我今天讓 Qwen3.8-Flash-Next 在 Pi 裡替一個 KernelSU Next 模組做 WebUI。

任務不算簡單，但範圍最後已經很清楚：把手機上三個純 root 偵測工具加進排除清單，再做一個可以調整這份清單的 WebUI。

我把範圍定死之後，它又跑了三十八分鐘。

它讀了同一段 build.sh 很多次，一直在想 webroot/index.html 和 config.json 應該放進哪個打包變數。整個 session 最後有九十次 tool call，context 從大約 25K 長到 159K。它做出來的第一版 WebUI，甚至可以直接覆寫三支開機腳本，遠遠超過我要的功能。

更麻煩的是，它把三個 package 寫進註解，真正會生效的 package 行反而沒加。HTML 裡還開始出現 只выводит、已用過년에는、台سل圈 這種跨語言碎片。

我最後把它停掉了。

這個畫面讓我回頭問了一個問題：Qwen3.8-Flash-Next 名字裡的 Next，到底代表什麼？

我一開始懷疑是 4-bit 和去對齊

我跑的是 OrcaRouter 的去對齊 4-bit 版本。Medium 幾乎都正常，xhigh 卻比較容易出現 token salad、重複，或一路想下去不肯交答案。

第一個直覺很自然：是不是去對齊把權重弄傷了？或者 4-bit 精度太低，短任務撐得住，長推理才開始累積誤差？

這個說法聽起來合理。我甚至已經在評估 6-bit。它大概要吃掉 101GB 記憶體，128GB 的 Mac 勉強塞得下。

後來我把對照補齊了。

我換成 Jundot 從官方權重製作、沒有去對齊的 oQ 混合精度版本，拿同一題非對稱 TSP 去跑 xhigh。題目要求它找出最優和次佳路線，還要做全域最優證明；如果計算互相矛盾，就持續回頭核對，不要提前停止。

兩次都打滿 32,768 token。

這兩次沒有亂碼，沒有數字沙拉，也沒有固定句子迴圈。模型到最後一個 token 都還在連貫地手工枚舉。第二次停在 So E last is problematic due to，就是算到一半被長度上限切掉。

我也測過 MTP 開關。結果一樣。64K needle 可以精確取回，RoPE 也不像主因。

到這裡，去對齊已經不是必要條件。OrcaRouter 那個 4-bit 版本，也不能再單獨解釋為什麼 Jundot 仍然會把完整 32K 用完。

真正留下來的現象比較單純：這顆模型碰到「發現矛盾就回頭核對，而且不要停」的 prompt，會一直找到下一件可以算的事。xhigh 給它多少長度，它就用多少。

亂碼和不肯停，其實是兩件事

這一輪最容易誤判的地方，是我把所有異常都叫成「跑飛」。

有些確實是 backend bug。oMLX 前幾天才修掉一個 PLE rollback 問題：Lightning MTP 猜錯 token、主模型拒絕之後，GDN 和 QSA 有退回正確位置，PLE 的 n-gram history 與 short-convolution state 卻還留在被拒絕的 token 上。後面的生成當然會歪。

這種問題可以修。RMSNorm 權重格式讀錯、tool parser 卡在 token 0、streaming 解碼拆壞字元，也都屬於推理管線的責任。

Backend 修好之後，模型可以一路保持語意正常。Jundot 兩次跑滿 32K 就是證據。

可是，語意正常不代表它知道該停。

一個完美的 backend 可以保證模型正確地算，不能替它決定目前的證據已經夠了。它可以不再吐出垃圾，仍然連貫地浪費三萬多個 token。

Pi 那輪又讓我看到另一層。公開討論裡已經有人遇到幾乎相同的狀況：同一顆 Flash-Next 直接用 llama.cpp CLI 時正常，接到 Pi／pi-web 之後卻開始錯讀檔名，混入隨機語言和符號。他也用了官方建議的 top_k=20，換過權重與 backend，問題仍然存在。那篇回報

這表示 agent harness 也有責任。Pi 把 system prompt、tool schema、AGENTS.md、歷史輸出和工具結果一路留在 context 裡。我的 WebUI session 在 100K 之後開始出現語言污染，到 159K 才被我中止。

262K context 代表它放得下，不代表它到了 159K 還能好好管理一個專案。

官方從來沒有把它說成 Qwen4

Qwen 對這顆模型的定位其實寫得很直接。

它是官方正式公開的 checkpoint，不是來路不明的測試檔。但官方稱它為「experimental preview of the architecture that will underpin Qwen4」，也就是 Qwen4 底層架構的實驗性預覽。官方說明

這個差別很重要。

Flash-Next 已經有 125B 主模型，每個 token 啟用 6B，外加 51B 的 n-gram embedding。48 層裡有 36 層 Gated DeltaNet、12 層 Qwen Sparse Attention，還有四條 Gated Residual stream 和 MTP。

能力已經可以拿來寫程式、讀 repo、操作工具，也能在本機跑出讓人驚訝的速度。問題是，這些新東西同時增加了很多 backend 必須維持一致的狀態。模型自己的長程控制，也還沒有到可以完全放手的程度。

官方提早放出它，本來就是要讓社群在 Qwen4 正式登場前先檢查這套架構，推理框架也有時間準備。Qwen 自己在模型卡裡寫到，可以調高 presence_penalty 降低 endless repetition，但代價可能是語言混雜和輕微能力下降。官方 Best Practices

所以 Next 不是比較新的宣傳字樣。

它是在說：下一代的架構已經先拿出來了，正式世代還在後面。

我現在怎麼用它

6-bit 不需要再下載了。從 BF16 自己重做 oQ4，也不會教會模型什麼時候該收手。

我會繼續用它，但工作方式要改。

Medium 負責真正的改檔、測試、build 和部署。xhigh 留給範圍明確、context 乾淨，而且真的需要長推理的問題。任務中間改過幾次方向，我會直接開新 session，不讓它背著前面八萬個 token 的錯誤假設繼續工作。

Backend 更新仍然重要。它可以把 token salad、state 污染和固定 token 迴圈修掉。Pi 也可以做 context 壓縮、重讀次數限制和完成條件檢查。

但我不再期待一次 backend 更新，就讓 xhigh 自然知道什麼時候該停。

那天它卡住的 build.sh 只有 173 行。它不是看不懂，也不是少一個 API。它缺的是在證據已經足夠時做決定，然後把工作交出來。

這大概就是它現在叫 Next，而不是 Qwen4 的原因。