Reddit 社群指出，Qwen3.8-Flash-Next 在特定基準測試中優於 DeepSeek V4 Pro，此結果引發關於測試指標與實際代理工作負載相關性的辯論。該比較聚焦於模型處理程式碼與自主任務的能力，而非僅限於一般通用能力。此次評估涉及兩款領先的混合專家（MoE）模型：Qwen3.8-Flash-Next 擁有 1250 億參數的主模型，每 token 激活 60 億參數；DeepSeek V4 Pro 則擁有 1.6 兆總參數，每 token 激活 490 億參數。批評者認為，現有基準測試可能無法充分反映模型在程式碼與代理場景中的真實表現。
事件背景
混合專家（MoE）模型透過為每個輸入僅激活部分參數，使大型語言模型能夠高效擴展，從而降低計算成本。代理工作負載指的是 LLM 使用外部工具進行規劃、推理和執行任務的應用，這需要強大的程式碼和推理能力。Qwen3.8-Flash-Next 是 Qwen4 架構的早期預覽，強調成本效益。
社群觀察
社群成員對基準測試的適當性展開辯論，部分用戶認為測試項目未能充分涵蓋程式碼和代理工作負載。另有用戶期待 llama.cpp 能提供更完善的修補程式支援，亦有觀點認為該模型可能訓練不足。
