什么是混合专家（MoE）模型？
混合专家模型保留很大的参数池，每一步 只激活其中一部分。文档里 Qwen3.8-Flash-Next 是总计 125B、每一步 激活 6B。实际效果是容量更大，却不必在每一步 上付满稠密模型的算力账单。
Qwen3.8-Flash 详解
截至 2026-09-01：阿里通义千问团队于 2026-08-26 开源 Qwen3.8-Flash-Next——125B 多模态 MoE，每一步 激活 6B 参数，另加 51B N-gram 嵌入。原生上下文 262K 单位，经 YaRN 可扩到 1M。若要从长视频拿章节，粘链接就行——不必自己托管 125B 权重。
开源 · 2026-08-26 125B MoE · 6B 激活 下方可试用
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.
把 BibiGPT 设为 Google 优先来源 在热门报道和 AI 概览里看到更多 BibiGPT。 
1 
2 
3
关键事实（90 秒读完）
截至 2026-09-01：阿里通义千问团队于 2026-08-26 开源 Qwen3.8-Flash-Next——125B 多模态 MoE，每一步 激活 6B 参数，另加 51B N-gram 嵌入，原生 262K 上下文（YaRN 可至 1M），训练成本约为 Qwen3.7-Plus 的九分之一。最近更新：2026-09-01。
Features
Qwen3.8-Flash-Next 到底是什么
2026-08-26，通义千问团队开源 Qwen3.8-Flash-Next，作为 Qwen4 的架构预览。生产 API 名称是 Qwen3.8-Flash。同一代、两种形态：开源权重 vs 托管接口。
125B MoE、6B 激活，外加 51B N-gram 嵌入
Qwen 称主模型 125B 参数，每一步 激活 6B，另有 51B N-gram 嵌入参数，可放在系统内存而不是 GPU 显存里。
原生 262K 上下文，YaRN 可至 1M
默认上下文窗口是 262,144 上下文单位。Qwen 称用 YaRN 可拉到一百万单位，适合长文件和长对话。讲座文字稿仍然需要章节；宽窗口不等于笔记本。
训练成本约为 Qwen3.7-Plus 的 1/9
Qwen 称训练 Qwen3.8-Flash-Next 的成本大约是 Qwen3.7-Plus 的九分之一，并在编码与办公任务上有提升。这是厂商的训练成本说法，不是用户单价。
做长视频的人，这件事意味着什么
更便宜的长上下文多模态模型，帮的是 API 团队。它本身不会给学生从两小时 B 站上传里直接吐出带时间戳的笔记。后半截活是 BibiGPT 的产品位。
你不该自己去托管 125B 权重
粘一条链接，拿到章节、文字稿和后续问答。BibiGPT 支持用 Qwen3.8-Flash 做长内容笔记——你不用去挑架构图。
长上下文只有留住笔记才划算
九十分钟讲座仍然需要时间戳和导出。一次便宜的 API 调用却从不归档，等于白费；带章节的总结才是下周还能搜到的文档。
这不是 Qwen 3.6，也不是 Qwen3-ASR
Qwen 3.6 是更早一代的多模态。Qwen3-ASR 是语音识别系列。本页只讲 2026-08-26 的 Flash-Next / Flash 事件。一种意图，一个 URL。
5 条关键变化（90 秒读完）
来自 Qwen 2026-08-26 Qwen3.8-Flash / Flash-Next 发布的核心事实。
- 1
2026-08-26 开源权重
Qwen 当晚在 Hugging Face 与 ModelScope 发布 Qwen3.8-Flash-Next（含 FP8 构建），定位为 Qwen4 的架构预览。
- 2
125B MoE、6B 激活、51B N-gram 嵌入
Qwen 文档写明 125B 主模型、每一步 激活 6B 参数，以及额外 51B N-gram 嵌入，可放在系统内存而不是 GPU 显存。
- 3
原生 262K 上下文，YaRN 可至 1M
默认上下文是 262,144 上下文单位。Qwen 称用 YaRN 可扩到一百万单位，适合长文件和长线程。
- 4
训练成本约为 Qwen3.7-Plus 的 1/9
Qwen 称 Flash-Next 训练成本大约是 Qwen3.7-Plus 的九分之一，编码与办公任务分数更强。这是厂商的训练成本数字。
- 5
API 标价每百万单位 1 元 / 3 元
Reuters 报道托管 Qwen3.8-Flash API 按每百万输入单位 1 元、每百万输出单位 3 元计价。做预算前请到 QwenCloud 核对。
BibiGPT 用户的 3 个典型场景
更便宜的长上下文 Qwen 模型哪里重要——以及总结器才是真正的产品位。
你已经自己在跑 Qwen
用开源权重或 Flash API 搭自己的编码与办公栈。然后再把讲完的课粘进 BibiGPT，让人拿到章节，而不是一坨生文本。
你只想从长中文视频拿笔记
两小时 B 站上传不需要一份 Qwen4 架构简报。粘 URL、导出文字稿、继续追问。这就是 BibiGPT 的路径。
你在对比 Qwen 各代
Qwen 3.6 是上一代多模态详解。Qwen3-ASR 是语音识别。本页只讲 Flash / Flash-Next。一个模型家族事件，一个 URL。
相关 BibiGPT 工具
与这次发布配套的长视频笔记工作流。
来源
本页规格来自 Qwen 2026-08-26 发布说明与 Reuters 同日报导。
-
Qwen 于 2026-08-26 开源 Qwen3.8-Flash-Next：125B 多模态 MoE、6B 激活参数、51B N-gram 嵌入、原生 262K 上下文（YaRN 可至 1M），训练成本约为 Qwen3.7-Plus 的 1/9。
GitHub — QwenLM/Qwen3.8-Flash-Next ↗ -
Reuters 报导了 2026-08-26 发布、默认 262,144 上下文单位 窗口（可扩到 1 百万）、训练成本约为 Qwen3.7-Plus 的九分之一，以及每百万输入 / 输出 单位 1 元 / 3 元的 API 标价。
Reuters — Alibaba's Qwen launches Qwen3.8-Flash ↗ -
IT之家同日报导了中文简讯：北京时间 23:00 在 Hugging Face 与 ModelScope 开源权重，以及 1 元 / 3 元的 API 标价。
IT Home — Qwen3.8-Flash (Next) ↗
本页用到的术语
262K 上下文窗口对视频笔记有什么用？
262,144 上下文单位 的窗口原则上能在一次调用里装下长文字稿加指令。它本身不会产出章节、时间戳，或下周还能搜到的导出件。那些产物是视频笔记产品该干的活。
深受创作者、学生和研究人员的喜爱
看看大家为什么每天都用 BibiGPT 把视频转成文字。
全球 50,000+ 用户的信赖之选
★★★★★
“贴上链接几秒钟就拿到干净的字幕文字，每周帮我省下好几个小时的手动整理时间。”
Maya R.
内容创作者 · 二次创作短视频
★★★★★
“导出逐字稿后我可以按自己的节奏复习生词，再也不用反复暂停视频了。”
Daniel K.
语言学习者 · 用真实视频学外语
★★★★★
“准确、带时间戳的文字可以直接引用，它已经悄悄成为我日常工作流的一部分。”
Priya S.
研究人员 · 引用公开演讲
常见问题
常见问题解答
有问题？问我们！
热门文章
1 B站AI视频总结工具推荐：BibiGPT一键总结30+平台视频（2026精选）
2026年B站AI视频总结工具哪个最好？粘贴任意链接，几秒生成结构化总结、思维导图和重点提炼，支持30+平台、免登录。文末对比5大工具，选出最适合你的那一个。
2 DeepSeek Harness 怎么装 skill：让 dsh 学会看视频的实战教程
给 DeepSeek Harness 装视频总结 skill 只需拷贝目录——SKILL.md 和 Claude Code 通用。也可以不装 dsh：在浏览器里粘贴 B 站或 YouTube 链接，直接出带时间戳的总结。
3 不用装 App 如何倒放视频 — 免费、浏览器内完成、无需下载（2026）
无需 App、无需下载，在浏览器里免费倒放任意视频。iPhone、Android、PC 分步教程，以及如何同步倒放音频（2026）。