A 2026-09-01, el equipo Qwen de Alibaba open-sourceó Qwen3.8-Flash-Next el 2026-08-26: un MoE multimodal de 125B que activa 6B parámetros por paso, más 51B embeddings N-gram. El contexto nativo es 262K unidades, extensible a 1M con YaRN. Si necesitas capítulos de un video largo, pega el enlace — no tienes que hostear pesos de 125B.
Paste a long-form video URL — BibiGPT turns it into chapters, a transcript, and follow-up Q&A.
A 2026-09-01, el equipo Qwen de Alibaba open-sourceó Qwen3.8-Flash-Next el 2026-08-26: un MoE multimodal de 125B que activa 6B parámetros por paso, más 51B embeddings N-gram, con contexto nativo 262K (YaRN a 1M) y costo de entrenamiento cerca de una novena parte de Qwen3.7-Plus. Última actualización 2026-09-01.
El 2026-08-26 el equipo Qwen open-sourceó Qwen3.8-Flash-Next como preview de arquitectura de Qwen4. El nombre de API de producción es Qwen3.8-Flash. Misma generación, dos superficies: pesos versus un endpoint hosted.
Qwen indica un modelo principal de 125 mil millones de parámetros que activa 6 mil millones por paso, con 51 mil millones extra de parámetros de embeddings N-gram que pueden vivir en system RAM en lugar de memoria GPU.
La ventana de contexto por defecto es 262,144 unidades. Qwen dice que YaRN puede estirarla a un millón de unidades para archivos largos y conversaciones largas. Una transcripción de clase sigue necesitando capítulos; una ventana ancha no es un notebook.
Qwen dice que entrenar Qwen3.8-Flash-Next costó cerca de una novena parte de Qwen3.7-Plus, con ganancias en coding y tareas de oficina. Es un claim de costo de entrenamiento del vendor, no un precio de usuario.
Un modelo multimodal de contexto largo más barato ayuda a equipos de API. Por sí solo no le da a un estudiante notas con timestamps de un upload de dos horas en Bilibili. BibiGPT es el producto para ese segundo trabajo.
Pega un enlace, obtén capítulos, una transcripción y Q&A de seguimiento. BibiGPT soporta Qwen3.8-Flash como modelo que puedes usar para notas long-form — no eliges un diagrama de arquitectura.
Una clase de 90 minutos sigue necesitando timestamps y una exportación. Una llamada API barata que nunca archivas es desperdicio; un resumen por capítulos es un documento que puedes buscar la próxima semana.
Qwen 3.6 es una generación multimodal anterior. Qwen3-ASR es la familia de reconocimiento de voz. Esta página es el evento Flash-Next / Flash del 2026-08-26. Una intención, una URL.
Hechos principales del lanzamiento Qwen3.8-Flash / Flash-Next de Qwen del 2026-08-26.
Qwen lanzó Qwen3.8-Flash-Next (y un build FP8) en Hugging Face y ModelScope esa misma noche, enmarcado como preview de arquitectura de Qwen4.
Qwen documenta un modelo principal de 125B, 6B parámetros activados por paso y 51B embeddings N-gram extra que pueden vivir en system RAM en lugar de memoria GPU.
El contexto por defecto es 262,144 unidades. Qwen dice que YaRN lo extiende a un millón de unidades para archivos largos e hilos largos.
Qwen afirma que el costo de entrenamiento de Flash-Next fue cerca de una novena parte de Qwen3.7-Plus, con scores más fuertes en coding y tareas de oficina. Es una cifra de costo de entrenamiento del vendor.
Reuters reportó que Qwen cobraría 1 yuan por millón de unidades de entrada y 3 yuan por millón de unidades de salida en la API hosted Qwen3.8-Flash. Confirma en QwenCloud antes de presupuestar.
Dónde importa un modelo Qwen de contexto largo más barato — y dónde el producto real es un resumidor.
Usa los pesos abiertos o la API Flash para tu propio stack de coding y oficina. Luego igual pega la clase terminada en BibiGPT para que las personas reciban capítulos en lugar de un volcado crudo de unidades.
Un upload de dos horas en Bilibili no necesita un brief de arquitectura Qwen4. Pega la URL, exporta la transcripción, sigue haciendo preguntas. Ese es el camino BibiGPT.
Qwen 3.6 es el explainer multimodal anterior. Qwen3-ASR es reconocimiento de voz. Esta página es solo Flash / Flash-Next. Un evento de familia de modelos, una URL.
Flujos de notas de video largo que combinan con este lanzamiento.
Pega un enlace y obtén capítulos, puntos clave y un resumen limpio.
Videos largos de B站 convertidos en notas estructuradas.
Convierte un episodio de podcast en notas buscables.
La generación multimodal Qwen anterior en su propia URL.
La familia open de reconocimiento de voz de Qwen — otro producto.
Las specs de esta página vienen de las release notes de Qwen del 2026-08-26 y del reporte del mismo día de Reuters.
Qwen open-sourceó Qwen3.8-Flash-Next el 2026-08-26 como un MoE multimodal de 125B con 6B parámetros activos, 51B embeddings N-gram, contexto nativo 262K (YaRN a 1M) y costo de entrenamiento ~1/9 de Qwen3.7-Plus.
GitHub — QwenLM/Qwen3.8-Flash-Next ↗Reuters reportó el lanzamiento del 2026-08-26, la ventana por defecto de 262,144 unidades (expandible a 1 millón), un noveno del costo de entrenamiento de Qwen3.7-Plus, y precios de lista de API de 1 yuan / 3 yuan por millón de unidades de entrada / salida.
Reuters — Alibaba's Qwen launches Qwen3.8-Flash ↗IT Home reportó el brief en chino del mismo día: pesos abiertos a las 23:00 hora de Beijing en Hugging Face y ModelScope, más los precios de lista de API de 1 yuan / 3 yuan.
IT Home — Qwen3.8-Flash (Next) ↗Un modelo mixture-of-experts mantiene un pool grande de parámetros y activa solo un subset por cada paso. Qwen3.8-Flash-Next está documentado como 125B totales con 6B activos por paso. El efecto práctico es más capacidad sin pagar el cómputo completo de un modelo dense en cada paso.
Una ventana de 262,144 unidades puede contener una transcripción larga más instrucciones en una sola llamada. Por sí sola no produce capítulos, timestamps ni una exportación que puedas buscar la próxima semana. Esos artefactos son el trabajo de un producto de notas de video.
Por qué la gente usa BibiGPT cada día para convertir vídeos en texto.
Más de 50 000 usuarios en todo el mundo confían en nosotros
“Pego un enlace y obtengo subtítulos limpios en segundos: me ahorra horas de transcripción cada semana.”
Maya R.
Creadora de contenido · Reutiliza vídeos cortos
“Exportar la transcripción me permite repasar vocabulario a mi ritmo en lugar de pausar el vídeo constantemente.”
Daniel K.
Estudiante de idiomas · Estudia con vídeos reales
“Texto preciso con marcas de tiempo que puedo citar directamente. Sin darme cuenta, ya es parte de mi rutina diaria.”
Priya S.
Investigadora · Cita charlas públicas
FAQ
Resolvemos cualquier duda.
1 ¿Mejor herramienta de resumen de video con IA para Bilibili en 2026? BibiGPT soporta 30+ plataformas con 1M+ usuarios. Pega cualquier link de Bilibili para resúmenes estructurados al instante. Compara las top 5 herramientas más automatización con AI agent.
2 Install a video-summary skill into DeepSeek Harness in one copy-paste — SKILL.md matches Claude Code. Or skip dsh: paste a Bilibili or YouTube link in the browser and get a timestamped summary.
3 Reverse any video free with no app and no download, right in your browser. Step-by-step for iPhone, Android, and PC, plus how to reverse audio (2026).
Pega un enlace largo de YouTube, Bilibili o podcast. BibiGPT devuelve capítulos, una transcripción y Q&A de seguimiento. Última actualización 2026-09-01.
