阿里发布 Qwen3.8-Flash-Next 预览模型，NVIDIA GB300 NVL72 上实验 agentic coding

核心事件

阿里巴巴发布了 Qwen3.8-Flash-Next 模型权重，作为即将推出的 Qwen4 架构的预览版本，供开发者实验和评估。该模型为多模态混合专家（MoE）模型，主模型拥有 125B 参数，并辅以 51B N-gram embeddings，每 token 激活 6B 参数。其原生上下文窗口为 262,144 token，可扩展至 1M token。NVIDIA 在 GB300 NVL72 上使用该模型进行了 agentic coding 实验，相关博客已发布。

为什么值得关注

Qwen3.8-Flash-Next 作为 Qwen4 架构的预览，展示了模型架构演进方向，尤其是 MoE 与 N-gram embeddings 的组合，以及原生大上下文窗口。同时，NVIDIA 在最新 GB300 NVL72 硬件上实验 agentic coding，表明该模型在智能体编码等任务上的潜在适用性，值得开发者关注。

影响分析

该模型为多模态 MoE 架构，参数规模较大但每 token 激活参数较少，可能在推理效率上具有优势。原生 262K 上下文窗口可扩展至 1M，为长上下文任务提供了基础。NVIDIA 在 GB300 NVL72 上进行实验，显示模型在新型硬件上的运行可行性，但原文未披露具体性能数据或实验结论，影响有待观察。

未来观察点

• Qwen3.8-Flash-Next 在 agentic coding 等任务上的实际性能表现。
• Qwen4 正式版架构是否会基于此预览版进行调整。
• 模型在 NVIDIA GB300 NVL72 上的扩展性与效率指标。
• 开发者社区基于该预览模型的反馈与应用案例。

对创业者或企业的影响

对于关注 agentic coding 和长上下文任务的企业或创业者，该模型提供了一个可实验的预览选项，但作为预览版，其稳定性和实际效果仍需验证。企业可评估其在智能体开发、代码生成等场景中的潜力，但不应将其视为成熟生产方案。NVIDIA 硬件支持也为有算力条件的企业提供了参考。

来源

来源：NVIDIA AI Blog
原文标题：Experiment with Qwen3.8-Flash-Next on NVIDIA GB300 NVL72 for Agentic Coding
URL：https://developer.nvidia.com/blog/experiment-with-qwen3-8-flash-next-on-nvidia-gb300-nvl72-for-agentic-coding/