不再卷低价，“量大管饱”才是大模型新的“分水岭”

8月26日晚，阿里发布并同步开源千问最新模型Qwen3.8-Flash。这款采用全新下一代架构的多模态混合专家（MoE）模型，以千亿总参数仅激活60亿（6B）的超高效率，在多项评测中超越Claude Opus4.6、接近Opus4.8。更关键的是，它的推理定价仅为每百万Tokens输入0.8元，输出2.7元，不到Opus4.6的1/40，比DeepSeek-V4-Flash忙时价格的1/3还低。

Qwen3.8-Flash的出现，将悄然重划大模型的“斩杀线”——从Token单价走向任务总成本，从“谁能做出最强的模型”转向“谁能用最低成本交付足够强的智能”。这一转变，或将重塑上游硬件产业的竞争逻辑。未来决定推理效率的，将不再只是GPU的FLOPS峰值，还涵盖HBM容量与带宽、CPU与GPU间的互联速度、KV Cache管理效率，以及推理框架能否有效减少数据搬运等。大模型的竞争，正从单一的算力比拼，走向模型架构、芯片、内存与推理系统深度协同的多维角逐。

何为大模型 “斩杀线”？

所谓的“斩杀线”不是单纯的价格洼地，而是把原本只有高价旗舰模型才能提供的能力，拉入多数开发者和企业都能长期使用的成本区间。正如DeepSeek此前被社区视为一道“斩杀线”，核心不在于因为便宜，而是出现迫使市场开始思考：大家愿意为相同水平的智能付费多少？

Qwen3.8-Flash的发布，让这条斩杀线进一步上移。125B总参数、每token仅激活6B，在SWE-bench Pro智能体编程评测中领先Opus4.6达9.1分，在JobBench专业工作任务评测中领先近20分，在AndroidWorld移动端智能体评测中高出22.5分，在MathVision视觉推理数学任务中超出25.1分，在具身智能ERQA任务中领先31.5分。与此同时，训练成本较Qwen3.7-Plus骤降近90%。

目前，Qwen3.8-Flash已上线千问AI平台并对外提供API服务。针对Agent工作流长输入、高缓存命中的特点，其缓存命中价格低至每百万Tokens 0.1元，让高频、大批量的日常智能体任务真正实现“量大管饱”。

当低价模型已能高质量完成大量日常工作，昂贵的企业级模型是否还保有天然的“默认调用权”？ Qwen3.8-Flash有望推动一个共识的形成：够用且足够便宜的模型，才是真正的生产力底座。

尤其是在大模型发展进入Agent时代后，企业的Agent业务往往需要长期、高贵、大规模的运行。因此，和普通C端消费者相比，企业天然会对高调用量下价格能否持续，高并发下算力供给是否充足，模型/应用响应速度与服务稳定性是否会打折等问题保持高度关注。可以说，只有真正长期供得上、跑得稳的低价，才是可兑现的低价。

“斩杀线”新标尺：任务总成本

Qwen3.8-Flash真正的杀伤力，不仅在于大幅降低了Token单价，更在于以更低的任务总成本，重新定义“斩杀线”本身。

一次真实任务的成本，除了API费用，还包含了等待时间、失败后的重复调用、多个Agent之间的复杂协同、乃至人工接管和结果修正。Qwen3.8-Flash能够同时压低这几项成本。不仅单次调用便宜，而且完成任务的轮次更少、失败率更低、长上下文处理更快。同时，得益于背后阿里云的算力储备和成熟的云服务体系，不仅让企业用得起，也能让企业放开用、大胆用。

以千问办公场景为例，一次文档或PPT的成型，从资料搜集到排版调整，背后可能产生几十次模型调用。Qwen团队与千问办公团队联合推出了办公专属版本，针对多步规划、工具选择、上下文压缩等场景进行专项训练调优。在真实办公场景测试中，千问办公标准模式的单任务生成速度提升约100%，Token消耗平均减少75%。

据悉，千问办公“标准模式”已内置了Qwen3.8-Flash，可完成95%的日常办公任务。大模型的斩杀线，正在从“每百万token值多少钱” 转向更务实的维度，即“每块钱最终能完成多少工作”。

更便宜的模型不是终点

直觉上，模型效率提高、单次调用成本下降，似乎意味着行业需要的GPU会减少。但更可能出现的是类似“杰文斯悖论”的结果：单位使用成本越低，使用总量反而越大。

过去，成本限制使得用户只敢让AI回答单一问题，现在人们已经逐渐习惯让Agent帮自己处理各种工作。而每次任务变得更便宜后，用户不会只节省预算，反而会把AI部署到更多流程中。单次任务消耗下降，但任务数量、调用轮次和上下文长度可能更快增长。

摩根士丹利的报告也指出，开放权重模型降低AI成本后，更低的推理成本可能加速AI在更多业务场景中的采用，触发“杰文斯悖论”，即成本降低最终会推动对Token、计算能力、电力和基础设施的总体需求增加。

因此，Qwen3.8-Flash对产业链的真正影响，并非削减算力总需求，而是改变算力需求的结构，从集中于模型训练的大规模投入，扩展至海量、持续、高并发的推理负载。更便宜的模型不是GPU需求的终点，反而可能成为推理需求大爆发的起点。

新一代千问大模型Qwen4雏形显现

随着Qwen3.8-Flash的发布，千问Qwen3.8系列形成了更完整的模型矩阵，覆盖能力上限、开发者生态和规模化应用三个关键点。

Qwen3.8-Max负责建立系列的能力高度；Qwen3.8-27B负责扩大生态广度，将高水平能力带到消费级硬件和本地部署环境；Qwen3.8-Flash则负责承接最大规模的真实使用，以接近顶级模型的能力和更低的调用成本，进入办公、编程、Agent和高并发业务。

一套从前沿模型探索到实际能力落地的完整模型组合，就此形成：Max证明Qwen3.8能够做到多强，27B让更多开发者能够使用和共建，Flash则让这些能力能够被高频、长期、规模化调用，同时Flash-Next则将下一代技术路线开放给社区，由社区进行验证，提前让开发者完整框架适配、部署优化、以及应用探索，同时也能为后续架构演进积累真实的社区反馈。

据了解，Qwen3.8-Flash所采用的Next新架构将是全新一代千问大模型Qwen4的雏形。Qwen3.8-Flash-Next模型权重已在Hugging Face、魔搭社区全面开源，交由全球AI开源社区检验。

截至目前，Qwen3.8已开源发布2.4T参数量的Qwen3.8-Max、Qwen3.8-27B及Qwen3.8-Flash三大尺寸模型。Qwen模型全球下载量突破30亿次，衍生模型数超30万个。全尺寸、全模态的全面开源正在全球掀起新一轮中国模型浪潮。

斩杀线被一次次刷新的背后，是中国大模型在效率赛道上的集体突进。大模型的终极竞争，从来不是谁能造出最聪明的模型，而是谁能让聪明变得足够便宜、足够普及。而Qwen3.8-Flash，以实打实的性价比，为这场长跑写下新的注脚。