评测阿里Qwen3.8 Flash Next预览版，解析其混合专家架构、显存优化技术及初步多模态测试表现

架构预览与混合专家机制

阿里巴巴发布了Qwen3.8 Flash Next，这是一个预览版模型，旨在展示即将用于Qwen 4系列模型的底层架构。作为继Qwen3 Next之后的又一技术演进，该模型采用了混合专家（MoE）架构。其总参数量高达 1250亿，但激活参数仅为 60亿。更为独特的是，模型引入了名为“Engram Embedding”的技术，额外包含 510亿 参数。这一设计允许模型利用局部上下文查找表来扩展容量，同时保持极低的计算开销。

"The embedding can be offloaded to host memory and overlapped with model computation through async prefetching."

这种架构的关键优势在于内存卸载能力。Engram Embedding部分可以卸载到主机CPU RAM中，并通过异步预取与模型计算重叠。这意味着用户无需拥有巨大的GPU显存即可运行这个庞大的混合专家模型，从而在降低硬件门槛的同时提升了模型能力。虽然系统仍需足够的RAM支持，但这种设计显著减轻了GPU的压力。

开源情况与定价策略

目前该模型已在Hugging Face上开放权重。虽然作者个人无法在本地以高精度量化运行，但Unsloth已提供首日支持。官方发布了 4-bit 量化版本（Q4K XL），文件大小为 111GB，作者正在下载该版本以测试本地运行速度与CPU RAM卸载的效果。对于无法在本地部署的用户，云端API的定价极具竞争力：输入为 每百万token 16美分，输出为 每百万token 47美分。这种低廉的价格使得大规模测试成为可能。

在基准测试方面，作者特别关注其在Deep S. SE指标上的表现。虽然Qwen3.8 Flash Next的得分相当不错，但需要注意的是，对比对象V4 Flash（含实验性视觉功能）并未包含在此次基准测试中。据作者推测，V4 Flash在该指标上可能已进入60多分区间，但Qwen3.8 Flash Next作为一个体量较小的模型，其性价比依然非常强劲。该模型支持多模态（视频与图像），最大输出长度限制为 131个token，而在Qwen Cloud上服务的上下文窗口可达 100万tokens（Hugging Face原生版本为262,144）。

多模态视觉测试初步表现

为了评估模型的实际能力，作者进行了一项浏览器OS生成任务。与以往不同，这次测试引入了参考图片要求模型进行“像素级完美复制”，同时保留传统的GTA克隆、程序化壁纸和邮件客户端等生成需求。测试结果显示，模型的视觉理解与复刻能力令人惊叹。作者指出：“这是迄今为止我见过的最清晰的复制品。”

模型不仅生成了图像，还展示了复杂的内部处理逻辑。它似乎将参考图切片并逆向工程了各个部分，生成了包含热力图等细节的复杂结构。尽管这是一个预览版模型，可能存在不稳定性，但其对参考图的精细拆解与重构能力证明了其在多模态任务上的巨大潜力。作者计划后续对比本地量化版本与云端全性能版本的差异，以进一步验证其在不同硬件环境下的表现。

生成复古Mac OS界面的意外惊喜

评测者首先展示了Qwen4预览版生成的类Mac OS界面代码。虽然图标具有动态闪烁效果，且能识别出“废纸篓”等经典元素，但交互功能存在缺陷，例如无法拖动图标或点击部分按钮。尽管如此，整体视觉还原度极高。该模型成功复刻了非宽屏时代的像素级UI风格，包括启动画面和关机动画的精确复现。评测者特别指出，这种对旧时代美学（如Solar Gradient、Starfield等屏保风格）的精准把握令人印象深刻，甚至在没有明确指定非宽屏格式的情况下，模型也自动选择了符合该时代特征的显示比例。这种对历史细节的还原能力超越了简单的代码生成，体现了模型对视觉语境的深刻理解。

C++低多边形拉力赛游戏的代码实现能力

随后，评测者要求模型使用C++和Raylib库（后改为不依赖特定引擎的纯代码）开发一款低多边形拉力赛游戏。结果显示，模型生成的代码质量极高。在缺乏现成参考案例的情况下，Qwen4展现了超越当前SOTA模型一年的水平。游戏不仅实现了基本的驾驶物理效果（如漂移、碰撞），还包含了完整的菜单系统、手刹功能以及引擎转速限制逻辑。评测者尝试让车辆原地转圈（Donuts），虽然未完全成功，但整体可玩性极高。即使作为预览版模型，其生成的代码逻辑完整度、物理反馈的真实感以及无需外部资源包即可运行的特性，都证明了其强大的代码生成与架构能力。地形边缘的处理也避免了常见的重置bug，进一步提升了体验。

3D摔跤游戏的资产生成与调试挑战

最后，评测者尝试让模型使用Blender和Godot引擎开发一款具有1980年代美学的3D摔跤游戏。模型自主规划了资产创建流程，但在生成过程中遇到了严重问题。一个巨大的白色“云团”遮挡了整个游戏场景，成为主要调试障碍。尽管存在这一视觉错误，模型仍成功生成了椅子、冠军腰带等资产及角色属性统计系统。评测者因生成的部分3D模型过于怪异（“令人恐惧”）而选择模糊处理并暂停测试。这一案例揭示了当前多模态模型在复杂3D资产生成中的不稳定性，尽管逻辑架构已初步成型，但视觉输出的可控性仍需提升。不过，模型能够自主识别问题并持续尝试修复（如解决白色云团遮挡），也体现了其一定的自我纠错潜力。

Qwen生成的3D摔跤手模型：潜力与瑕疵并存

测试者首先展示了Qwen利用Blender和GDAL（非Three.js）生成的摔跤手模型。虽然整体概念令人印象深刻，但细节处理存在明显缺陷。角色面部出现严重扭曲，例如“Mr. Steel”模型面目全非，最终不得不改用“El Scorpion”。更糟糕的是，角色在擂台边缘会出现穿模掉落的物理错误。尽管存在这些技术瑕疵，测试者认为这仍是一次胜利，因为模型展示了巨大的潜力。Qwen不仅生成了角色，还构建了完整的裁判、阵容以及战斗姿态。这种在预览版架构下完成复杂3D资产生成的能力，证明了其底层逻辑的先进性。

静态渲染图：令人震撼的细节还原度

为了进一步评估模型能力，测试者查看了Qwen在Blender中生成的静态渲染图。这些图像展示了高度拟真的肌肉结构、服装纹理以及专业的格斗姿势。尽管画面风格略显恐怖，但Qwen在模拟真实人类形态和装备细节上投入了惊人的工作量。测试者特别指出，模型甚至生成了裁判角色和完整的选手名单。这种对复杂场景元素的完整构建能力，远超一般预期，是本次测试中最令人印象深刻的亮点之一。

本地运行环境配置与初步性能评估

随后，测试转入真正的本地部署环节。模型采用Q4KM量化版本（Unsloth quant），运行在一台配备RTX Pro 6000显卡和Threadripper处理器的主机上。系统内存升级至128GB DDR5，以解决此前32GB DDR4与高端显卡不匹配的问题。上下文窗口限制在262k tokens（云端测试为100万）。尽管是首次本地实测，但初始运行状态良好。所有采样参数和思维链（CoT）均按Hugging Face模型卡规范设置，推理模式选为最高级别。测试者观察到生成速度“相当不错”，尽管未记录具体Token速率，但整体流畅度符合预期。

Subway FPS游戏测试：内存溢出与视觉反馈

在Subway FPS游戏本地化测试中，系统因Chrome浏览器调试进程占用12GB内存导致崩溃。重启后恢复测试时，模型报告“无错误、零泄漏，AI路径攀爬功能正常”。游戏内环境包含地铁车厢、涂鸦和手电筒等元素。武器模型外观尚可，但弹药音效极其微弱，被形容为“最虚弱的声音”。测试者注意到一个常见的视觉Bug：环境和敌人向后移动，疑似因游戏判定失败导致。鉴于这是4bit量化的预览版模型，这些表现在预期之内。测试者计划后续进行更深入的房间场景生成测试。

房间等距视角渲染：迭代优化与系统稳定性挑战

最后，测试者让Qwen根据参考照片生成房间的等距视角（Isometric）3D场景。模型表现出多轮迭代优化的特性：它先写入文件，声称有改进，渲染后再次检查并调整细节。这种自我修正机制虽然耗时较长，但提升了最终质量。然而，系统在渲染过程中再次崩溃，测试者不得不重启并恢复Pi会话以继续任务。尽管遭遇中断，但模型成功生成了纹理良好的等距场景。这一过程验证了Qwen在复杂3D空间理解上的能力，同时也暴露了长任务下的稳定性风险。

Qwen3.8 Flash预览版：图像转3D场景的潜力与空间逻辑缺陷

在针对Qwen 3.8 Flash预览版的初步测试中，模型展示了令人惊讶的纹理复用能力。它并非重新绘制场景中的画作或物体，而是直接将源照片切片并作为纹理应用到3D渲染中。例如，左上角的紫色台灯等细节也被成功提取使用。这种对现有纹理的直接利用使得单个元素在近距离观察时显得极其逼真，甚至让作者感到震撼。然而，整体场景的构建存在严重的空间逻辑问题。模型似乎对空间关系的理解存在固有缺陷，导致场景整体呈现一种“倒置”或混乱的状态。例如，电脑屏幕本应位于墙壁前方，却被错误地放置在其他位置；线缆甚至延伸到地面，显示出模型未能正确理解物体间的相对位置和遮挡关系。

"This is overall a very troubled result. The pieces are not really put together at all properly."

尽管在Blender中查看生成的场景时，这种空间错乱感更加明显，但作者认为作为一个预览版模型，其潜力依然巨大。与DeepSeek V4 Flash相比，后者在整体场景的准确性和一致性上表现更佳，尽管其细节丰富度不如Qwen。作者指出，虽然Qwen生成的场景在宏观结构上不够严谨，但其在微观元素上的高保真度令人印象深刻。这种“局部优秀、整体混乱”的特点，使得该模型在图像转3D任务中既有突破也有明显的改进空间。

C++赛车游戏生成：无光线追踪下的惊人表现

在更具挑战性的C++赛车游戏测试中，Qwen 3.8 Flash的表现尤为突出。模型不仅生成了包含换挡杆、内饰、风景、水面甚至观众和迷你地图的完整游戏场景，还实现了物理交互逻辑。例如，车辆无法挂出第一档以外的档位，且能模拟漂移和碰撞反馈。更令人惊讶的是，模型在生成过程中未使用光线追踪（Ray Tracing）技术。为了对比其难度，作者引入了GPT-5.2 Pro的测试结果作为基准。

尽管GPT-5.2 Pro使用了更先进的渲染技术，但Qwen在无光线追踪的情况下实现了功能完整且具备物理反馈的游戏体验。作者强调，这种能力对于智能的民主化和本地部署具有重要意义，因为它表明即使是资源受限的系统也能运行具备复杂逻辑的智能体。相比之下，8个月前（2025年12月17日）的测试中并未出现如此高水平的C++任务处理能力。作者认为，这种在视觉和逻辑上的双重突破，预示着该模型在其他未见的C++任务中也可能具备强大的泛化能力。

其他测试案例：摔跤游戏与房间渲染的混合评价

除了赛车游戏，作者还测试了Qwen 3.8 Flash在摔跤游戏和房间渲染中的表现。在摔跤游戏中，模型自动选择了Blender和Godot引擎进行资产创建和游戏构建，而非更简单的Three.js方案。这种技术选型显示了模型对任务复杂度的理解，生成的场景在视觉上相当 impressive。然而，一旦开始实际游玩，物理引擎和交互逻辑便迅速崩溃，显示出生成内容在动态运行时的不稳定性。作者指出，虽然静态渲染效果出色，但实时交互体验仍有待提升。

在房间渲染测试中，结果同样呈现两极分化。画作和Apple历史海报等静态元素被高质量地复用纹理，甚至PC背后的浮动风扇及其DDR5内存条的发光效果也被准确捕捉。然而，整体场景依然未能像赛车游戏那样形成连贯的逻辑闭环。这种“静态精美、动态脆弱”的特性，进一步印证了该模型在空间理解与物理模拟方面的局限性。作者表示，未来将进行更多样化和复杂的测试，以全面评估GLM 5.3及DeepSeek Flash Vision Experimental等模型的表现。

视觉细节与音频表现的初步测试

在针对Qwen3.8 Flash Next（或称Next Flash）的早期视觉与音频测试中，观察到了极具反差的设计细节。虽然系统在CPU散热器灯光等细微之处展现了令人印象深刻的视觉呈现，但在整体执行层面却显得缺乏严谨的组装感。这种“精致但粗糙”的体验在音频测试中体现得尤为明显，特别是在运行《Subway》相关场景时，武器的音效表现极其微弱且缺乏力度。尽管这种滑稽的音频效果令人发笑，但从整体体验来看，并未造成严重的负面评价。这一阶段的测试主要聚焦于模型在基础感官输出上的表现，揭示了其在视觉渲染与音频同步上存在的潜在优化空间。

结论

Qwen3.8 Flash Next预览版凭借MoE架构与Engram Embedding技术，在降低硬件门槛的同时展现了卓越的多模态理解力。其在像素级UI复刻、C++游戏逻辑生成及静态纹理复用方面表现惊艳，甚至超越部分使用光线追踪的专业模型。然而，该版本存在显著短板：空间逻辑混乱导致3D场景组装失败、动态物理交互不稳定以及音频输出微弱。这表明模型在微观细节还原上极具潜力，但在宏观结构一致性与实时运行稳定性上仍需优化。