Qwen3.8-Flash-Next とは何ですか？

Alibaba の Qwen チームが 2026-08-26 に、Qwen4 の先行公開として出したオープンウェイトのマルチモーダル MoE です。Qwen は総パラメータ 125B、単位あたりアクティブ 6B、追加の 51B N-gram embeddings を挙げています。重みは Hugging Face と ModelScope にあります。

Qwen3.8-Flash と Flash-Next の違いは？

Flash-Next はオープンウェイトのプレビュー。Qwen3.8-Flash は QwenCloud 上の本番名です。Reuters は API リスト価格を入力 100 万単位あたり 1 元、出力 100 万単位あたり 3 元と報じました。予算前に Qwen 自身の価格ページで確認してください。

125B / アクティブ 6B / 51B N-gram は何を意味しますか？

Mixture-of-experts（MoE）モデルは大きなパラメータプールを持ち、単位ごとに一部だけをアクティブにします。Qwen によれば単位あたり 6B がアクティブです。51B の N-gram embeddings は、システム RAM で動かせると Qwen が述べる追加テーブルです。動画からノートを取るのに、これを知る必要はありません。

コンテキストウィンドウはどのくらい長いですか？

Qwen はネイティブ 262,144 単位のウィンドウを記載し、YaRN で 100 万単位まで拡張可能としています。原理上は長尺ファイルに足ります。それでも 2 時間の動画には文字起こしと章立てが必要です——広いウィンドウは、検索できる要約の代わりにはなりません。

BibiGPT は Qwen3.8-Flash に対応していますか？

BibiGPT は長尺動画と音声要約のノート向けに Qwen3.8-Flash をサポートします。リンクやファイルを貼ると要約・文字起こし・フォローアップ Q&A が得られます。製品内で MoE ルーティングを設定したり、Qwen4 プレビューのチェックポイントを選んだりする必要はありません。

学習コストは Qwen3.7-Plus と比べてどうですか？

Qwen によれば Flash-Next の学習コストは Qwen3.7-Plus の約 9 分の 1 で、コーディングとオフィスタスクの結果も向上。ベンダーの学習予算の主張です。あなたの API 請求でも、BibiGPT の設定でもありません。

公式発表はどこですか？

Qwen の 2026-08-26 投稿と QwenLM/Qwen3.8-Flash-Next GitHub リポジトリが一次情報です。Reuters は同日のローンチと、入力／出力 100 万単位あたり 1 元／3 元の API リスト価格を報じています。

この解説と組み合わせる BibiGPT ページは？

長尺動画のノートには AI 動画要約を使ってください。前世代は Qwen 3.6 解説にあります。基盤モデルではなく音声認識なら Qwen3-ASR 解説です。

Qwen3.8-Flash 解説

2026-09-01 時点で、Alibaba の Qwen チームは 2026-08-26 に Qwen3.8-Flash-Next をオープンソース公開しました——単位ごとに 6B をアクティブにする 125B マルチモーダル MoE に加え、51B の N-gram embeddings。ネイティブコンテキストは 262K 単位、YaRN で 1M まで拡張可能。長尺動画の章立てが欲しいだけなら、リンクを貼れば十分です——125B の重みをホストする必要はありません。

代わりに動画を要約する

オープンソース · 2026-08-26 125B MoE · アクティブ 6B 下で体験

Get the notes, skip the architecture diagram

Paste a long-form video URL — BibiGPT turns it into chapters, a transcript, and follow-up Q&A.

BibiGPT を Google の優先ソースに追加トップニュースと AI による回答に BibiGPT がもっと表示されます。

核心事実（90 秒で読む）

2026-09-01 時点で、Alibaba の Qwen チームは 2026-08-26 に Qwen3.8-Flash-Next をオープンソース公開——単位ごとに 6B をアクティブにする 125B マルチモーダル MoE に加え 51B N-gram embeddings、ネイティブ 262K コンテキスト（YaRN で 1M）、学習コストは Qwen3.7-Plus の約 9 分の 1。最終更新 2026-09-01。

Qwen3.8-Flash-Next の実態

2026-08-26、Qwen チームは Qwen3.8-Flash-Next を Qwen4 のアーキテクチャプレビューとしてオープンソース公開しました。本番 API 名は Qwen3.8-Flash。同じ世代の 2 つの面——重みとホスト型エンドポイント——です。

125B MoE、アクティブ 6B、加えて 51B N-gram embeddings

Qwen によれば、メインモデルは 1250 億パラメータで単位ごとに 60 億をアクティブにし、さらに GPU メモリではなくシステム RAM に置ける 510 億の N-gram embedding パラメータが付きます。

ネイティブ 262K コンテキスト、YaRN で 1M

デフォルトのコンテキストウィンドウは 262,144 単位。Qwen によれば YaRN で 100 万単位まで伸ばせ、長尺ファイルや長い会話に使えます。講義の文字起こしには依然として章立てが必要です——広いウィンドウはノートではありません。

学習コストは Qwen3.7-Plus の約 1/9

Qwen によれば Qwen3.8-Flash-Next の学習コストは Qwen3.7-Plus の約 9 分の 1 で、コーディングとオフィスタスクも改善。ベンダーの学習コスト主張であり、ユーザー価格ではありません。

長尺動画を扱う場合の意味

より安価な長コンテキスト・マルチモーダルモデルは API チームの助けになります。それ自体が、2 時間の Bilibili アップロードから学生にタイムスタンプ付きノートを渡すわけではありません。その後半の仕事の製品が BibiGPT です。

125B の重みをホストしなくてよい

リンクを貼れば章立て、文字起こし、フォローアップ Q&A が得られます。BibiGPT は長尺ノート向けに Qwen3.8-Flash を使えるモデルとしてサポートします——アーキテクチャ図を選ぶ必要はありません。

長いコンテキストはノートが残って初めて役立つ

90 分の講義には依然としてタイムスタンプとエクスポートが必要です。安価な API 呼び出しを保存しなければ無駄です。章立て要約こそが、来週も検索できる文書です。

これは Qwen 3.6 でも Qwen3-ASR でもない

Qwen 3.6 は先行のマルチモーダル世代。Qwen3-ASR は音声認識ファミリー。本ページは 2026-08-26 の Flash-Next / Flash イベントです。意図ひとつ、URL ひとつ。

5 つの重要変化（90 秒で読む）

Qwen の 2026-08-26 Qwen3.8-Flash / Flash-Next リリースからの見出し事実。

1

2026-08-26 にオープンウェイト公開

Qwen は同夜、Qwen3.8-Flash-Next（と FP8 ビルド）を Hugging Face と ModelScope に公開し、Qwen4 のアーキテクチャプレビューとして位置づけました。
2

125B MoE、アクティブ 6B、51B N-gram embeddings

Qwen は 125B のメインモデル、単位あたり 6B のアクティブパラメータ、GPU メモリではなくシステム RAM に置ける追加 51B の N-gram embeddings を記載しています。
3

ネイティブ 262K コンテキスト、YaRN で 1M

デフォルトコンテキストは 262,144 単位。Qwen によれば YaRN で 100 万単位まで伸ばせ、長尺ファイルや長いスレッドに使えます。
4

学習コストは Qwen3.7-Plus の約 1/9

Qwen は Flash-Next の学習コストを Qwen3.7-Plus の約 9 分の 1 とし、コーディングとオフィスタスクのスコアも向上と主張。ベンダーの学習コスト数値です。
5

API リスト価格は 100 万単位あたり 1 元／3 元

Reuters は、ホスト型 Qwen3.8-Flash API で入力 100 万単位あたり 1 元、出力 100 万単位あたり 3 元と報じました。予算前に QwenCloud で確認してください。

BibiGPT ユーザーの典型 3 シーン

より安価な長コンテキスト Qwen モデルが効く場所——そして要約ツールが本製品になる場所。

すでに Qwen を自前運用している

オープンウェイトや Flash API を自社のコーディング・オフィススタックに使います。そのうえで完成した講義は BibiGPT に渡し、人が生単位ではなく章立てを受け取れるようにします。

長い中国語動画のノートだけが欲しい

2 時間の Bilibili アップロードに Qwen4 アーキテクチャ概説は不要です。URL を貼り、文字起こしを書き出し、質問を続けます。それが BibiGPT の道です。

Qwen 世代を比較している

Qwen 3.6 は前世代のマルチモーダル解説。Qwen3-ASR は音声認識。本ページは Flash / Flash-Next のみ。モデルファミリーのイベントひとつ、URL ひとつ。

出典

本ページの仕様は Qwen の 2026-08-26 リリースノートと、同日の Reuters 報道に基づきます。

Qwen は 2026-08-26 に Qwen3.8-Flash-Next をオープンソース公開——125B マルチモーダル MoE、アクティブ 6B、51B N-gram embeddings、ネイティブ 262K コンテキスト（YaRN で 1M）、学習コストは Qwen3.7-Plus の約 1/9。
GitHub — QwenLM/Qwen3.8-Flash-Next ↗
Reuters は 2026-08-26 のローンチ、デフォルト 262,144 単位（100 万まで拡張可）、Qwen3.7-Plus の 9 分の 1 の学習コスト、入力／出力 100 万単位あたり 1 元／3 元の API リスト価格を報じました。
Reuters — Alibaba's Qwen launches Qwen3.8-Flash ↗
IT 之家は同日の中国語速報を掲載——北京時間 23:00 に Hugging Face と ModelScope でオープンウェイト公開、加えて 1 元／3 元の API リスト価格。
IT Home — Qwen3.8-Flash (Next) ↗

このページで使う用語

Mixture-of-experts（MoE）モデルとは？

Mixture-of-experts モデルは大きなパラメータプールを持ち、単位ごとに一部だけをアクティブにします。Qwen3.8-Flash-Next は総 125B、単位あたりアクティブ 6B と記載されています。実務上の効果は、単位ごとに密結合モデルの全計算費を払わずに、より大きな容量を持てることです。

動画ノートで 262K コンテキストウィンドウは何に効きますか？

262,144 単位のウィンドウは、長い文字起こしと指示を 1 回の呼び出しに収められます。それ自体が章立て、タイムスタンプ、来週も検索できるエクスポートを作るわけではありません。それらの成果物は動画ノート製品の仕事です。

クリエイター・学生・研究者に愛用されています

動画をテキスト化するために、毎日 BibiGPT が選ばれている理由。

全世界 50,000 人以上のユーザーが利用中

★★★★★

“リンクを貼るだけで数秒でクリーンな字幕テキストが手に入り、毎週何時間もの書き起こし作業が不要になりました。”

Maya R.

コンテンツクリエイター · ショート動画を再編集

★★★★★

“文字起こしをエクスポートできるので、動画を何度も止めずに自分のペースで新しい単語を復習できます。”

Daniel K.

語学学習者 · 生の動画で学習

★★★★★

“タイムスタンプ付きの正確なテキストをそのまま引用できます。いつの間にか毎日のワークフローの一部になりました。”

Priya S.

研究者 · 公開講演を引用

よくある質問

ご質問はありますか？お気軽にどうぞ！

125B のチェックポイントは飛ばして、ノートを取る。

長い YouTube・Bilibili・ポッドキャストのリンクを貼ってください。BibiGPT が章立て、文字起こし、フォローアップ Q&A を返します。最終更新 2026-09-01。

BibiGPT を無料で試す

Qwen3.8-Flash 解説

Get the notes, skip the architecture diagram