Agent 现在越来越能干，但一个现实问题也越来越明显：

太烧 Token 了。

做一次聊天可能只需要几千 Token。

但真正让 Agent 去：

查资料、读文件、规划任务、调用工具、修改内容、反复检查……

一次复杂任务很容易把 Token 消耗拉到普通聊天的数倍甚至数十倍。

千问办公这次干脆从底层换了一套“省油发动机”。

8 月 26 日晚，千问办公首发上线 Qwen3.8-Flash，并同步推出全新的：

标准模式。

以后模型供给会进一步简化成：

标准模式 + 高级模式。

官方给出的定位很直接：

95% 的日常办公任务交给标准模式，剩下约 5% 的复杂任务再使用高级模式。

一、Qwen3.8-Flash 不是简单的“小模型”

虽然名字叫 Flash，但它并不是单纯为了追求速度而大幅牺牲能力。

Qwen3.8-Flash 采用一套全新架构，也是：

Qwen4 架构的提前预览。

模型主体总参数：

125B。

但每个 Token 实际只激活：

6B 参数。

另外还加入约 51B 的 N-gram Embedding 参数，在尽量少增加实际计算量的情况下继续扩展模型容量。

简单理解就是：

模型知道得更多，但每次真正干活时不用把所有参数都跑一遍。

这也是它能够同时兼顾：

性能、速度和成本

的重要原因。

二、官方评测里，部分编程和办公任务已经超过 Claude Opus 4.6

“Flash”最大的惊喜其实不是便宜。

而是能力并没有掉到传统小模型的水平。

官方公布的测试中：

SWE-bench Pro：

Qwen3.8-Flash：62.5

Claude Opus 4.6：53.4

长程办公任务 CoWorkBench：

Qwen3.8-Flash：73.9

Claude Opus 4.6：68.2

多语言软件工程：

81.0 vs 77.5。

所以更准确的说法应该是：

Qwen3.8-Flash 在多个 Coding 和办公 Agent Benchmark 中已经超过 Claude Opus 4.6。

而不是笼统地说所有能力全面超过。

三、1M 上下文，Flash 也开始跑长任务

Qwen3.8-Flash 原生服务版本支持：

1,000,000 Token 上下文。

最大输出：

128K Token。

同时支持：

文字；

图片；

视频

多模态理解。

这对办公 Agent 很重要。

因为真实任务里很容易同时出现：

几十份文档；

大型 Excel；

网页资料；

历史聊天；

长报告；

截图；

视频。

上下文足够长以后，Agent 才更适合连续做：

长文档分析；

大型代码库；

深度研究；

复杂办公自动化。

四、真正的重点其实是：模型和 Agent 一起优化

千问办公这次并不是简单：

把底层模型从 A 换成 Qwen3.8-Flash。

千问模型团队还专门为办公场景做了一版 Qwen3.8-Flash。

重点优化：

多步规划

工具选择

上下文压缩

这些 Agent 高频任务。

同时，千问办公又在推理侧和 Harness 架构继续优化。

整个逻辑其实就是：

Qwen3.8-Flash
+
办公场景专项训练
+
推理优化
+
Harness
+
Agent工作流
=
千问办公标准模式

这也是现在 Agent 竞争越来越明显的一个趋势：

模型强还不够，模型和 Harness 得一起调。

五、真实办公测试：速度翻倍，Token平均减少75%

这次千问办公对外披露的一组数据比较直观。

在真实办公场景测试中：

单任务 Token 生成速度约提升 100%。

同时：

Token 消耗平均减少约 75%。

也就是以前一个任务可能要消耗：

100 份 Token。

现在类似质量的任务可能只需要：

约 25 份。

对偶尔用一次 AI 的用户可能没那么明显。

但对于每天让 Agent 跑：

几十次；

几百次；

甚至企业级批量任务

的人来说，这个差距就非常大了。

六、为什么要分“标准”和“高级”？

因为真实办公任务根本没必要全部调用最强模型。

比如：

改格式；

总结文档；

提取数据；

普通写作；

信息搜索；

简单表格处理。

用旗舰模型深度思考十几轮，反而浪费时间和 Token。

所以未来千问办公会进一步变成：

标准模式

更快、更省。

覆盖约：

95% 日常办公任务。

高级模式

留给：

复杂研究；

重点分析；

高难度推理；

关键项目。

这其实就是一种更简单的：

模型路由。

用户不需要天天研究哪一个具体模型最划算。

先判断：

这个任务普通还是复杂。

七、Agent 真正开始进入“可以高频使用”的阶段

过去 Agent 最大的问题之一就是：

用不起。

你当然可以让 AI：

研究 100 个网页；

分析几十份文件；

连续干半小时。

但看着 Token 一直涨：

多少还是会心疼。

所以 Agent 真正普及，需要解决的不只是：

能力。

还包括：

单位任务成本。

Qwen3.8-Flash 这条路线其实很明显：

不是继续无限堆更大的模型。

而是提高：

智能密度。

用更少的激活参数、更高效的架构和更好的 Agent 协同，完成原本需要更重模型处理的任务。

这才是“Flash”真正有意思的地方。

结语

Qwen3.8-Flash 这次可以记住几个数字：

125B 总参数。

6B 激活参数。

1M 上下文。

128K 最大输出。

千问办公真实场景测试：

生成速度约提升100%。

Token消耗平均减少75%。

再加上：

标准模式覆盖约95%的日常办公任务。

相比单纯再发一个更强旗舰模型，这种“小激活参数 + 强 Agent 能力 + 低成本”的方向，对真正天天用 AI 的人可能反而更重要。

因为 Agent 最终想成为日常办公工具，不能每运行一次都让用户计算：

“这一轮又烧了多少 Token？”

真正好用的状态应该是：

任务直接丢进去，让它干就完了。

这可能才是所谓：

Agent 开始进入“量大管饱”时代。

相关链接

千问办公官网

https://qwenwork.cn/

千问办公帮助中心

https://qwenwork.cn/docs

千问AI平台 Qwen3.8-Flash 官方介绍

https://platform.qianwenai.com/docs/developer-guides/getting-started/latest-model

Qwen3.8-Flash 官方技术介绍

https://qwen.ai/blog?id=qwen3.8-flash-next

千问AI平台模型发布记录

https://platform.qianwenai.com/docs/changelog/models

千问AI平台

https://www.qianwenai.com/