英偉達：Qwen3.8-Flash-Next可在GB300NVL72上實現超1.6萬Token/秒單卡吞吐

動察 Beating AI 快訊，英偉達發布文章稱，阿里巴巴最新預覽模型 Qwen3.8-Flash-Next 已獲得英偉達 GB300 NVL72 平台支持。該模型總參數規模達 1760 億，每 Token 激活約 60 億參數，原生支持 26.2 萬 Token 上下文，並可通過 YaRN 擴展至 100 萬 Token，主要面向智能編程、文檔處理及工具調用等長上下文 Agent 應用。

英偉達表示，Qwen3.8-Flash-Next 採用 Gated DeltaNet（GDN）與 Qwen Sparse Attention（QSA）混合架構，以降低長上下文場景下的計算和 KV 緩存開銷。測試顯示，在 GB300 NVL72 上，該模型單 GPU 吞吐量超過 1.6 萬 Token/秒，單用戶吞吐超過 200 Token/秒；同時支持 SGLang、vLLM 及 TensorRT-LLM 等推理框架。