Alibabas nächstes offenes Modell ist eine Vorschau auf Qwen 4
Qwen3.8-Flash-Next ist ein Open-Weight-Modell mit 125 Milliarden Parametern, das nur sechs Milliarden davon pro Wort verwendet. Es erscheint heute und basiert auf der Architektur der kommenden Qwen 4-Familie.
Alibaba hat am 25. August auf seiner ModelScope-Plattform einen Countdown-Timer für Qwen3.8-Flash-Next eingestellt, ein neues Open-Weight-Modell, das heute, am 26. August, veröffentlicht wird. Open-Weight bedeutet, dass die Modelldateien selbst veröffentlicht werden, sodass jeder sie herunterladen und ausführen kann, anstatt nur über eine kostenpflichtige Schnittstelle auf das Modell zuzugreifen. Das Interessante ist nicht das Modell, sondern das, was es verspricht: Laut Alibaba basiert es auf der Architektur der Qwen-4-Familie der nächsten Generation.
Die gemeldeten Spezifikationen wurden von der Community vor der Veröffentlichung aus der ModelScope-Liste zusammengestellt: etwa 125 Milliarden Parameter insgesamt plus etwa 51 Milliarden in einer separaten N-Gramm-Einbettungskomponente, wobei für jeden Token nur etwa 6 Milliarden Parameter aktiv sind. Parameter sind die internen Zahlen, die ein Modell während des Trainings lernt, und ein Token ist ungefähr ein Wort oder ein Wortfragment. Diese Lücke zwischen 125 Milliarden gespeicherten und 6 Milliarden verwendeten ist das bestimmende Merkmal eines Mix-of-Experts-Designs, bei dem das Modell viele spezialisierte Subnetzwerke beibehält und nur die wenigen relevanten für jeden Textabschnitt aktiviert. Das Modell ist multimodal, das heißt, es verarbeitet sowohl Bilder als auch Text und führt Berichten zufolge zwei Architekturänderungen mit den wenig hilfreichen Namen GDN-Hybridarchitektur und Qwen Sparse Attention ein. Tooling-Teams, darunter Unsloth, haben die Day-Zero-Unterstützung vorbereitet, und es werden sowohl eine Standard- als auch eine FP8-Version erwartet, wobei FP8 ein komprimiertes Zahlenformat ist, das die Speichernutzung ungefähr halbiert.
Was hier eigentlich vor sich geht: Der Expertenmix-Trick ist der Grund, warum ein so großes Modell die Aufmerksamkeit aller außerhalb eines Rechenzentrums wert ist. Für die Ausführung eines dichten Modells mit 125 Milliarden Parametern ist ernsthafte Hardware erforderlich. Der Betrieb eines Rechners, der jeweils nur 6 Milliarden aktiviert, kommt dem, was ein gut ausgestatteter Desktop bewältigen kann, weitaus näher, während gleichzeitig die Breite des Wissens erhalten bleibt, die sich aus der Vollgröße ergibt. Das ist die gleiche Wette, die jetzt fast jedes Labor eingeht. Auch die Veröffentlichung einer Vorschau einer unveröffentlichten Architektur als offene Gewichte ist eher eine bewusste Strategie als eine Großzügigkeit: Dadurch wird das Open-Source-Tooling-Ökosystem, die Leute, die die Software schreiben, die Modelle tatsächlich lauffähig macht, an der Qwen-4-Unterstützung arbeiten, bevor Qwen 4 existiert.
Was das für Sie bedeutet: Wenn Sie KI über ein Chat-Fenster nutzen, ändert sich dadurch heute nichts, trägt aber zum allgemeinen Trend bei, dass die kostenlosen Optionen besser werden. Wenn Sie Modelle auf Ihrem eigenen Computer ausführen, ist dies die Veröffentlichung, die Sie diese Woche im Auge behalten sollten, mit dem ehrlichen Vorbehalt, dass alle oben genannten Spezifikationen von einer Teaser-Seite und einer Community-Analyse und nicht von einer veröffentlichten Modellkarte stammen und dass die Unterstützung vom ersten Tag an in Tools wie Ollama und LM Studio normalerweise ein paar Tage dauert, um sich zu stabilisieren. Warten Sie auf die ersten unabhängigen Benchmark-Ergebnisse, bevor Sie Ihr Setup entsprechend neu anordnen.
Quellen
Quellen: https://modelscope.cn/models/Qwen/Qwen3.8-Flash-Next
Stanfords Beschäftigungsdaten zeigen, dass die Kluft für junge Arbeitnehmer immer größer wird
In der August-Aktualisierung der Zeitung „Canaries in the Coal Mine“ wird die Beschäftigungsquote von 22- bis 25-Jährigen in KI-gefährdeten Berufen von 13 Prozent auf 19 Prozent unter der ihrer Altersgenossen geschätzt. Ältere Arbeitnehmer weisen keine solche Lücke auf.
