| Parameter | **125B gesamt, ~6B aktiv pro Token** (+51B N-Gramm-Embedding-Parameter) ⚠️ unverifiziert |
| Einordnung durch Qwen-Team | **Vorschau auf die Qwen-4-Architektur**, ausdrücklich kein fertiges Produkt — Community soll sich auf die volle Qwen-4-Familie vorbereiten |
| Claim | Near-Frontier-Performance zu einem Bruchteil der Compute-Kosten; laut NVIDIA-Forums-Post vergleichbar mit **Qwen 3.7-Plus bei ~1/9 der Trainingskosten**, Stärke **Coding** |
| Benchmarks | ⚠️ Keine publiziert; Parameterzahlen nicht unabhängig verifiziert |
## Finanzierungs-Kontext
Die Ankündigung fällt in Alibabas größte Kapitalbeschaffung für KI: eine **10,2 Mrd USD Aktienplatzierung** (710 Mio neue Aktien à HK$112,70, 8,4 %-Abschlag, ~3× überzeichnet mit 28 Mrd USD Nachfrage) — die größte primäre Folgeemission eines Hongkong-gelisteten Unternehmens überhaupt. 100 % der Mittel sollen in „full-stack AI capabilities" inkl. Infrastruktur fließen. Aktie fiel auf Verwässerungssorgen deutlich.
## Einordnung
- **Sparse-MoE in Consumer-Nähe:** 125B/6B-aktiv wäre lokal relevant, sofern GGUFs/Quants folgen — aktivierungsseitig in der Klasse der lokal diskutierten MoE-Laufzeitziele (vgl. [[../../concepts/hardware/apple-m6-m5-ultra-mac-mini-studio-update.md|M5 Ultra Unified Memory]] und DGX-Spark-Klasse). Die N-Gramm-Embedding-Parameter deuten auf ein MTP-/Speculative-Decoding-freundliches Design (vgl. [[speculative-decoding.md]], DFlash 2).
- **Reihe in der Qwen3.8-Familie:** Flaggschiff Qwen 3.8-Max (2,4T MoE, 03.08.) → Dense [[qwen3.8-27b-alibaba.md]] (Apache 2.0) → jetzt Flash-Next als Qwen-4-Vorschau. Chinesische Labs (Alibaba, DeepSeek) halten das Open-Weight-Tempo; Perplexity-Pages berichten zudem >3 Mrd Qwen-Downloads und eine geplante Revenue-Sharing-Pflicht für große kommerzielle Nutzer der Max-Open-Weights.
- **Vorsicht:** Alle Kernzahlen stammen aus zweiter Hand (NVIDIA-Developer-Forum + Presse); das Qwen-Team selbst hat keine Benchmarks freigegeben. Glaubwürdigkeitstest wie immer am Release Day: HF-Model-Karte, Config.json, erste unabhängige Quants/Benchmarks.
- Geteilt von Kai (@PWeber) in OME Topic "News & Infos" (#12773).
Erster dokumentierter **Praxis-Einsatz** des Modells: [[../../people/federico-viticci.md|Federico Viticci]] ([[../../institutions/macstories.md|MacStories]]) betreibt Flash-Next auf einem **M5 Ultra Mac Studio (256 GB)** und hat es zum **Standardmodell** in beiden von ihm primär genutzten Assistenten gemacht — Open Minis (iOS) und Hermes Agent. Gemessene Werte auf dieser Hardware:
| Metrik | Wert |
|--------|------|
| Kurze Prompts | **>100 tok/s** |
| 64K–256K Kontext | **60–85 tok/s** |
| Quantisierung | 5-Bit vollständig im RAM („Sweet Spot"); 6-/8-Bit mit SSD-Offloading der N-Gramm-Tabellen |
| Parallelität | bis zu **3 gleichzeitige Flash-Next-Sessions** mit Subagenten (oMLX, 256 GB) |
Wichtig für die Einordnung: Der Test belastet genau die Punkte, die hier unter „Vorsicht" offen waren — **agentische Last** (Harness-Kontext, Tool-Calls, Subagenten, wachsende Threads) statt Chat-Benchmarks. Viticci nutzt das Modell auch in der Codex-App als lokales Modell unter einem GPT-Orchestrator. Details und vollständige Messreihe: [[../hardware/apple-m6-m5-ultra-mac-mini-studio-update.md|M5 Ultra Benchmarks]]. ⚠️ Einzelsetup (n=1), kein unabhängiges Benchmark-Suite-Ergebnis.
