这里甚至还有水，看这个。即便我们只是观察地形……（笑声）（尖叫）（哭泣）。阿里发布了 Qwen 3.8 Flash Next，这是一个非常令人兴奋模型，因为它是将支撑 Qwen 4 系列模型的架构的预览版。所以，如果你还记得的话，之前有一个 Qwen 3 Next 模型，那是我们用于 Qwen 3.5、3.6、3.8 等版本的架构预览。而这就像是那一步的下一步，明白了吗？所以在深入之前，请随意订阅我们的频道，让我们达到 7.5 万粉丝并冲击那个 10 万的金牌。让我们先从看看这个模型以及它的一些有趣之处开始。
坦白说，这个模型和架构中有大量技术性内容，这些可能值得在视频中单独占一部分篇幅。然而，说实话，我认为我们更感兴趣的是测试它并看看它在 Suburbia FPS（注：此处为口误或特定梗，结合后文可能是指某种基准测试）中的表现。不，不是那个。但尽管如此，有几个值得注意的有趣之处。其中之一就在这里。它拥有 Engram Embedding（铭文嵌入），文中提到它们利用局部上下文查找表，以极少的额外计算量来扩展模型容量。
这个特定的混合专家（MoE）模型的参数量曾在某处提到过，很好。好的，是的，它是一个拥有 1250 亿参数的主体模型，其中活跃参数为 60 亿，另外还有额外的 510 亿的 Engram Embedding。有趣的是正如他们在此处提到的那样，嵌入层可以卸载到主机内存中，并通过异步预取与模型计算重叠。基本上，这意味着实际上可以将这部分卸载到 CPU 内存中，而不需要假设所有这些数字都堆叠在 GPU 上。
所以你会想：“哦，我完全没有希望运行这个拥有 1760 亿参数的混合专家模型”，但相反，这专门允许卸载到 CPU RAM。这样减轻了至少对于大型强力 GPU 所需的整体负担，同时仍然增加了能力。当然，你仍然需要相应量的系统内存，但这确实是一个非常有趣的架构，正如他们所说，这是下一个模型。好了，接下来让我们快速瞥一眼这个模型的其它有趣之处。
目前这在 Hugging Face 上是开源权重的，有一个很好的倒计时。虽然我个人无法在本地以高精度量化运行它，但他们现在有 Unsloth 支持，并且确实拥有对该模型的 Day Zero（首发日）支持，这非常酷。不过他们已经发布了 4-bit 量化版本，Q4K XL 大小为 111 GB。我目前正在身后的系统上下载它。
虽然对于今天的视频，我们很可能将通过 API 执行大部分甚至所有测试以查看其最大性能表现，但我正在下载它并打算至少尝试运行它以看看速度和 CPU 内存卸载的情况。此外关于定价，如果你无法在本地运行它，价格为每百万输入 token 16 美分，每百万输出 token 47 美分。当然这是一个相当便宜的价格，但我们确实想看看这个模型的实际表现如何。
他们在这里有一些基准测试数据。具体而言，我非常感兴趣的是它与 V4 Flash 的对比。然而不幸的是，那个具有实验性视觉功能的新版本（实际上非常强大）并未包含在此基准测试中。所以在查看此模型的分数对比时请记住这一点。我真的很感兴趣这里的一个，Deep S. SE（注：可能指 DeepSeek 或其他模型）。那个分数确实相当不错。
我相信具有视觉功能的 V4 Flash 模型在这个特定基准测试中已经进入了 60 多分。然而，那是一个大得多的模型。所以这仍然看起来性价比或权重性能比非常强劲。关于更多信息，我们可以看到它是多模态的，支持视频和图像，这很好。最大输出是 131（注：可能指并发数或特定指标），而这里的最大输入。所以在 Qwen Cloud 上服务时，此模型的最大上下文为百万级。
请记住在 Hugging Face 这里，原生情况下它将是 262,144。至于我们今天如何测试这个模型，我只是通过他们的一些中等层级 token 计划使用它。我刚刚重新注册了该服务。如果你记得在我之前的某个 Qwen 视频中，我以为我正在使用 token 计划，但实际上我只是在使用非补贴计费。所以这至少给了我们测试成本的准确评估。我自己刚刚订阅了这个服务，它之前已经过期了。
此外，我目前正在为身后的系统下载 Q4K XL Unsloth 量化版。我不知道这是否会出现在视频中，但我至少想看看本地 4-bit 量化的结果与运行在最大性能的云端版本之间的对比。是的，我还想看看它在一些卸载操作和速度测量方面的表现等等。所以，目前我在 Pi（注：可能指某种环境或笔误）中运行着它。
我们当然要从屡试不爽的浏览器 OS 测试开始。不过，我给了它一个稍微不同的任务，我将在此展示。我提供了这张参考照片，因为我想对这些模型进行更多的多模态测试。我觉得这很有趣。我说我想要这张图像的像素完美复制，但其余部分仍然是传统的浏览器 OS 测试。所以它需要有一个 GTA（侠盗猎车手）克隆版、程序化壁纸和电子邮件客户端等。让我们看看它现在的表现如何。
好吧，经过相当长的一段时间后（请记住这是一个预览版模型），我们可以评估其视觉能力简直令人难以置信。这样可以吗？这绝对是我见过的最清晰的复制品，没有之一。我刚才被打断前想说这是实验性模型，所以可能不是 100% 完美。但这……让我把参考照片调出来看看。它把它移到了……天哪，看它所完成的所有工作。我们有热力图，我想它是根据我看到的将其分割成特定的部分。
我不知道确切原因，所以别引用我的话。我想它是将此图像分割成单个片段，然后像我们在这里看到的那样逐个逆向工程它们。所投入的工作令人印象深刻。这是参考照片，
这是它生成的结果，做得非常棒。真的非常出色。Mac OS 的图标在闪烁，我以前从未见过这种情况。现在我还不能轻易移动它们的位置，至少目前不行。所以，嗯，这算是一次失败。不，好吧，让我们仔细看看这个。78* 6 = 468，很好。好的，我们有回收站图标。我无法点击它，但这没关系。哎呀，等一下。不，不，新的启动器窗口出现了：文档、应用程序。是的。好的，这里有了我们的应用列表。让我们试试那个 GTA 克隆版游戏。
它看起来不太像街头风格，不过有一些行走的效果。再次强调，这是一个预览版模型，所以它还会继续改进。这仅仅是 Qwen 4 架构的初步展示，基于其多模态能力进行的下坡滑雪板测试。什么？[笑声] 最后，他们竟然没有放一个该死的太空射击游戏。好吧，这就像……[笑声] 我不知道我为什么发出那种声音。
看看它处理的方式吧，我也没什么多说的。这只是互联网邮件界面。看这个，我们收到了一封来自 Meta 的电子邮件（这里指的是类似元数据的邮件）。内容大概是关于游戏之类的东西。笔记：给自己买更多软盘。在浏览器操作系统的测试中，邮件客户端展示了很多创意写作内容，这是一个意想不到的副作用。所以再次说明，这是根据评论区一条建议改进后的任务结果。谢谢。我们看到了我的垫子计算器。这个是什么？外观设置。哦，它在动吗？是的，在动。我想有太阳渐变、水、外星人桥、线条、星空背景等效果。而且你看，这些看起来并不现代，它们看起来与那个时代相符。特别是这个在这里的速度设置。没错。屏幕保护程序在空白秒数空闲后启动。这实际上……
现在进行测试。[笑声] 这太 exceptional（非凡）了。[喷鼻息声] 有特色功能吗？即使没有也没关系，它不需要非得有。时间机器。是的，那将是它的功能。快照现在指向哪里？哦天哪。好吧，这真的是顶级水平。它甚至以非宽屏的比例呈现出来。所以它真的像像素完美地复制了这次关机过程。
与此同时，Pico Kumbury（注：可能指另一个模型或实例），我给了它一个任务，制作一款 C++ 3D 低多边形拉力赛车游戏。我不想给它那个滑板游戏的任务，因为那款游戏已经存在很久了，可能会被基准测试耗尽资源。我想给它一个没有任何先例参考的任务。我之前随机做过几次类似的事情，这次真的非常好，因为它打算使用 Raylib 库。我停下来了。天哪，我叫停了它并说不要使用 Raylib（注：原文误听为Ray Lip）。我们的拉力赛车游戏，我认为基本上已经完成了，因为它正在谈论最后的清理、总结以及编写 README 文件。我的意思是，这真的……也许还没有完全完成，但我喜欢你可以实际漂移和碰撞等效果。
作为这个规模模型的 C++ 成果，这做得非常棒。至少对于……我们能做漂移动作吗？还没有完全实现。而且现场还有观众，好吧，你们懂我的意思吧？就像在看台上一样。我认为这次测试最大的收获是，即使这些结果目前并不完全正确，但作为一个下一代模型的预览版，这应该是非常令人振奋的。我们甚至有点偏离了方向（注：原文 "crashed/wrong way" 可能指测试过程中的小插曲或比喻）。即使只看地形，我是认真的。就这项特定任务而言，这个结果足以超越一年前的最先进模型，而且还没有使用 Raylib。我知道这一点，因为我在过去稀疏地做过类似的事情（虽然不像滑板游戏那么频繁），而且这里甚至还有水。看看这个，即使我们只看地形，车子几乎有一种悬挂感的感觉。当我们驶出地图边界时，它不会让我们重新开始，而是……这真的很有趣。哦，哎呀。好吧，所以这可能是因为它还在收尾工作中。这应该是那个……基本上算是完成版的版本吧？
实际上很有趣，我应该继续玩下去的，但这太好玩了。一旦我们穿过这个区域，车子会有点奇怪地颠簸，因为它在一档达到了转速限制器并且没有换挡，我想。是的。而且我们实际上……那里有手刹（E bra 应为 E-brake）。这太疯狂了。好吧，我的意思是……甚至菜单界面也做得不错。看这个。接下来，我们将给它一个 3D 摔跤游戏的任务，需要具有 80 年代的审美风格。在这个提示词中，并没有说它必须是 HTML 文件或任何特定语言。
我注意到这里它立即开始查看系统上是否有 Godot（GDAU 应为 Godot）和 Blender。它规划好并决定使用 Blender 创建资产，然后在 Godot 中制作游戏。我没有说它必须这样做，但同样地，我也没有要求它必须包含在单个 HTML 文件中。所以，我有点担心这可能需要多长时间，或者最终会做多少工作。但是，我们可以看到它已经运行了一段时间，并且似乎在创建一些东西。我真的必须克制住自己不去窥探它创建的资产文件夹，只是想看一眼其中的某些资产。我要……说实话，这太疯狂了，我想看看它到目前为止创建了哪些资产。
[笑声]
[笑声] >> 这真的……我不能在视频中展示这个。[笑声] 这太恐怖了。>> [笑声] >> 如果我没有看到那个，而是等待这个任务完成所需的几个小时，然后看到这个结果的话，我可能会因为大笑而当场晕倒。所以目前最大的障碍就是……这个巨大的白色 blob（团块）[叹气和吸气]，它正在试图弄清楚到底是什么导致了这个问题。这有点令人沮丧，因为游戏实际上某种程度上是可以运行的。我们可以看到很多元素。看这个，看看椅子模型。而且那里甚至还有一个腰带，那一定是冠军腰带。还有其他摔跤手的统计数据。好的，我们 definitely 被扔出了擂台（yeated out）。
最大的问题就是那个……到底是什么东西。所以它目前正在试图弄清楚那究竟是什么。从上下文来看，这些信息非常冗长（verbose）。但尽管如此……它使用了 Godot 和 Blender 来创建资产，正如我们看到的。[笑声] 我还没有看到摔跤手的样子。这也是模糊处理的一部分原因吧？也许这样挺好。[笑声] 我玩得太开心了，不知道为什么。无论如何我都可能得这么做，取决于摔跤手长什么样。所以我就……[笑声] 暂时先关闭这个吧。好吧，过了一会儿之后，Qwen 终于想出了如何修复挡在前面的那个白色云团（blob）。
这段画面看起来还在调试中，但老实说，它已经做得足够好，似乎我们可以放心地仔细看看了。所以我先确认一下音量正常。好吧，也许音乐不是它的强项。让我们来看看那些摔跤手模型进入太空并锁定状态的情况。哦，斯塔尔先生怎么了？我没意识到这一点。呃，也许我们就用“蝎子”吧。好的。请记住，这是使用 Blender 和 GDAU 完成的，而不是 Three.js。呃，[倒吸一口气] 所以有些东西不太对劲，但它说……
这很令人沮丧，因为这里的潜力巨大。而且这是下一代架构的预览版，它仅使用 Blender 和 GDAU（而非 Three.js）就完成了所有这些工作。即使有点小问题，我仍然认为这是一个胜利。现在的问题是，当擂台真正开始时，它们似乎会掉到地板下面去。哦，这些游戏都还凑合吧。我想目前我们能得到的也就这样了，至少暂时是这样。但我打算以后可能还会用类似的东西做更多测试。所以，Steel City Rumble 86 的故事还没完。
出于好奇，我还想回到预览文件夹中查看 Qwen 在 Blender 中创建内容的渲染图。是的，这些看起来有点奇怪，但如果我们评判它们的话……我是说，这些都是格斗姿势。它甚至有一个裁判。看看这个。这真的很令人印象深刻。这里的阵容展示了一些让我印象深刻的功能，我想这就是我们应该得出的结论。而且它所做的工作量确实令人印象深刻。是的，这些看起来非常可怕……
甚至有点吓人，但它真的在努力尝试正确地模拟长着肌肉、穿着特定服装和摆出格斗姿势的逼真人物。投入其中的工作量简直不可思议。现在，我们正在进行真正的本地测试，使用 Q4KM 量化版本在我们身后的机器上运行。这是 Unsloth 量化版，我们给它安排了 Subway FPS（地铁第一人称射击）测试。我想让它完成一个相对简单的任务，以查看这种量化下的性能表现。
因为这是我第一次真正在本地测试它，所以可能存在不匹配的情况，但我已确保所有设置都符合 Hugging Face 模型卡中的规格要求，包括保留思维链、采样参数等。并且它处于最高可选的推理模式。我们看到的区别在于，上下文在这里被限制在 26.2k，而在其他终端通过云使用它时则是设置为百万级。所以乍一看，这里的一切看起来都还算称职。
看到它在本地运行真的很酷。而且速度相当不错，考虑到这台机器的具体配置：RTX Pro 6000 显卡和 Thread Ripper 处理器，以及我昨晚刚加上去的 128GB DDR5 内存。之前它运行在只有 32GB DDR4 和老款 i7 的主板上，那与显卡不太匹配。这就是我们目前得到的速度。我不知道具体的令牌生成速度如何，但还算不错。
好吧，系统崩溃了，因为本地机器正在进行的 Subway FPS 进程导致内存激增。因此，Chrome 中用于排查问题的会话占用了大约 12GB RAM，然后系统冻结并死机了。但是，我们确实达到了一个阶段，显示“无错误、零泄漏、AI 路径攀爬工作正常”。现在测试近距离战斗循环。鉴于此，我想我们可以基本放心地看看这个了。
我在加载时看到了一个初步的剧透。另外，我想再提两点：第一，这是使用 Q4KM 突击量化版完成的；第二，这是一个存在已久的测试。所以如果看起来很好，可能是因为这在训练数据中，但到目前为止它确实相当不错。我们有手电筒。哦，我以为那堆垃圾是敌人。让我们四处看看。好的，我们有一节地铁车厢、时间、空值（Null）、涂鸦……
我没看到任何敌人。而且有点卡顿。武器模型看起来还可以。哦，好吧。那是我在这项测试中听到的最软弱的弹药声音了。哦，好的。我不知道刚才发生了什么？是吗？是的。所以这有点不对劲，但这是一个预览版模型的 4bit 量化版本。好吧。好的。嗯，在这个阶段是可以预期的。只是弹药声太……我们在装填子弹。声音太微弱了。我们的手电筒开着吗？是的。哦，好的。
这游戏……呃，你看到了吗？那看起来像是一个医疗包。这游戏的恐怖氛围十足。环境和敌人都在向我们倒退移动，这种情况有点奇怪且相当常见。哦，也许我们输了，这就是导致那样的原因？我不确定，但我看到了足够多的东西，所以我决定从实际的本地机器上做点什么。所以我们不仅仅是完全在云端运行它。
接下来，我将进行一次测试，这也是我们对具有视觉功能的 Deep Seek Flash 实验模型所做的：我给它几张我现在所在房间的参考照片，然后告诉它使用 Blender 创建一个该房间的同位投影场景，并展示渲染图，确保纹理良好等。所以，最后我们完成了一个同位投影场景的房间渲染。
好几次都是这样：“好的，我要写最终文件了”，然后它会说还有一个改进之处，接着会说“让我做编辑”，然后渲染很长一段时间。之后它再看一遍并说：“好的，我很喜欢这个，但我觉得我可能想改一点。”然后它就会再次执行该操作。现在这次之所以能幸存，是因为系统崩溃了，所以我不得不重启并恢复它。请记住这一点。
但我恢复了 Pi 会话，所以应该没什么大问题。让我们看看目前进展如何。“照片或源照片”。好的，我现在大概知道了。[轻笑] 不，这就像……[叹气] 完成了吗？好的，看看这个。
这部分工作已经完成了。它实际上将这些源照片切片，用作此渲染的纹理，因为它本来不会——好吧，好的，我知道它做了什么。看到这些画了吗？它并没有重新制作它们，而是直接使用了切片后的照片作为场景中这里的纹理。就连左上角那个紫色的台灯也是如此。我觉得在原始照片中也不太容易看清这个细节。所以，总体来说这是一个相当混乱的结果。这些部分根本没有被正确地拼凑在一起。我注意到Qwen模型似乎一直存在某种空间感知等方面的问题。但是，如果我们仅基于其中一些单独的元素来评判，这有可能演变成一个非常、非常好的场景。我们看到它仍在背景中持续工作并生成内容。
但如果我们看看其中一些细节，比如眯起眼睛看的话，就会觉得“天哪”。有趣的是，整个场景某种程度上是倒置的。所以无论它是如何读取这些照片的，它似乎有点困惑了，因为这个电脑就在墙上，应该在那边。很难用语言准确描述它是如何倒置的。鉴于我们在这里看到的情况，我觉得提前停止渲染是可以接受的，因为你看那些线缆甚至延伸到了地面上，因为它并没有完全理解场景。所以再次强调，作为一个预览版模型，我认为这相当强大。我想在Blender中仔细看看这些内容。
这是它创建的Blender场景。我们确实看到了更多混乱的地方，但同时也令人印象深刻。我不知该说什么好。绝对地，我认为Deepseek V4 Flash做得比这个更好，因为虽然那个模型的细节程度没有达到这里这种直接使用源照片现有纹理并放置进去的程度，但总体上它做得更称职，因为它比这个模型更好地反映了场景。不过这里的细节确实不错，哪怕只是看一眼半秒钟，你会觉得“哇，这东西很真实”。但当你放大时，问题就开始显现了。
不过对于预览版模型来说，这确实令人兴奋。它仍在不断生成预览图。但由于它们并没有真正组合在一起，我认为可以就此结束这一部分了。我想这大概会是我们对这个模型的第一次观察和测试的结论。我打算进行更多更复杂、不同种类的任务测试，包括使用GLM-53以及Deepseek Flash Vision Experimental（不管它叫什么）。所以这次主要是快速的结果概览。
我要说，基于对这张截图源图像的复制能力，我对这个模型的视觉功能印象最深刻。我做过几次这样的测试，从未见过模型能如此准确地完成这项工作，以及它为此付出的巨大努力。所以当我们回到参考文件夹时，基本上可以看到它将源图像切片了，做了热力图分析，并进行了左右对比，以仔细查看它是否真的能够以更像素级精准的方式复制这些内容。
其中有一个测试，我现在似乎找不到它了，是关于两个计算器并排对比的。总的来说，投入的工作量很大，而且也很巧妙。它包含了一些彩蛋，邮件应用中引用了这里的一些应用图标，以及它在处理这些内容时表现出的出色技巧。我对它的第一印象感到震惊。另一件再次让我绝对惊讶的事情是这个拉力赛游戏。它有声音效果，你是怎么做到的？好吧，现在我们知道这是换挡杆、内饰以及整体的风景。有水，还有很多其他东西。我们可以漂移，甚至有人在看拉力赛段。
小地图、速度表以及那种颠簸感——它不会像那样挂出第一档。好吧，那个真的非常令人印象深刻。我想特别提一下原因所在。这是GPT-5.2 Pro的测试结果，这是Pro版本，其性能通常显著更强。这是它在C++赛车游戏测试中的结果。可能不是完全相同的测试，而且这实际上使用了光线追踪（RayB）。而我们得到的Qwen模型结果并没有使用光线追踪，这使得难度更大。看看这两者之间的差异。
所以如果你在想“嘿，你是在过度吹捧它”，考虑到5.2 Pro模型使用了光线追踪才做到这一点，而Qwen模型没有，那它可能看起来没那么令人印象深刻。但从智能和能力民主化的角度来看——即实际上可以在本地系统上合理运行的能力而言，这绝对令人印象深刻。这就是为什么我对它如此兴奋，因为它真的很酷。是的，这个测试在我过去的视频中偶尔出现过，但我敢打赌，基于在Qwen结果中看到的能力，这种能力可以迁移到其他未见的C++任务中。
具体参考日期是2025年12月17日，也就是8个月前。然后我们有摔跤游戏测试，虽然它并不完整，但它从Blender内部制作这些资产的方式，然后在GDAU中创建游戏的过程。从这里看，这看起来相当令人印象深刻的场景。当我们回顾它为了渲染这些人物所做的一些工作时，看着这些源图像的渲染图，即使它们在某种程度上看起来有点吓人，但它确实以有趣的方式完成了这项工作。
再次强调，这个提示词并没有特别要求使用Blender和GDAU。它查看了提示词并决定这样做。很多时候我们会得到Three.js的结果，那肯定会容易得多，但我很高兴这不是这个测试的结果，因为作为一个整体场景，这更令人印象深刻。直到我们开始玩它，一切才开始分崩离析。然后我们有房间渲染测试，虽然它并没有真正完全称职地组合在一起，但如果单独评判其中一些元素，比如那些画作和Apple历史海报，你会觉得“哇”，那相当令人印象深刻。
它直接重用实际图像中的纹理的方式我觉得很酷。然后在一些稀疏的元素中也能看到能力的迹象，比如我身后电脑周围的悬浮风扇。甚至连带有发光DDR5字样的颜色部分，它似乎也抓住了这一点并尝试渲染出来。
甚至只是CPU散热器上的指示灯，这种对细节的关注确实有趣。但不幸的是，整体组装得并不够专业。最后我们测试了地铁跑酷的帧率，听起来有点好笑，因为武器音效非常微弱，虽然有趣但整体表现尚可。最酷的一点是，这是通过Unsloth 4-bit量化模型在本地运行的。
能够进行这样的测试并看到结果很不错，尽管由于尝试进行测试时占用了过多内存导致系统崩溃，但它最终恢复了并成功生成了内容。这个测试已经存在一段时间了，因此它可能比之前未见过的情况更能反映4-bit量化模型的能力。
总的来说，能亲眼看到这些令人兴奋。我想确保即使只是针对这一项测试也能在本地进行验证。至此，我们关于Qwen3 Next Flash（无论具体名称如何）的首次预览和测试可能就要结束了。作为即将推出的Qwen4的前奏，我认为其架构预览非常令人兴奋。
它的视觉能力极其强大。但我怀疑它在空间定向方面是否还有改进的空间，这是我观察到Qwen模型多代测试中的一致弱点。总的来说，我认为这是令人兴奋的一天，因为现在该去测试GLM 5.3 Flash以及未来可能发布的其他模型了。
近期如此多处于此规模范围的优质模型的涌现，让我对非订阅制AI的未来感到非常兴奋。如果你有任何问题，请随时在评论区留言。