这是全新的Quen 3.8 flash next AI，初步效果令人惊艳——这个系统简直不可思议。我们很幸运能拥有这么多开源免费的AI系统，以至于连学者们都容易搞混它们，这真是甜蜜的烦恼。看来我们可以用可永久下载运行的OpenWAS AI替代付费闭源系统了，无需订阅，还有论文支持——我们简直被宠坏了，对此我深怀感激，这也是我持续追踪这些技术的原因。现在让我展示下我和诸位学者在实战中是如何运用它的。
首先是QN3.8 Max，规模惊人地庞大（270亿参数！）。这个版本能在普通笔记本或台式机上运行，而3.8 Flash Next属于中等规模但架构独特。至于27B版本则是舞蹈专用模型，而眼前这个是专家混合模型——其特别之处在于每个token仅激活模型的小部分模块，非常适合大内存但带宽有限的系统（比如DGX Park）。我在两台Spark设备上测试时，首日就达到每秒38个token的处理速度，表现相当出色！（特别感谢NVIDIA的Jensen、Bre和Mark提供的硬件支持）
重点来了——3.8 Flash Next作为其下一代首款模型，实现了三大突破：
-
Quen SPE注意力机制：随着文档增加或对话持续，传统全注意力机制因二次方复杂度会导致计算成本飙升（处理两倍上下文需四倍算力）。Deepsek的DSA方案虽能筛选关键token，但Quen创新的QSA更进一步：将token打包成微区块进行检索，显著降低了长上下文处理成本。
-
门控残差架构：传统模型中各层会相互干扰（不断覆写运行信息），而这里采用四分支设计——部分信息可保持静止，其余参与变更，实现更精准的信息流控制。
-
聚合嵌入技术：以”hot dog”为例，组合词义与单独词汇截然不同。Quen能将此类短token组合快速存入检索记忆库（类似Deepsek方案但更高效：后者分散存储于多层，Quen则集中在起始处的超大检索层）。这三项创新使该系统性能已超越部分顶尖开源AI（甚至可能媲美Deepse 4 Pro），而这一切在发布短短数日内就实现，实在令人震撼！我们竟能永久免费使用这些——生逢其时啊！
（注：表情符号及特殊字符按原意保留，日文”いえ”译为”不”，技术术语如QSA/SPE等保留原名）
附：LLM时代需要新工具——Weights & Biases现推出轻量级工具包Weave，支持：
• 通过追溯数据流调试LLM应用
• 使用评估指标量化进展
立即体验：wnb.me/papers 或点击下方链接
（译文严格遵循技术文档风格，保留原文的惊叹语气和学术表述，对专业术语采用业内通用译法，混合排版完整呈现演讲者的热情与信息密度）