Tôi có thể chạy Qwen3.8-Flash cục bộ không?

Có, trọng số được mở và công bố trên Hugging Face trong kho Qwen/Qwen3.8-Flash-Next, tương thích với Transformers, vLLM và SGLang. Lưu ý tổng số tham số là 125 tỷ, nên triển khai cục bộ đòi hỏi phần cứng mạnh dù chỉ kích hoạt 6 tỷ tham số mỗi lần chạy.

Qwen3.8-Flash có giá bao nhiêu và giới hạn ngữ cảnh là bao nhiêu?

Qua API Qwen Cloud, giá là 0,15 USD cho mỗi triệu token đầu vào và 0,47 USD cho mỗi triệu token đầu ra, với cửa sổ ngữ cảnh một triệu token có sẵn mặc định trên dịch vụ quản lý.

Qwen3.8-Flash khác gì so với các mô hình Qwen3 khác?

Nó sử dụng kiến trúc mới — Qwen Sparse Attention, Gated Residual streams và N-gram Embedding — mà Alibaba mô tả là nền tảng cho Qwen4, thay vì kiến trúc transformer tiêu chuẩn dùng trong các phiên bản Qwen3 trước đó. Đổi lại, đây là bản xem trước thử nghiệm, không phải mô hình sản xuất đã hoàn thiện.

▲

37.8%

tuần này

Qwen3.8 Flash

8894°

#llm #qwen #thị giác #video #lý luận #lập trình

Chạy mô hình này

Ưu đãi / Quảng cáo

OpenRouter Terminal / API

Trả theo token

Trò chuyện với mô hình này trên trình duyệt hoặc gọi nó từ mã của bạn với một khóa API.

Qwen | ngữ cảnh 1,000,000 token | $0.15/M đầu vào, $0.47/M đầu ra. Qwen3.8 Flash là mô hình suy luận đa phương thức từ Alibaba. Nó phù hợp cho hỗ trợ lập trình, quy trình làm việc tác nhân, hiểu hình ảnh, phân tích tài liệu và mã nguồn, tương tác máy tính để bàn, phân tích biểu đồ và phân tích video dài.

Hướng dẫn cho mô hình này

Cách chọn mô hình AI trong tháng 10 năm 2026: tin tức nguồn đóng, rồi đến các trọng số mở đáng tải về

LLM cục bộ tốt nhất theo từng trường hợp sử dụng (Tháng 10 năm 2026): mô hình mở phù hợp cho mọi công việc

Mình thực sự cần bao nhiêu VRAM cho AI cục bộ?

Mở weights vs mã nguồn mở vs chỉ API: bạn thực sự được phép làm gì

Cách Cài Đặt Ollama và Chạy AI Cục Bộ (Windows, Mac, Linux)

Tất cả hướng dẫn

Ghi chú của thuyền trưởng

Viết bởi Captain, biên tập viên chính

Ghi chú từ 2026-10-13

Qwen3.8-Flash là một mô hình suy luận đa phương thức từ Alibaba với trọng số mở và cửa sổ ngữ cảnh một triệu token. Kiến trúc của nó — Qwen Sparse Attention, Gated Residual và N-gram Embedding — được định vị rõ ràng là nền tảng cho Qwen4, khiến nó vừa là bản xem trước thử nghiệm vừa là công cụ sản xuất. Với chi phí chưa đến nửa xu cho mỗi nghìn token đầu ra, nó phù hợp với các nhà phát triển cần khả năng xử lý hình ảnh, video và suy luận ngữ cảnh dài mà không phải chịu hóa đơn API lớn.

Nổi tiếng với

Cửa sổ ngữ cảnh một triệu token cho các cơ sở mã lớn và tài liệu dài
Đa phương thức: xử lý hình ảnh, biểu đồ, video và tương tác trên máy tính để bàn
Kiến trúc mới xem trước Qwen4: giảm độ trễ ngữ cảnh dài qua QSA
Trọng số mở trên Hugging Face, tương thích với vLLM, SGLang và Transformers
125 tỷ tham số tổng cộng nhưng chỉ kích hoạt 6 tỷ, giữ chi phí suy luận thấp

Cẩn thận với

Được gắn nhãn là kiến trúc thử nghiệm; không đảm bảo độ ổn định trong sản xuất.
125 tỷ trọng số tổng cộng khiến việc triển khai cục bộ đòi hỏi phần cứng cao dù chỉ kích hoạt 6 tỷ tham số.
Điều khoản cấp phép không được chi tiết trong thẻ mô hình; kiểm tra kho Hugging Face trước khi sử dụng thương mại.

Phù hợp nhất cho

Lập trình

Tác nhân và sử dụng công cụ

Lý luận

Thị giác

Ngữ cảnh dài

Lời nhắc để thử

Gỡ lỗi pipeline async bị lỗi

Tôi có một pipeline Python async xử lý các lô bản ghi từ một hàng đợi. Các worker thỉnh thoảng bị deadlock khi hàng đợi trống giữa chừng lô. Đây là đoạn mã liên quan: ```python async def worker(queue, results): while True: batch = [] for _ in range(BATCH_SIZE): item = await queue.get() batch.append(item) results.extend(process(batch)) ``` Giải thích tại sao deadlock xảy ra và viết lại worker để xử lý hàng đợi trống một cách gọn gàng.

Phân tích hình ảnh biểu đồ

Tôi đính kèm một biểu đồ từ báo cáo kinh doanh quý. Xác định loại biểu đồ, mô tả xu hướng thể hiện, chỉ ra bất kỳ điểm bất thường hoặc điểm uốn nào, và đề xuất một câu hỏi tiếp theo mà nhà phân tích nên hỏi dựa trên dữ liệu.

Lập kế hoạch tác nhân nghiên cứu đa bước

Thiết kế một quy trình tác nhân tối giản nhận câu hỏi người dùng về một công ty, chia thành các nhiệm vụ con (tìm kiếm web, tra cứu dữ liệu tài chính, kiểm tra cảm xúc), quyết định thứ tự gọi công cụ, và tổng hợp câu trả lời cuối cùng. Liệt kê các công cụ cần thiết, logic quyết định giữa các bước, và nơi bạn sẽ thêm điểm kiểm tra có người can thiệp.

So sánh với

Qwen3.7 Flash
Mô hình chỉ API
ngữ cảnh 1,000,000 token · Đầu vào $0.03/M, đầu ra $0.13/M
Qwen3.8 Max (0902)
Mô hình chỉ API
ngữ cảnh 1,000,000 token · Đầu vào $2.00/M, đầu ra $6.00/M
Qwen3.8 Omni Flash
Mô hình chỉ API
ngữ cảnh 1,000,000 token · Đầu vào $0.15/M, đầu ra $0.47/M
Qwen3 VL 32B Instruct
Mô hình chỉ API
ngữ cảnh 131,072 token · Đầu vào $0.10/M, đầu ra $0.42/M

Thêm mô hình văn bản từ qwen

Câu hỏi thường gặp

Tôi có thể chạy Qwen3.8-Flash cục bộ không?: Có, trọng số được mở và công bố trên Hugging Face trong kho Qwen/Qwen3.8-Flash-Next, tương thích với Transformers, vLLM và SGLang. Lưu ý tổng số tham số là 125 tỷ, nên triển khai cục bộ đòi hỏi phần cứng mạnh dù chỉ kích hoạt 6 tỷ tham số mỗi lần chạy.
Qwen3.8-Flash có giá bao nhiêu và giới hạn ngữ cảnh là bao nhiêu?: Qua API Qwen Cloud, giá là 0,15 USD cho mỗi triệu token đầu vào và 0,47 USD cho mỗi triệu token đầu ra, với cửa sổ ngữ cảnh một triệu token có sẵn mặc định trên dịch vụ quản lý.
Qwen3.8-Flash khác gì so với các mô hình Qwen3 khác?: Nó sử dụng kiến trúc mới — Qwen Sparse Attention, Gated Residual streams và N-gram Embedding — mà Alibaba mô tả là nền tảng cho Qwen4, thay vì kiến trúc transformer tiêu chuẩn dùng trong các phiên bản Qwen3 trước đó. Đổi lại, đây là bản xem trước thử nghiệm, không phải mô hình sản xuất đã hoàn thiện.

Phán quyết của thuyền trưởng
Một kiến trúc thực sự mới với mức giá thấp, nhưng hãy xem nó như một cái nhìn sớm về Qwen4 thay vì lựa chọn sản xuất đã ổn định.

Thẻ mô hình trên Hugging Face

Thuyền trưởng viết những ghi chú này dựa trên mô tả và thẻ mô hình của mô hình. Giá cả và kích thước ngữ cảnh là của nhà cung cấp tại thời điểm viết và có thể thay đổi.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Also ranked: #37 Hottest Text / LLM model · #37 Hottest Text / LLM text model

Not this creator?

Get your own badge

Xu hướng phổ biến của Qwen3.8 Flash

Điểm nhiệt từ 26 Aug 2026

Điểm nhiệt

8,894°

Tuần này

▲

37.8%

8,851° lúc đó, 8,894° bây giờ

Tháng này

▲

529%

8,651° lúc đó, 8,894° bây giờ

Năm qua

n/a

Chưa phát hành/được theo dõi

7,000°

Điểm sàn

Thang điểm chạy từ 0° đến 9.999°. Mọi thứ dưới 7,000° dành cho các mô hình chưa có nguồn nào báo cáo, chúng mang một số thay thế ở đó để danh sách luôn đầy đủ. 7,000° là nơi bắt đầu dữ liệu đo được: một mô hình có dữ liệu thật nhưng gần như không có lượt tải sẽ đứng ở điểm sàn, và các số đo sẽ cộng dồn trên đó. Điểm sàn không nói gì về mô hình; chỉ có các độ trên nó mới phân biệt được các mô hình với nhau.

+1,597°

Token OpenRouter

2,098,089,404,683 token mô hình này xử lý qua OpenRouter trong 30 ngày qua, bao gồm cả lời nhắc và câu trả lời. Mỗi 10,000,000 token tính là một lượt tải trong điều kiện tải xuống, tổng cộng 209,808; token của ngày cuối cùng được tính vào tỷ lệ sử dụng. Nguồn: OpenRouter (openrouter.ai/rankings).

+297°

Tỷ lệ áp dụng

Khoảng 9,165 lượt tải mỗi ngày, đo giữa hai lần đọc nguồn, không đoán dựa trên trung bình cả đời. Tốc độ chiếm một phần tư thành phần lượt tải, nên một đợt tăng mới sẽ hiện rõ mà không để một đỉnh một ngày vượt qua nhiều năm sử dụng.

Hiển thị phân tích chi tiết

Mọi con số trên trang này đều có thể kiểm tra được. Điểm nhiệt của mô hình này là 8,894°, và đây là cách nó được xây dựng từng thành phần một, với tổng điểm chạy sau mỗi bước: điểm sàn, số độ mà mỗi nguồn đóng góp, điểm thưởng cho loại mô hình và điểm trừ theo tuổi của trọng số. Màu sắc tương ứng với các dải trên biểu đồ phía trên. Phần chú giải ở cuối định nghĩa mọi thuật ngữ.

1
Bắt đầu từ điểm sàn.
Tại sao là 7,000° chứ không phải 0: thang điểm chạy từ 0° đến 9.999°, và phần dưới 7,000° dành cho các mô hình chưa có nguồn báo cáo, mang số thay thế để danh sách đầy đủ và không bao giờ vượt trên mô hình có dữ liệu. 7,000° là nơi bắt đầu dữ liệu đo được. Một mô hình có dữ liệu thật nhưng gần như không có lượt tải đứng ở đây; mọi thứ tiếp theo là đo lường, và phần trên điểm sàn có mười bước tăng gấp mười lần lượt tải, mỗi bước 300°. Điểm sàn giống nhau cho mọi mô hình, nên nó không quyết định gì; chỉ có các độ trên nó mới quyết định.
7,000°
tổng đang chạy
2
Thêm lượt tải về.
209,808 lượt tải tương đương tổng cộng, từ Token OpenRouter. Mười lần lượt tải thêm cùng 300°, nên kích thước quan trọng nhưng không bao giờ chiếm hết điểm.
+1,597°
8,597°
tổng đang chạy
3
Thêm tỷ lệ áp dụng.
Khoảng 9,165 lượt tải mỗi ngày hiện tại, đo giữa hai lần đọc, bằng một phần tư trọng số.
+297°
8,894°
tổng đang chạy
=
Điểm nhiệt.
Mô hình này đứng ở đâu trên mọi danh sách của trang này. Không có gì khác điều chỉnh nó.
8,894°

Thuật ngữ: các từ dùng ở đây

Điểm nhiệt: Một số duy nhất cho biết mô hình được dùng và mong muốn thế nào hiện tại, từ 0° đến 9.999°. Mọi danh sách trên trang này nói về độ hot đều sắp xếp theo nó và không theo gì khác.
Sàn điểm: 7.000° là điểm bắt đầu cho mọi mô hình có dữ liệu thật. Thang điểm chạy từ 0° đến 9.999°; phần dưới sàn dành cho mô hình thay thế (mô hình không có dữ liệu), để mô hình có dữ liệu luôn xếp trên mô hình không có. Sàn điểm giống nhau cho tất cả và không quyết định gì; điểm trên sàn mới là thước đo.
Tương đương lượt tải: Tất cả những gì điểm số coi là lượt tải, cộng lại: lượt tải thật, mỗi người chia sẻ torrent tính 1.000, mỗi ảnh AI Horde và mỗi lượt chạy trên trang tạo ảnh tính một.
Thang log: Đếm theo chục, không phải theo đơn vị: từ 1.000 lên 10.000 lượt tải thêm cùng số điểm như từ 10.000 lên 100.000. Giúp tránh việc các mô hình lớn lấn át hết mọi thứ khác.
Lượt thích: Giơ ngón tay cái và lượt thích từ mọi nguồn, mỗi lượt bằng một nửa lượt tải trên thang log.
Tỷ lệ áp dụng: Bao nhiêu lượt tải mỗi ngày mà mô hình nhận được hiện tại, tính từ chênh lệch giữa hai lần đọc nguồn. Bằng một phần tư trọng số của lượt tải.
Đã đo và ước tính: Đã đo nghĩa là có hai lần đọc từ một nguồn và sự khác biệt là thật. Ước tính nghĩa là chỉ biết tổng số hôm nay và quá khứ được phân bổ trong suốt thời gian tồn tại của mô hình; trang web sẽ nói rõ đang hiển thị loại nào.
Seeder: Người giữ bản sao trọng số trực tuyến để người khác tải qua torrent, hoặc một bản sao lưu trữ làm điều tương tự. Mỗi người được tính là 1.000 lượt tải.
AI Horde: Một mạng lưới tình nguyện tạo ảnh miễn phí trên máy tính được hiến tặng. Số ảnh nó đã tạo với một mô hình được công khai, và mỗi ảnh được tính là một lượt tải.
Trang tạo ảnh: Các trang lưu trữ bản sao mô hình riêng và cho phép người dùng tạo ảnh, như PixAI, SeaArt và Yodayo. Lượt tải của họ được tính giống như Civitai và mỗi lần tạo ảnh được tính là một lượt tải.
Token OpenRouter: Mô hình văn bản phục vụ qua API, như Claude hoặc GPT, không có trọng số để tải xuống, nên sử dụng token để đo lường: các đoạn văn bản nó đọc và viết qua OpenRouter, một cổng kết nối nhiều ứng dụng sử dụng, trong 30 ngày qua. Mỗi 10,000,000 token tính là một lượt tải. Nguồn: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Mô hình đầy đủ (checkpoint): Chính là trọng số, file tự tạo ảnh. Nó được cộng thêm điểm vì các add-on phụ thuộc vào nó.
LoRA và embedding: Các file add-on nhỏ giúp điều chỉnh trọng số của người khác theo phong cách, nhân vật hoặc ý tưởng. Chúng không thể chạy riêng.
Gia đình và trọng số: Nền tảng mà mô hình xây dựng trên đó, như SD 1.5, SDXL, Flux hoặc Wan. Mỗi mô hình kế thừa ngày phát hành của trọng số gia đình nó.
Tuổi: Điểm trừ dựa trên thời gian trọng số gia đình được phát hành: 150° mỗi năm, tối đa 750°. Nó giữ lại lượt tải cũ đã tích tụ nhiều năm bằng cách đóng băng đầu danh sách.
Tăng gia đình: Một đẩy nhỏ có giới hạn cho LoRA của một gia đình mà trang này đang ưu tiên, luôn được liệt kê trong phần phân tích.
Điểm thay thế: Một số ổn định dưới mức tối thiểu dành cho mô hình chưa có báo cáo nguồn, để danh sách luôn đầy đủ. Nó không bao giờ xếp trên mô hình có dữ liệu.
Mới! (giai đoạn thử nghiệm): Mô hình dưới 7 ngày tuổi hiển thị Mới! thay vì điểm số và không được xếp hạng. Điểm số được tính từ ngày đầu tiên, nhưng mô hình mới một ngày tăng trưởng nhanh nhất, nên nếu không chờ đợi thì #1 tuần này sẽ luôn là mô hình mới ra hôm qua thay vì mô hình giữ vững trong tuần.
Xu hướng: Tốc độ tăng trưởng của mô hình trong một khoảng thời gian so với tốc độ tăng trưởng trung bình của mô hình khác trong cùng khoảng thời gian. Nhanh hơn trung bình là tăng, chậm hơn là giảm.
Mô hình điển hình: Giữa danh mục: một nửa mô hình có số liệu tăng nhanh hơn trong khoảng thời gian, một nửa tăng chậm hơn.

Cách mà độ phổ biến của mô hình này thay đổi so với phần còn lại của danh mục: sự tăng trưởng về lượt tải xuống, lượt thích và sử dụng qua từng giai đoạn, so với sự tăng trưởng điển hình của mô hình trong cùng giai đoạn, cùng với điểm nhiệt của nó lúc đó. Cao hơn mức tăng trưởng điển hình là tăng, thấp hơn là giảm. Quá khứ được tái tạo từ tổng số hiện tại, ngày đầu tiên của mô hình và tốc độ tải xuống đo được khi có hai lần đọc; mô hình không tồn tại vào đầu giai đoạn sẽ hiển thị n/a.

Mô hình tương tự

DeepSeek V4 Flash Latest

Mô hình AI để tạo hình ảnh, video & văn bản

Qwen3.8 Flash là một mô hình văn bản thuộc họ Text / LLM được liệt kê trên ModelTrends.ai, danh mục chỉ đọc về các mô hình AI hình ảnh, video và văn bản mã nguồn mở. So sánh nó với các mô hình Text / LLM khác và xem điểm độ hot để biết xu hướng.

Thêm mô hình Text / LLM Thêm Văn bản / LLM Text / LLM llm qwen thị giác video lý luận lập trình tác nhân ngữ cảnh dài

Duyệt theo họ mô hình