Qwen3.8-Flash-Next: 6 miliardi attivi, 180 da caricare, 51 in una tabella

Il 24 agosto 2026, alle 08:24:59 UTC, l’organizzazione Qwen — il marchio dei modelli aperti di Alibaba — ha pubblicato su Hugging Face Qwen3.8-Flash-Next: non la prossima versione della famiglia Qwen3.8, ma, dichiara la scheda stessa, «this experimental preview of the architecture that will underpin Qwen4», questa anteprima sperimentale dell’architettura che sosterrà Qwen4. Per chi valuta un rilascio aperto da far girare nel proprio perimetro, un’anteprima dichiarata tale cambia la domanda: non solo quanto pesa e che licenza porta, ma se un’architettura che il produttore stesso definisce sperimentale abbia senso oggi in un ambiente che conta. Abbiamo scaricato scheda, file di configurazione e l’intestazione di ciascuno dei 131 file di pesi. Verifichiamo qui, alla data del 30 agosto.

I fatti, in ordine

Pubblicazione: repository creato il 24 agosto alle 08:24:59 UTC, ultimo aggiornamento il 27 agosto alle 05:03. Organizzazione Qwen: nessuna spunta di verifica (isVerified: false), piano team, 464 modelli pubblicati, 101.306 follower.
Accesso: gated: false. Verificato senza autenticarsi: scheda (HTTP 200) e intestazione di uno shard di pesi (HTTP 206, risposta parziale) entrambe raggiungibili senza accordo da accettare.
Adozione, oggi: 52.341 download, 4.285 like, letti il 30 agosto — un’adozione ampia per un rilascio di sei giorni.
Architettura: Qwen4ExpForConditionalGeneration, tipo qwen4_exp — la scheda la definisce «the first open-weight release under this architecture», il primo rilascio a pesi aperti con questa architettura.
Peso su disco: 131 file .safetensors, 359.999.963.128 byte in tutto secondo model.safetensors.index.json — 360,0 GB, 335,3 GiB. Verificato leggendo l’intestazione di ciascuno dei 131 shard (non i pesi interi): tutti i tensori sono BF16, salvo 280 byte in int64.

Sei attivi, 180 da caricare: dove stanno gli altri 174

La scheda dichiara, per il solo modello di linguaggio: «Number of Parameters: 125B with 6B activated, plus 51B n-gram embedding and 4B MTP» — 125 miliardi di parametri con 6 miliardi attivati, più 51 miliardi di N-gram Embedding e 4 miliardi per il modulo di previsione multi-token (MTP). Sommando i byte dichiarati in ciascuno dei 1.658 tensori dei 131 file, per categoria di nome, il nostro conto dà: 125.743.653.795 parametri nel corpo del modello (125B dichiarati), 51.200.245.760 nella tabella N-gram (51B dichiarati — coincidenza quasi perfetta), 2.607.150.848 nel modulo MTP (4B dichiarati — qui il conto non torna). Sommate, le tre voci del solo modello di linguaggio danno 179,55 miliardi, contro i 180 impliciti dalla somma dichiarata (125+51+4): la differenza sta quasi per intero nell’MTP. L’encoder visivo aggiunge altri 448.931.056 parametri, non contemplati in quella cifra: il totale di tutto ciò che sta nei 131 file è 180,0 miliardi. Non sappiamo se la scheda, per l’MTP, conti pesi condivisi che i nomi dei tensori non separano.

La tabella N-gram è il pezzo che conta per chi deve stimare l’hardware. Il file di configurazione la colloca al terzo strato (ple_layer_ids: [2], indice 1 nei nomi dei tensori) con un vocabolario di 20.000.000 di bigrammi e trigrammi (ngram_vocab_size_base), esattamente il numero che la scheda dichiara. Non è un blocco di calcolo: è una tabella di ricerca, indicizzata per n-gramma invece che per token. Il vantaggio, scrive la scheda, è proprio questo: «Embeddings provide a unique axis for parameter scaling that requires less computation and is more amenable to offloading than Mixture-of-Experts (MoE)», gli embedding offrono un asse di scala che richiede meno calcolo ed è più adatto allo spostamento su altra memoria rispetto a un sistema a esperti. Meno calcolo non vuol dire meno memoria da avere pronta: 51,2 miliardi di parametri, 102,4 GB in BF16, vanno caricati comunque, anche se il modello ne attiva 6 miliardi per token. Il rapporto attivi/totali sul solo modello di linguaggio è 1 a 30 — più estremo di quanto misurato questo mese su un altro modello a pesi aperti, dove il rapporto era circa 1 a 12, pur su una taglia complessiva molto più piccola.

Il conto dell’hardware

360 GB in BF16 non stanno su una singola GPU da 80 GB né su una da 141 GB: servono più schede, o una versione quantizzata — il calcolo che rende eseguibili dei pesi scaricati è un conto a parte, e chi lo salta non ha comprato sovranità. Qwen ne ha pubblicata una ventiquattro secondi dopo, Qwen3.8-Flash-Next-FP8: 185.502.232.570 byte, 185,5 GB, 172,8 GiB — quasi la metà, verificato sullo stesso file indice, ma ancora oltre la capacità di una singola scheda se si vuole margine per un contesto lungo. Il contesto nativo, 262.144 token secondo max_position_embeddings, coincide con quanto scrive la scheda; l’estensione a 1.000.000 dichiarata non è un’ambiguità come in altri casi recenti: Qwen spiega come arrivarci, con un fattore YaRN da impostare a mano in rope_parameters, e avverte che la resa su testi brevi ne risente. Il repository non contiene un file modeling_*.py proprio: chi lo esegue dipende da un motore che riconosca già qwen4_exp, un tipo di modello che ha pochi giorni. Il file di configurazione registra la libreria con cui è stato salvato, transformers==5.8.0.dev0 — una build di sviluppo dell’epoca, non necessariamente un requisito oggi per chi usa i tre motori che la scheda stessa raccomanda per la produzione: SGLang, vLLM, TokenSpeed.

La licenza, in breve

Non Apache 2.0: license: other, license_name: qwen-community-1.0, testo scaricato per intero (15 righe, HTTP 200). Due condizioni: sopra 100 milioni di utenti attivi mensili o 20 milioni di dollari di ricavo mensile va mostrato il nome del modello nell’interfaccia; e — qui senza la soglia di fatturato che avevamo verificato sul modello di punta della stessa famiglia — chi fa business di Model as a Service o di AI Work Assistant deve prima ottenere una licenza separata da Qwen: «The foregoing requirement shall not apply to the licensee’s internal Use of the Software, provided that such Use does not make the Software, its outputs, or its underlying model capabilities available to any third party», l’obbligo non si applica all’uso interno, purché non renda il software, i suoi output o le sue capacità disponibili a terzi. Un ente che oggi usa il modello solo al proprio interno resta fuori; il giorno in cui quel servizio viene condiviso con un’altra amministrazione o offerto a un cliente, la soglia scatta senza bisogno di superare alcun fatturato.

Quello che non sappiamo

Non abbiamo eseguito il modello: nessuna affermazione nostra su qualità o comportamento reale. I confronti di benchmark con Qwen3.8-27B, Qwen3.7-Plus, DeepSeek-V4-Flash e Claude Opus 4.6 sono tabelle del produttore, non una prova indipendente. Non sappiamo come Qwen sia arrivata al 4B dichiarato per il modulo MTP, né se attribuisca pesi condivisi che i nomi dei tensori non separano. La scheda non specifica la provenienza dei dati di addestramento. Non formuliamo qualificazioni giuridiche sulla licenza. E non sappiamo quando, o se, l’architettura sperimentale di oggi diventerà quella stabile di Qwen4: la scheda stessa non lo promette.

Come lo risolviamo noi

Un’anteprima dichiarata tale non si scarta né si adotta per abitudine: entra nel registro dei modelli con i numeri misurati — non quelli arrotondati dal comunicato — versione, digest, footprint reale per token attivo e per byte su disco, motore di inferenza verificato, testo della licenza archiviato così come si leggeva oggi. È la traccia che serve a un’ispezione, e la base su cui lo stesso impianto tiene insieme modelli, dati, archivi e decisioni in un modello operativo unico, dove agenti AI eseguono con un operatore al comando: per grandi imprese, difesa e pubblica amministrazione. On-premise su macchine autonome che non richiedono integrazione profonda nella rete del cliente, oppure cloud dedicato con data center in Italia — sempre con gestione condivisa, perché un’architettura di pochi giorni non è il momento in cui improvvisare chi la amministra.

Vedi il servizio · Parlane con un tecnico

Qualcuno in azienda sta già valutando un’anteprima architetturale scaricata da Hugging Face per un uso che conta? Mezz’ora con un nostro esperto, senza costi: portiamo il conto reale di memoria, licenza e maturità del motore di inferenza prima che finisca in produzione.