Alibaba · pașaport de model
Qwen3 8 Flash Next
qwen3-8-flash-next- Ponderi deschise
- Licență qwen-community-1.0
- 180.0B parametri
- Lansat 2026-08-24(repo HF creat)
- Cea mai bună percentilă
- 89.2WebDev Arena
- Poziția în cohortă
- 54.8mediană 60.4
Acoperire redusă — citește cu prudență
Acest model apare doar pe 2 din 27 axe de benchmark luate în considerare. Poziția generală a fost contractată spre valoarea neutră 50 pentru a reflecta eșantionul mic, și nu a fost afirmat niciun punct slab — o percentilă scăzută pe 2 axe este un artefact al acoperirii, nu o slăbiciune măsurată.
Ce spun datele
Evaluat pe 2 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.
Pe doar 2 clasament(e), o listă ordonată de puncte forte ar fi o autoritate falsă — în schimb, cifrele pe fiecare axă sunt afișate mai jos, fără verdict.
Neuniform: 54,7 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 89.2 pct pe WebDev Arena față de 34.5 pct pe Agent Arena.
- WebDev Arena89.2 pct1,633Verifică →
- Agent Arena34.5 pct-0.026Verifică →
- GeneralNeevaluat
- Vision ArenaNeevaluat
- Factuality ArenaNeevaluat
- Search ArenaNeevaluat
- Document ArenaNeevaluat
- GPQA DiamondNeevaluat
- AIME (matematică)Neevaluat
- FrontierMathNeevaluat
- SimpleQA VerifiedNeevaluat
- ARC-AGI-2Neevaluat
- Humanity's Last ExamNeevaluat
- SimpleBenchNeevaluat
- LiveBenchNeevaluat
- BFCL v4 (apelare de funcții)Neevaluat
- SWE-bench Verified (clasament live)Neevaluat
- Terminal-Bench 4.0Neevaluat
- MMLU-Pro (Artificial Analysis)Neevaluat
- LiveCodeBench (Artificial Analysis)Neevaluat
- IFBench (Artificial Analysis)Neevaluat
- Halucinații HHEM (Vectara)Neevaluat
- SWE-bench VerifiedNeevaluat
- Terminal-BenchNeevaluat
- ProgramareNeevaluat
- Urmarea instrucțiunilorNeevaluat
- Prompturi dificileNeevaluat
Percentilele reprezintă poziția modelului în populația proprie a fiecărui clasament. Axele marcate „neevaluat” nu au niciun rezultat publicat pentru acest model — este o absență a datelor, nu un scor mic.
Cum îl rulezi
Rulează-l singur
Transformers
from transformers import AutoModelForCausalLM, AutoTokenizer
model_id = "Qwen/Qwen3.8-Flash-Next"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id)Ollama
Nu sincronizăm tag-urile Ollama, așa că nu afișăm o comandă pe care nu o putem verifica — una greșită ar descărca modelul greșit. Caută în biblioteca Ollama →
Rețetele de fine-tuning Unsloth sunt specifice fiecărui model și nu le derivăm aici. Documentația Unsloth →
Identificatorii, limitele și prețurile sunt sincronizate din sursa upstream afișată mai sus. Orice câmp nesincronizat este omis complet, nu ghicit.
qwen3.8-flash-next stands at 54.8 (raw mean 61.9) — measured on only 2 of 27 axes, so the standing is shrunk toward the neutral 50.
qwen3.8-flash-next stands at 54.8 versus a cohort median of 60.4 across 183 models released within 180 days — below the peer median.
qwen3.8-flash-next scores at percentile 89.2 on WebDev Arena.
qwen3.8-flash-next ranks between #53 and #285 across 4 built-in weightings — best under "Axat pe programare", worst under "Toate sursele".
Fiecare afirmație este un fapt calculat din datele actuale ale clasamentului, formulat de un apel de model la temperatură scăzută și respins de o poartă de validare dacă vreun număr nu se află în rândul sursă. Cum funcționează clasamentele →