Topik.id — Persaingan model kecerdasan buatan (AI) kembali memanas setelah Alibaba memperkenalkan Qwen 3.8 Flash Next. Model terbaru dari keluarga Qwen ini dirancang untuk kebutuhan perusahaan yang menginginkan kemampuan AI besar tanpa harus menanggung biaya komputasi dan inference setinggi model kelas atas.

Alibaba memperkenalkan Qwen 3.8 Flash Next pada Kamis (27/8/2026) dengan membawa pendekatan berbeda dari model AI berukuran besar. Alih-alih mengaktifkan seluruh parameter ketika memproses setiap token, model ini menggunakan arsitektur Mixture-of-Experts (MoE) sehingga hanya sebagian parameter yang bekerja pada setiap proses.

Qwen 3.8 Flash Next Bawa 125 Miliar Parameter

Qwen 3.8 Flash Next memiliki total 125 miliar parameter. Namun, parameter yang aktif pada setiap token hanya sekitar 6 miliar. Mekanisme tersebut menjadi salah satu alasan Alibaba dapat menawarkan model dengan biaya penggunaan yang lebih rendah.

Model ini juga menjadi pratinjau awal arsitektur yang nantinya diproyeksikan digunakan pada Qwen 4. Alibaba turut memasukkan N-gram embedding layer dengan 51 miliar parameter sebagai salah satu komponen arsitekturnya.

Lapisan tersebut bekerja dengan menyimpan kelompok kata yang sering muncul sebagai entri tersendiri. Pendekatan ini memungkinkan sebagian data ditempatkan di RAM sistem tanpa harus seluruhnya dimuat ke GPU.

Dari sisi konteks, Qwen 3.8 Flash Next mendukung hingga 262.144 token secara bawaan. Kapasitas tersebut dapat diperluas hingga 1 juta token menggunakan metode YaRN.

Kemampuan konteks panjang menjadi penting bagi perusahaan yang ingin memproses dokumen berukuran besar, basis kode, maupun alur kerja yang membutuhkan AI membaca informasi dalam jumlah banyak sekaligus.

Fokus pada Coding dan Agen AI

Alibaba mengarahkan Qwen 3.8 Flash Next untuk berbagai kebutuhan bisnis, termasuk pekerjaan komputer dan penggunaan agen AI. Model multimodal tersebut dapat berinteraksi dengan API, kalkulator, serta database eksternal melalui instruksi berbasis teks maupun visual.

Efisiensi menjadi salah satu nilai jual terbesarnya. Alibaba mengklaim biaya pelatihan dan inference Qwen 3.8 Flash Next mencapai sembilan kali lebih rendah dibandingkan Qwen 3.7-Plus.

Meski mengutamakan efisiensi, Alibaba tetap mengklaim adanya peningkatan kemampuan pada sejumlah pekerjaan. Salah satunya adalah coding. Dalam pengujian yang dipublikasikan perusahaan, model tersebut mencatat skor 58,7 pada DeepSWE dan 62,5 pada SWE-bench Pro.

Kedua benchmark tersebut digunakan untuk menguji kemampuan model dalam menemukan serta memperbaiki persoalan yang terdapat pada proyek perangkat lunak.

Untuk pekerjaan kantor dan produktivitas, Qwen 3.8 Flash Next mendapatkan skor 73,9 pada CoWorkBench. Angka tersebut berada di atas DeepSeek-V4-Flash yang mencatat skor 45,1 dalam pengujian yang sama.

Sementara pada JobBench, yang mengukur kemampuan menjalankan alur kerja profesional, model Alibaba mencatat skor 55,7. Sebagai pembanding, Qwen 3.7-Plus memperoleh skor 27,6.

Alibaba juga mengklaim Qwen 3.8 Flash Next mampu mengungguli model seperti DeepSeek-V4-Flash dan Claude Opus 4.6 dalam sebagian besar benchmark yang mereka publikasikan. Namun, hasil benchmark tetap perlu dilihat secara hati-hati karena tidak selalu mencerminkan performa model dalam seluruh skenario penggunaan sehari-hari.

Harga Mulai Rp 2.800-an per Juta Token

Strategi harga menjadi bagian penting dari peluncuran Qwen 3.8 Flash Next. Alibaba menetapkan tarif 0,16 dollar AS atau sekitar Rp 2.800-an untuk setiap 1 juta token input.

Sementara biaya output dipatok 0,47 dollar AS atau sekitar Rp 8.300-an per 1 juta token. Harga tersebut jauh lebih rendah dibandingkan Qwen 3.8 Max yang dikenakan tarif 2 dollar AS untuk input dan 6 dollar AS untuk output per 1 juta token.

Qwen 3.8 Flash Next juga berstatus open weight. Model tersebut tersedia melalui Hugging Face dan ModelScope sehingga pengembang memiliki akses lebih luas untuk menggunakannya.

Menurut analis Gartner Arun Chandrasekaran, struktur harga tersebut salah satunya dimungkinkan berkat efisiensi inference. Meskipun total parameternya mencapai 125 miliar, hanya sekitar 6 miliar yang aktif saat memproses setiap token.

Pendekatan ini memperlihatkan arah persaingan AI yang tidak hanya bertumpu pada ukuran model. Alibaba mencoba menawarkan kemampuan yang mendekati model lebih besar dengan biaya operasional yang lebih rendah, terutama untuk perusahaan yang ingin menjalankan agen AI dan pekerjaan profesional dalam skala besar.