Publié le 5 nov. 2026
MoE open-weight de la famille Qwen3.8 pensé pour l'agentique : 125B de paramètres avec seulement 6B activés, plus 51B d'embedding n-gram et 4B de MTP. Attention hybride sur 48 couches (12 micro-blocs : 3× Gated DeltaNet → MoE, 1× Qwen Sparse Attention → MoE), 512 experts dont 10 routés + 1 partagé. Contexte natif 262K, extensible à 1M avec scaling RoPE (YaRN).
Primo open-weight dell'architettura Qwen4: 125B/6B attivi + 51B n-gram + 4B MTP, attenzione ibrida Gated DeltaNet + QSA, contesto nativo 262K.
Visitez le site officiel pour télécharger, vous documenter et commencer à utiliser Qwen3.8-Flash-Next.
Modèle MoE de DeepSeek avec 552B de paramètres au total et 8 à 16B actifs par token. Contexte de 1M de tokens, licence MIT : usage commercial libre. Conçu pour le service en ligne, trop grand pour un usage local sur un seul PC.
Le modèle d'images open le plus avancé : adhérence au prompt excellente, anatomie solide et fine-tuning complet. La référence pour les usages sérieux.
Génération en très peu d'étapes avec une haute qualité et un excellent rendu du texte. La version distillée de FLUX, pensée pour la vitesse.
