Qwen3.8-Flash-Next
Alibaba
Son güncelleme: 3 Eylül 2026
🖥️ Bu model bilgisayarında çalışır mı?
Ağırlıkları açık — donanımın yetiyorsa kendi bilgisayarında çalıştırabilirsin.
Ağırlıklar Hugging Face'te açık (safetensors + FP8 + topluluk GGUF'ları). Unsloth'un GGUF dosyaları: Q4_K_XL yaklaşık 111 GB, Q2_K_XL yaklaşık 79 GB — yani hiçbir tüketici ekran kartına tam sığmıyor. Buna karşılık mimarinin tamamı bu boyutta çalışmak zorunda değil: aynı anda sadece 6 milyar parametre aktif oluyor ve 51 milyarlık n-gram gömme katmanı sistem belleğine taşınabilecek şekilde tasarlandı. Pratikte 24-32 GB VRAM + bol RAM kombinasyonuyla CPU offload ederek çalıştıranlar var; kendi testimizi yapmadığımız için kesin bir alt eşik vermiyoruz.
Ekran kartını seç, çalışır mı gör →Bağlam uzunluğu
262K token
API giriş (1M token)
—
API çıkış (1M token)
—
Kullanıcı planı
Ücretsiz (açık kaynak)
Ücretsiz plan mevcut
Türkçe destek
Zayıf
Çok modlu
Evet
Hızı
Hızlı
OpenAI uyumlu
Hayır
Ne İçin Kullanılır?
- ✓Ajanlık kodlama ve çok adımlı geliştirme işleri
- ✓Uzun bağlamlı belge ve repo analizi
- ✓Yerelde çalıştırılabilir açık ağırlıklı ajan altyapısı
- ✓Çok dilli yazılım geliştirme
Güçlü Yönler
- ↑Açık ağırlık: safetensors, FP8 ve topluluk GGUF'ları Hugging Face'te
- ↑125 milyar parametrenin sadece 6 milyarı aktif — boyutuna göre hızlı
- ↑262K yerel bağlam, 1 milyona kadar genişletilebiliyor
- ↑Qwen Sparse Attention uzun bağlamda gecikmeyi düşürüyor
- ↑Ticari kullanıma açık lisans (100M kullanıcı / 20M dolar eşiğine kadar şartsız)
Dikkat Edilecekler
- ↓Deneysel mimari önizlemesi — üretim için tasarlanmış sürüm Qwen3.8-Flash
- ↓Birinci parti API fiyatı yok; erişim yerel çalıştırma ya da üçüncü taraf sağlayıcılar
- ↓Q4 GGUF yaklaşık 111 GB — tek tüketici ekran kartına sığmıyor, CPU offload gerekiyor
- ↓Model-as-a-service veya AI kodlama/ofis asistanı işi için Qwen'den ayrı lisans şart
- ↓Türkçe desteği kendi test setimizle ölçülmedi
Alibaba'nın 24 Ağustos 2026'da açık ağırlıkla yayınladığı Qwen3.8-Flash-Next, aslında bir ürün değil bir mimari önizlemesi: Qwen4'ün altına gireceği yapının ilk halka açık örneği. Toplam 125 milyar parametre taşıyor ama bir soruyu yanıtlarken bunun sadece 6 milyarı çalışıyor; üstüne 51 milyarlık n-gram gömme katmanı ve 4 milyarlık MTP katmanı ekleniyor. Vizyon kodlayıcısı da var, yani görsel girişi anlıyor. Mimaride üç yenilik öne çıkıyor. Gated DeltaNet ile Qwen Sparse Attention (QSA) ikilisi, dikkat mekanizmasını tek tek token yerine mikro blok seviyesinde çalıştırıyor — uzun bağlamda gecikmeyi ciddi biçimde düşürüyor, ajan iş yükleri uzadıkça asıl fark burada açılıyor. Gated Residual, katmanlar arası bilgi akışını veriye göre ayarlanan kapılarla düzenliyor. N-gram Embedding ise parametre büyütmeyi MoE'ye kıyasla daha ucuz ve belleği kısıtlı hızlandırıcılara taşınabilir hale getiriyor — 125 milyarlık bir modelin dizüstünde konuşulabilir olmasının sebebi bu. Qwen'in kendi model kartındaki skorlar: ajanlık kodlamada DeepSWE 1.1'de 58,7 ve SWE-bench Pro'da 62,5; çok dilli yazılım geliştirmede SWE-bench Multilingual'da 81,0; uzun soluklu ofis işlerinde CoWorkBench'te 73,9 ve JobBench'te 55,7. Karşılaştırma sütunlarında Qwen3.8-27B, Qwen3.7-Plus, DeepSeek-V4-Flash ve Claude Opus 4.6 (Max) var; birkaç başlıkta Opus'un üstüne çıkıyor. Bağlam 262.144 token yerel, 1 milyona kadar genişletilebiliyor. Lisans Qwen Community License 1.0. Ticari kullanım serbest, ama iki şartla: aylık 100 milyon aktif kullanıcıyı veya 20 milyon dolar aylık geliri aşan bir üründe kullanıyorsan model adını arayüzde göstermek zorundasın; model-as-a-service ya da AI kodlama/ofis asistanı işi yapıyorsan Qwen'den ayrı lisans almak gerekiyor. Kendi içinde kullanmak bu şarta girmiyor. Bu modeli Qwen3.8-Flash ile karıştırma: Flash, Flash-Next'in üzerine kurulmuş, Qwen Cloud'da barındırılan üretim sürümü — varsayılan 1 milyon bağlam ve yerleşik araçlarla geliyor, ağırlıkları kapalı. Flash-Next'in ise birinci parti API fiyatı yok, çalıştırmak istiyorsan ağırlıkları indirip kendi donanımında koşturuyorsun. Türkçe desteği kendi test setimizle ölçülmedi.
En Yakın Alternatif
Gerekli Programlar
Açık ağırlıklı bir modeli kendi bilgisayarında çalıştırmak için bir model yöneticisi gerekir. İkisi de ücretsiz, ikisi de Windows, Mac ve Linux'ta çalışır.
LM Studio — görsel arayüz isteyenler için
Modeli listeden seçip indiriyorsun, terminal yok. Yeni başlayan için en kısa yol.
Ollama — terminalden çalıştıranlar için
Terminalden tek komutla model indirip çalıştırıyorsun, arayüz yok. Bu modelin Ollama kütüphanesinde hazır bir sürümü olup olmadığını ollama.com'da arayarak görebilirsin.
Donanım tarafı
Büyük modeller için ekran kartı yetmiyorsa, iş istasyonu sınıfı donanımın ne verdiğini rehberde ölçtük.
DGX Spark rehberi →