，DeepSeek V4 Flash 0731 击败了 Qwen 3.8 27B
Ahmad 在推特上表示 DeepSeek V4 Flash 0731 性能优于 Qwen 3.8 27B，并列举了其他模型如 Kimi K3、GLM 5.2 和 MiniMax H3。
Deepseek V4 Flash 现已成为仅次于 Kimi K3 的第二大开源权重模型，且成本低 50 倍以上
DeepSeek 的新 V4 Flash 模型据报道是仅次于 Kimi K3 的第二大开源权重模型，以超过 50 倍更低的成本（每 100 万 tokens 0.09/0.18 美元）提供强劲性能，并具备扎实的代码和推理能力。
Qwen 3.8 27b 对比 Deepseek Flash
这篇文章对比了开源AI模型Qwen 3.8 (27B) 和 Deepseek Flash，讨论了基准测试，并寻求用户经验以评估它们的性能。
DeepSeek v4 Flash 对比 Qwen3.6-27B、Qwen3.5-122B 和 Gemma 4 31B 基准测试
用户在本地编码基准测试中对 DeepSeek v4 Flash 与 Qwen3.6-27B、Qwen3.5-122B 和 Gemma 4 31B 进行了对比，发现 Flash 总体胜出，但 Qwen 122B 表现惊人，首次尝试成功率更高且 token 消耗更低。
Qwen3.8-Flash-Next
Qwen 发布了 Qwen3.8-Flash-Next，这是一款开放权重的多模态 MoE 模型，拥有 125B tokens，但只有 6B 活跃参数，提供了性能提升，并作为 Qwen4 架构的早期预览。