英伟达把 Qwen3.8-Flash-Next 做了 NVFP4 量化，体积直接砍到原来的 37%，精度几乎没掉。这是 Blackwell 时代真正能跑起来的实用级效率，上个月在 Hugging Face 上已经被下载了 37 万次。
模型本身是 125B MoE：总参数 1250 亿，激活参数 60 亿，混合注意力（门控 DeltaNet + Qwen 稀疏注意力），再加 510 亿 N-gram Embedding 和 40 亿 MTP。原版 BF16 约 360GB，NVFP4 版小了约 2.7 倍。实测精度对比，FP8 和 NVFP4 两档：GPQA Diamond 92.0→91.5，HLE 34.7→35.4，MMMU Pro 77.1→78.3，SciCode 16.3→18.8，有升有降，基本没掉。
性能上，在 SWE-bench Pro、CoWorkBench、JobBench 这些真实任务上，它比 Claude Opus 4.6 Max 更好。原生 262K 上下文，可扩展到 1M，文本、图像、视频多模态都支持。路由专家用 NVFP4，关键层保留 BF16/FP8 混合精度，精度损失压得很低。
想自己跑，硬件推荐 NVIDIA Blackwell（B200/B300），Linux 环境。先拉模型：huggingface-cli download nvidia/Qwen3.8-Flash-Next-NVFP4，再装较新 commit 的 vLLM 和 Transformers ≥ 5.16.0，启动命令：vllm serve nvidia/Qwen3.8-Flash-Next-NVFP4 –tensor-parallel-size 8 –quantization modelopt –max-model-len 262144 –reasoning-parser qwen3 –trust-remote-code。想再快一点，可以开 MTP 投机解码。
原模型：https://huggingface.co/Qwen/Qwen3.8-Flash-Next
NVFP4 版：https://huggingface.co/nvidia/Qwen3.8-Flash-Next-NVFP4