Qwen3.8-Flash-Next
性价比更高: MiMo-V2.5 $0.138/M 即可获得 Index 56.3,便宜 40%。
有 6 个更便宜的已排名模型得分更高:Claude Haiku 5.5 (56.7, $0.200)、MiMo-V2.5 (56.3, $0.138)、Step 3.5 Flash (56.3, $0.150),另有 3 个。
截至 2026年11月16日,Qwen3.8-Flash-Next(Alibaba)在 BenchLeader Index 上得分 53.9(共 608 个已排名配置)。表现最好的是长上下文(65),最弱的是知识(38)。API 价格为输入每百万 token $0.150、输出每百万 token $0.470(按 3:1 混合为 $0.230),为 2026年11月16日的标价。输出速度约为 80 token/秒(Artificial Analysis)。发布于 2026年8月26日。
要点(截至 2026年11月16日)
- Qwen3.8-Flash-Next 的 API 价格为输入每百万 token $0.150、输出每百万 token $0.470(按 3:1 混合为 $0.230)(标价,2026年11月16日)。
- Qwen3.8-Flash-Next 的输出速度约为 80 token/秒(Artificial Analysis,2026年11月16日)。
- Qwen3.8-Flash-Next 于 2026年8月26日发布(Alibaba)。
详细说明:Qwen3.8-Flash-Next 是 Alibaba 的开放权重推理模型,发布于 2026年8月26日。其最佳配置在 BenchLeader Index 上得分 53.9 ±7.9,在 608 个配置中排第 243 名,处于上半区。关键在于这个“±”:另有 386 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,长上下文得分最高(65),知识最低(38)。按混合价格计,每百万 token $0.230,属于已排名模型中最便宜的五分之一。输出速度为 80 token/秒,首次回答需 65.5 秒,比大多数模型慢。最近一次测量:2026年11月11日。
- 混合价格
- $0.230/M
- 输入 $0.150 · 输出 $0.470
- 来源:Artificial Analysis
- 输出速度
- 80 tok/s
- 由 Artificial Analysis 测量
- 首次回答
- 66 s
- 上下文
- 256k
- 来源:Artificial Analysis
- 完整回答
- 203 s
- 最近一次测量 2026年11月13日
- 单任务成本
- $0.569
- 每项任务 31 min,AA Index
- 单任务 token 数
- 148k
- 其中 66% 为推理
- 发布日期
- 2026年8月26日
- 综合 Index54
- 推理43
- 编程61
- 智能体与工具64
- 知识38
- 多模态61
- 长上下文65
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/qwen3-8-flash-next)粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。
Index 走势
2026年9月9日 至 2026年11月16日Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。
基准测试结果
查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。
元数据
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA Openness Index不计入 Index | 38.9#155 | Artificial Analysis |
推理
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| LiveBench 1.0 Reasoning不计入 Index | 87.4%#27 | LiveBench | |
| GPQA Diamond (AA)不计入 Index | 92.3%#36 | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 38.0%#113 | Artificial Analysis | |
| HLE-Diamond (AA) | 16.3%#95 | Artificial Analysis | |
| CritPt不计入 Index | 11.1%#127 | Artificial Analysis | |
| CritPt v2 hard subset (AA) | 24.5%#91 | Artificial Analysis |
编程
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena WebDev | 1624#28 | Arena (LMArena) | |
| LiveBench 1.0 Coding不计入 Index | 72.5%#56 | LiveBench | |
| SciCode (AA)不计入 Index | 50.6%#117 | Artificial Analysis | |
| Terminal-Bench 4.0 (AA)不计入 Index | 25.3%#78 | Artificial Analysis | |
| Terminal-Bench 2.1 (AA)不计入 Index | 86.1%#21 | Artificial Analysis | |
| FrontierCode 2.0 (AA) | 27.1%#46 | Artificial Analysis |
智能体与工具
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Agent | -4.6#41 | Arena (LMArena) | |
| LiveBench Agentic Coding不计入 Index | 61.6%#12 | LiveBench | |
| GDPval-AA v2.1, normalised score不计入 Index | 56.4%#20 | Artificial Analysis | |
| GDPval-AA v2.1不计入 Index | 1637#28 | Artificial Analysis | |
| τ³-Banking (AA) | 45.4%#14 | Artificial Analysis | |
| Arena Agent Task Completion不计入 Index | 0.3#31 | Arena (LMArena) | |
| AutomationBench不计入 Index | 55.9%#80 | Artificial Analysis | |
| GDP.pdf (AA)不计入 Index | 15.6%#120 | Artificial Analysis | |
| AA-Briefcase v1.1不计入 Index | 1572#28 | Artificial Analysis | |
| Terminal-Bench-Science 0.1 (AA)不计入 Index | 7.1%#75 | Artificial Analysis |
数学
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| LiveBench Mathematics不计入 Index | 85.8%#54 | LiveBench |
知识
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| LiveBench 1.0 Data Analysis不计入 Index | 74.2%#39 | LiveBench | |
| AA-Omniscience v1.1 | -12.2#113 | Artificial Analysis | |
| AA-Omniscience v1.1: accuracy不计入 Index | 23.5%#111 | Artificial Analysis | |
| AA-Omniscience v1.1: non-hallucination不计入 Index | 53.2%#69 | Artificial Analysis |
指令遵循
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| LiveBench Language不计入 Index | 74.6%#50 | LiveBench | |
| LiveBench Instruction Following不计入 Index | 77.1%#5 | LiveBench |
多模态
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| MMMU-Pro | 78.6%#78 | Artificial Analysis |
长上下文
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA-LCR v1.1 | 79.7%#100 | Artificial Analysis | |
| MLCR不计入 Index | 20.6%#49 | Artificial Analysis |
综合
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| LiveBench 1.0不计入 Index | 76.2%#31 | LiveBench | |
| AA Intelligence Index v5.0.1不计入 Index | 28.6#72 | Artificial Analysis | |
| AA Intelligence Index v4.3.2不计入 Index | 39.8#68 | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 320.2#60 | Artificial Analysis |
一项任务的成本
根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存。未计入推理 token。
| 工作负载 | 输入 / 输出 token | 成本 | 使用缓存 | 耗时 |
|---|---|---|---|---|
| 聊天回复 | 400 / 300 | $0.0002 | – | 1.2 min |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.0021 | – | 1.2 min |
| 代码编辑 | 6,000 / 1,500 | $0.0016 | – | 1.4 min |
| 智能体编程会话 | 60,000 / 4,000 | $0.011 | – | 1.9 min |
| 结构化信息提取 | 2,000 / 200 | $0.0004 | – | 1.1 min |
Alibaba 的更多模型
将 Qwen3.8-Flash-Next 与以下模型对比
- Qwen3.8-Flash-Next vs GPT-6.1 Sol
- Qwen3.8-Flash-Next vs Step 5 Preview
- Qwen3.8-Flash-Next vs Claude Sonnet 5.5
- Qwen3.8-Flash-Next vs GPT-5.5
- Qwen3.8-Flash-Next vs GPT-6 Astra
- Qwen3.8-Flash-Next vs Claude Opus 5.5
- Qwen3.8-Flash-Next vs GLM 5.3 Flash
- Qwen3.8-Flash-Next vs Gemini 4 Argon
- Qwen3.8-Flash-Next vs Claude Sonnet 5
- Qwen3.8-Flash-Next vs GPT-5.4
- Qwen3.8-Flash-Next vs DeepSeek V4.1 Flash 1017
- Qwen3.8-Flash-Next vs Gemini 3.1 Pro
- Qwen3.8-Flash-Next vs Qwen3.8 Max
- Qwen3.8-Flash-Next vs DeepSeek V4 Pro
- Qwen3.8-Flash-Next vs GPT-5.6 Sol
- Qwen3.8-Flash-Next vs Grok 4.7
- Qwen3.8-Flash-Next vs GPT-5.2
- Qwen3.8-Flash-Next vs Claude Opus 4.8
- Qwen3.8-Flash-Next vs Gemini 3 Pro
- Qwen3.8-Flash-Next vs Claude Fable 5
- Qwen3.8-Flash-Next vs Qwen3.6 Max
另请参阅
嵌入或引用
在模型卡片或 README 中展示 Qwen3.8-Flash-Next 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。
[](https://www.benchleader.com/models/qwen3-8-flash-next)引用本页
排名每天都会变化,因此引用时需注明数据日期。APA 格式:
BenchLeader. (2026, November 16). Qwen3.8-Flash-Next on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/qwen3-8-flash-next
BibTeX:
@misc{benchleader_qwen3_8_flash_next_20261116,
author = {{BenchLeader}},
title = {{Qwen3.8-Flash-Next on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/qwen3-8-flash-next}},
note = {Data as of 2026-11-16}
}常见问题
- Qwen3.8-Flash-Next 的基准测试得分是多少?
- 截至 2026年11月16日,Qwen3.8-Flash-Next 的 BenchLeader Index 为 53.9 ±7.9。最强的是长上下文(65),最弱的是知识(38)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
- Qwen3.8-Flash-Next 排名第几?
- 截至 2026年11月16日,Qwen3.8-Flash-Next 在 608 个已排名配置中排第 243 名。另有 386 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
- Qwen3.8-Flash-Next 每百万 token 的价格是多少?
- 截至 2026年11月16日,Qwen3.8-Flash-Next 的价格为输入每百万 token $0.150、输出每百万 token $0.470,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $0.230。
- Qwen3.8-Flash-Next 比 Step 5 Preview 更好吗?
- 截至 2026年11月16日,Qwen3.8-Flash-Next 与 Step 5 Preview 的质量不相上下(BenchLeader Index 53.9 比 56.0,在 ±9.0 的误差范围内),可根据价格、速度和你看重的类别来选择。逐项基准测试的详细对比见对比页面。
- Qwen3.8-Flash-Next 是什么时候发布的?
- Alibaba 于 2026年8月26日发布了 Qwen3.8-Flash-Next。
数据截至 2026年11月16日。 与其他模型对比
引用格式:BenchLeader,《Qwen3.8-Flash-Next:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/qwen3-8-flash-next。