Alibaba ha lanzado oficialmente los pesos del modelo Qwen3.8-Flash-Next, ofreciendo a los desarrolladores una vista previa anticipada y una herramienta de evaluación para la próxima arquitectura Qwen4. Diseñado para gestionar flujos de trabajo computacionales y generativos complejos, este modelo multimodal llega junto con configuraciones de prueba de hardware de gama alta, utilizando específicamente la infraestructura NVIDIA GB300 NVL72 adaptada para tareas avanzadas de programación agéntica.
Avances arquitectónicos y diseño de mezcla de expertos
El modelo de vista previa recién presentado aprovecha una sofisticada arquitectura multimodal de mezcla de expertos (MoE) diseñada para equilibrar el rendimiento bruto con la eficiencia de ejecución. Al separar la escala total de parámetros del cómputo activo por token, el modelo gestiona bucles de razonamiento exigentes sin imponer penalizaciones de latencia prohibitivas.
- Escala principal del modelo: 125 mil millones de parámetros que forman el núcleo fundamental.
- Incrustaciones N-gram: 51 mil millones de parámetros adicionales dedicados a la eficiencia estructural.
- Parámetros activos: Solo se activan 6 mil millones de parámetros por token durante la inferencia.
- Ventana de contexto nativa: Una capacidad de contexto nativa masiva de 262.144 tokens.
- Contexto extendido: Escalable hasta 1.000.000 de tokens para el análisis de repositorios de gran extensión.
Potenciando la programación agéntica en NVIDIA GB300 NVL72
A medida que la automatización de la ingeniería de software avanza hacia flujos de trabajo agénticos autónomos, los grandes modelos de lenguaje deben procesar bases de código completas, bibliotecas de documentación y bucles de retroalimentación de ejecución simultáneamente. La combinación de Qwen3.8-Flash-Next y la plataforma de vanguardia GB300 NVL72 de NVIDIA proporciona la memoria de gran ancho de banda y la potencia de procesamiento paralelo necesarias para mantener estas acciones de agentes de múltiples pasos sin problemas.
Los desarrolladores e investigadores que deseen explorar las capacidades de la vista previa de la arquitectura Qwen4 pueden acceder a los pesos del modelo para evaluar el rendimiento en la generación de código, la corrección de errores y la navegación autónoma de software bajo cargas de trabajo pesadas.
Fuente: Artículo original
