8月26日深夜，千问团队把 Qwen3.8-Flash-Next 的权重扔上了 HuggingFace 和魔搭：125B 总参的 MoE 多模态模型、每 token 只激活 6B，这是基于下一代 Qwen4 架构的先导预览版。智谱同晚跟进开源了 GLM-5.3-Flash。但真正该停下来看的是价格：即将上架千问AI平台的 `qwen3.8-flash`，每百万 token 输入 1 元、输出 3 元，比 DeepSeek-V4-Flash 最便宜的闲时价低 33.33%。36氪而它恰好只有 DeepSeek 高峰价的三分之一。网易
第一笔账：价格战的底色是"涨价"，不是"内卷"
DeepSeek 8 月 17 日刚对 V4 系列提价，首次引入峰谷定价：V4-Flash 输出价格从每百万 token 2 元涨到高峰 9 元，涨幅 350%，缓存命中的输入价格涨了 400%。知乎需求的底座是真的——MiniMax 创始人在业绩会上报过一个数字：7 月的 token 消耗量是今年 1 月的 20 倍。所以千问这一刀砍的不是谁的成本，是把"刚被验证过的需求"用低价接走。对个人开发者：轻度挂 Codex 或 Claude Code 每月约 2000 万 token，账单从 39 元掉到 26 元；重度跑批上亿 token，省的是几十块。但如果你习惯白天跑任务，面对的是三倍的峰谷差。还有个没人放进标题的数字：在缓存命中率 90% 的设定下，1M 上下文的 prefill 吞吐是前代 Qwen3.7-Plus 的 8.6 倍，跑长上下文 Agent 的人，省下的时间比差价值钱。36氪
第二笔账：三个坑，换之前看清楚
“绝大多数第一”≠全赢。千问放出的基准里，仓库级代码生成测试略逊 DeepSeek，别拿它当全能冠军。36氪
两个"Qwen3.8"不是一回事：开源权重带 -Next 后缀、是预览版，API 上架的是 `qwen3.8-flash`、首发进千问办公。看测评别把两个版本混着比。
"激活 6B"不是低显存：125B 主干必须驻留，51B N-gram Embedding 靠提前确定查询位置放进主内存异步预取，外加 4B 的 MTP 模块，架构账要算全。知乎
第三笔账：本地部署，社区三天就把配方卷出来了
开源不到 72 小时，知乎已经有 unsloth int4 GGUF 的 4090 配方：生成 40 token/s、prompt 1100 token/s，100k 上下文降到 22，显存占用顶到 93%，靠 llama.cpp 卸载参数层跑出来的性能是有折扣的。知乎B 站同期还有一批 16GB 显存挖掘 27B 版的实测视频在更新。哔哩哔哩结论很清晰：24GB 级显卡能跑但跑不爽，vLLM/SGLang 对主模型参数层的卸载支持还得再等社区——对绝大多数人，1 元/百万 token 的 API 比买卡划算得多。
谁现在切，谁再等等
已在用 Claude Code/Codex 的：千问 API 兼容 OpenAI 与 Anthropic 协议，改个模型名十分钟跑通，今天就该拿真实负载测一轮账单。36氪长文档 Agent 用户：优先切，缓存吞吐是这代架构的隐藏红利。纯聊天用户、单卡 24GB 玩家、主战场是仓库级代码的：等 Qwen4 完整版、等社区量化生态、或干脆按兵不动。接下来盯三个信号：DeepSeek 九天前刚涨上去的价会不会被围剿打回去；GLM-5.3-Flash 限时一折到期后回不回原价；以及 Qwen4 发布会不会把这套"总参数不算数、激活参数定生死"的新架构直接变成行业标准。
