Qwen4的架构提前到来，从125B参数中激活6B参数（3分钟阅读）

# Qwen4架构提前亮相：125B参数中仅激活6B 来源：https://thenextweb.com/news/qwen38-flash-next-qwen4-architecture-open-licence-ai-act 阿里巴巴的通义千问团队发布了Qwen3.8-Flash-Next——这是其计划用于Qwen4架构的开源权重预览版本。该模型拥有125B参数，但在处理每个token时仅激活6B参数。其许可证可能不符合欧盟《人工智能法案》的开源豁免条款。 通义千问团队公布了其构建Qwen4的架构设计（https://www.unite.ai/qwen3-8-flash-next-previews-qwen4-architecture-with-6b-active-parameters/）。Qwen3.8-Flash-Next包含125B参数，但在生成每个token时仅激活其中的6B。 这一架构主张的核心在于成本优化而非能力提升。团队表示，他们关注的是在超长上下文智能体任务成为常规工作负载时，不同架构选择对推理成本的影响。 与自研前代模型的对比显示：Qwen3.7-Plus拥有397B参数并激活17B，而新模型只需约三分之一的活跃计算资源即可运行。 四项架构改进中有三项属于常规技术升级：新型稀疏注意力机制采用微区块处理而非逐token选择，门控残差机制控制层间信息传递，训练方案完全移除了批量大小预热过程。 第四项改进尤为特殊——模型通过附加51B参数构建独立嵌入层，由双字符和三字符片段索引。团队表示该设计能降低计算负载，更易于在内存受限的加速器上部署。 最后这个表述值得深思。为内存不足的加速器设计架构，通常是无法采购顶级芯片时的应对策略——这正是出口管制为中国实验室带来的现实处境。 所有技术数据均来自阿里巴巴自身的测试结果。TNW本月曾指出，该公司宣称Qwen3.8是“全球第二优模型”却未提供实证（https://thenextweb.com/news/alibaba-qwen38-second-only-fable5-open-weight），本次测试数据同样仅来自团队自建评测框架。 部分设计选择显得异常直白：技术卡片明确注明“人类终极考试”的评分由GPT-4o完成而非采用基准测试原生评分器——这属于信息披露而非中立评估。 许可证条款则成为欧洲监管机构的关注焦点。这些权重通过qwen社区许可证托管于Hugging Face平台，而TNW在8月7日报道中指出阿里巴巴正计划向其最大商业用户收费（https://thenextweb.com/news/alibaba-charge-big-users-open-source-qwen）。 欧盟《人工智能法案》将这一区别视为关键条款。第53条第2款规定，免费开源许可证的模型可豁免两项文档义务，而序言第103条明确指出：对价提供或商业化的组件不应获得豁免。 欧洲企业并未等待最终裁决。汤森路透已基于Qwen构建其模型（https://thenextweb.com/news/thomson-reuters-thomson-model-qwen-claude-cocounsel），所有采用该架构的用户都将承受许可证条款变动的潜在影响。 发布于2026年8月26日 - 19:55 UTC [返回顶部](https://thenextweb.com/news/qwen38-flash-next-qwen4-architecture-open-licence-ai-act#)