8 月 26 日，Qwen 团队发布了 Qwen3.8-Flash-Next。
这次更新有几个信息很抓眼球：
125B 主模型参数，每个 Token 只激活约 6B；原生支持 26 万 Token 上下文，可扩展到 100 万；Coding、Agent、工具调用能力继续增强。
同时，Qwen Cloud 上的生产版本命名为 Qwen3.8-Flash，默认就是 100 万 Token 上下文。
如果只是日常聊天，这些数字可能没那么有感觉。
但如果你是开发、测试、运维或者其他 IT 从业者，这次更新其实很值得看。
因为从 Qwen3.8-Flash 身上能看到一个越来越明显的趋势：
大模型正在从“回答问题”，继续往“完成工作”走。
而软件研发，恰好是这一轮变化最明显的场景之一。
Qwen3.8-Flash模型体验地址👇
- 技术报告：https://github.com/QwenLM/Qwen3.8-Flash-Next/blob/main/tech_report.pdf
- 技术博客：https://qwen.ai/blog?id=qwen3.8-flash-next
- Hugging Face：https://huggingface.co/Qwen/Qwen3.8-Flash-Next?spm=a2ty_o06.30285417.0.0.1d73c921FsyOPe&file=Qwen3.8-Flash-Next
- ModelScope：https://modelscope.cn/models/Qwen/Qwen3.8-Flash-Next?spm=a2ty_o06.30285417.0.0.1d73c921XAP2dV&file=Qwen3.8-Flash-Next
- 千问AI平台：https://www.qianwenai.com/models/qwen3.8-flash
01 先说最直观的：上下文来到 100 万 Token
Qwen3.8-Flash-Next 原生上下文长度达到 262,144 Token，并且可以扩展到 1,000,000 Token；Qwen Cloud 提供的 Qwen3.8-Flash 则默认支持 1M 上下文。
100 万上下文到底意味着什么？
以前使用 AI Coding，很多人的操作是：
复制一段代码 → 丢给模型 → 问它哪里有问题。
或者测试同学：
复制一段需求 → 让模型生成测试用例。
这当然能用，但跟真实的软件工程还有很大距离。
因为真正做一个项目，模型要理解的东西远不止一段代码。
比如一个支付需求改动，测试人员可能同时要看：
过去最大的一个问题就是：
这些东西根本塞不进去。
上下文越来越长之后，AI 才有机会从“看懂一个文件”，逐渐走向“理解一个项目”。
当然，100 万 Token 不代表把整个公司代码库一股脑塞进去就完事了。
真正落地依然涉及代码检索、知识库、上下文管理、权限控制等工程问题。
但模型能够处理的上下文上限提高，确实给复杂研发任务提供了更大的空间。
02 Coding 能力，已经不是“帮你补几行代码”了
这次 Qwen 官方给出的测试成绩里，Coding 是一个明显重点。
例如：
SWE-bench Pro：62.5
SWE-bench Multilingual：81.0
DeepSWE 1.1：58.7
这些 Benchmark 和以前单纯考“写一道算法题”不太一样，更偏向真实软件工程：理解代码仓库、定位问题、修改代码、解决 Issue。([Qwen][1])
这也是最近 AI Coding 最明显的一次变化。
前两年大家谈 AI 编程，更多想到的是：
“帮我生成一个 Java 方法。”
现在已经越来越像：
“你自己去代码仓库里找问题，然后把它解决掉。”
这两件事不是一个量级。
现在 Codex、Claude Code、Qwen Code 这类 Coding Agent 的工作模式，越来越接近：
读取代码 → 搜索项目 → 分析依赖 → 修改文件 → 执行命令 → 跑测试 → 根据结果继续调整。
甚至这次 Qwen 官方已经专门给出了接入 Claude Code 和 Codex 的方式，Qwen API 同时兼容 Anthropic 协议和 OpenAI Responses 协议。
所以，如果现在对 AI Coding 的理解还停留在：
“代码补全工具”
其实已经有些滞后了。
03 Agent 能力，也在明显加强
另外一个值得关注的关键词就是：
Agent。
这次 Qwen3.8-Flash-Next 在官方公布的 Toolathlon Verified 工具调用评测中拿到了 73.5，长流程办公任务 CoWorkBench 为 73.9。
分数本身不是最重要的。
重要的是现在厂商越来越重视一件事：
模型能不能自己调用工具完成任务？
因为聊天模型和 Agent 最大的区别之一就在这里。
你问 ChatGPT：
“帮我分析一下为什么这个接口测试失败了。”
它给你一段分析，这是 AI 助手。
但如果它可以自己：
读取接口文档 → 调测试平台 → 执行接口 → 获取 Response → 查询日志 → 查看数据库 → 分析原因 → 修改测试脚本 → 再执行一次
这时候性质就完全不一样了。
它已经开始进入真正的软件研发流程。
人工智能技术学习交流群
伙伴们，对AI测试、大模型评测、质量保障感兴趣吗？我们建了一个 「人工智能测试开发交流群」，专门用来探讨相关技术、分享资料、互通有无。无论你是正在实践还是好奇探索，都欢迎扫码加入，一起抱团成长！期待与你交流！👇
04 这件事对测试行业影响其实更直接
为什么我们一直强调测试从业者要关注 Agent？
因为测试工作天然就适合被拆成大量“工具调用”。
举个很现实的例子。
现在很多测试团队已经开始使用 AI 生成测试用例：
需求文档
↓
大模型
↓
测试用例
这属于第一阶段。
但再往后发展，很可能变成：
读取需求
↓
分析代码 Diff
↓
查询历史 Bug
↓
识别影响范围
↓
生成测试用例
↓
调用自动化测试平台
↓
执行测试
↓
读取失败日志
↓
分析异常
↓
输出测试报告
这里面只有其中几步是在“生成内容”。
剩下的大部分工作，本质上都是：
模型 + 工具 + 工作流。
所以未来 AI 测试真正的核心，很可能不是单独研究：
Prompt 怎么写得更好？
而是研究：
怎么让模型拥有完成测试任务所需要的上下文和工具。
这就涉及到：
企业知识库、RAG、MCP、Tool Calling、Agent、自动化测试平台、CI/CD。
这些东西开始逐渐连起来了。
05 100 万上下文，对测试其实特别有用
测试工作的一个特点是：
信息非常散。
需求在需求平台。
代码在 Git。
测试用例在测试管理平台。
Bug 在 Jira。
接口文档在 Swagger。
日志在 ELK。
监控又在另外一套系统。
一个经验丰富的测试工程师之所以能判断风险，很多时候并不是因为他会执行多少测试用例。
而是因为他能把这些信息串起来。
例如：
这个接口虽然只改了一个字段，但它会不会影响订单状态？
这个模块以前是不是出过类似 Bug？
这次代码修改到底影响到了哪些下游服务？
哪些历史测试用例需要重新执行？
这类问题，其实非常吃上下文。
长上下文 + 代码能力 + 企业知识库组合起来之后，AI 才更有可能真正参与：
需求理解
变更影响分析
测试范围判断
历史缺陷关联
测试用例生成
而不是每次只看一小段材料，然后给一个看起来正确、实际上不了解业务背景的答案。
06 还有一个容易被忽略的变化：成本
AI 真正进入企业之后，不能只看模型强不强。
还有一个非常现实的问题：
贵不贵。
如果一个测试 Agent 每天要反复读取代码、需求、日志，再调用十几次甚至几十次模型，那么调用量和普通聊天完全不是一个级别。
Qwen 官方披露，Qwen3.8-Flash-Next 相比 Qwen3.7-Plus，训练成本约为后者的 1/9，同时也在降低推理成本。其架构采用 125B 主模型，但每 Token 只激活约 6B 参数。
官方在发布时给 Qwen3.8-Flash 公布的 Qwen Cloud 定价为：
输入：0.16 美元 / 百万 Token
输出：0.47 美元 / 百万 Token。
截至 8 月 26 日官方发布文章时，API 标注为即将开放。
这其实是 Flash 模型很重要的一层意义。
企业需要的未必永远是“能力最强的那个模型”。
很多业务真正需要的是：
能力足够强，同时速度、成本、吞吐量也能接受。
尤其是自动化测试、客服、代码 Review、日志分析这类高频任务。
一天跑几次和一天跑几十万次，完全是两套经济账。
07 这还是一次 Qwen4 架构的“提前剧透”
这次发布还有一个值得关注的点。
Qwen 官方明确表示：
Qwen3.8-Flash-Next 同时也是 Qwen4 新架构的一次提前预览。
这次主要调整了四个方向：
Attention、Residual、Embedding、Optimization。
其中一个比较容易理解的是 Qwen Sparse Attention（QSA）。
长上下文最大的麻烦之一，就是上下文越长，Attention 的计算和显存访问成本越高。
QSA 的思路，可以粗略理解成：
不是每次都把前面所有内容重新仔细看一遍，而是先找到真正重要的内容，再重点关注。
Qwen 官方给出的测试中，在 100 万 Token 上下文下，QSA Attention Kernel 的 Prefill 和 Decode 最高分别实现 7.6 倍和 4.9 倍加速。
对于普通用户来说，不需要研究这些架构细节。
但这背后的方向其实很清楚：
模型越来越大，但每次计算不一定越来越贵；
上下文越来越长，但不能简单靠堆算力解决；
Agent 越来越复杂，对推理效率的要求反而越来越高。
这也是下一代模型架构正在重点解决的问题。
08 测试工程师真正要关注的，不是哪家模型跑分第一
现在几乎每隔一段时间就会发布一个新模型。
今天 Qwen，明天 DeepSeek，后天可能又是 Claude、Gemini 或 GPT。
如果每一个模型出来，我们都只是比较：
谁参数更大、谁 Benchmark 高了两分、谁又超过谁了。
其实意义并没有那么大。
对于测试从业者，更值得关注的是模型能力变化背后的工作方式变化。
从最近这一轮模型更新来看，几个方向已经越来越清楚：
长上下文让 AI 能理解更多项目级信息。
Coding让 AI 从生成代码走向修改真实代码仓库。
Tool Calling让 AI 可以连接测试平台、数据库、浏览器、命令行和内部系统。
Agent让 AI 可以把这些能力串起来，连续完成一个复杂任务。
这几个能力如果单独看，都不算特别新。
但当它们逐渐组合到一起之后，软件测试的工作方式就会开始发生变化。
写在最后
Qwen3.8-Flash 这次发布，我觉得真正值得关注的并不是某一个跑分。
而是一个越来越明显的信号：
大模型正在从“给答案”，走向“做事情”。
对于测试行业来说也是一样。
AI 测试的下一阶段，很可能不会只是：
帮我们多生成几条测试用例。
而是让 AI 真正进入：
需求分析、代码理解、风险识别、用例设计、自动执行、问题定位和质量反馈。
测试工程师当然没必要看到一个新模型就开始焦虑。
但有一件事情值得提前准备：
过去我们学习的是怎么使用测试工具；接下来，我们还要开始学习怎么把 AI 变成测试工具的一部分。
而 Qwen3.8-Flash 这次更新的 100 万上下文、Coding、Agent 和 Tool Calling，恰好都在把这件事情往前推。
粤ICP备14082021号
免费POC，
零成本试错
