Felo API PlatformFelo API Platform
Zpět na modely
Qwenmessages

Qwen3.8 Flash API

Qwen3.8 Flash je multimodální model od týmu Alibaba Qwen s kontextem 262 144 tokenů, architekturou Mixture-of-Experts se 125B hlavními parametry a 6B aktivovanými parametry na token, vhodný pro agentní kódování, práci s nástroji a porozumění videu.

Qwen3.8 Flash je multimodální model vyvinutý týmem Alibaba Qwen, který přijímá textový, obrazový, video i audio vstup a generuje textový výstup. Disponuje kontextovým oknem 262 144 tokenů a výstupním limitem 262 144 tokenů pro obsah uvažování a 131 072 tokenů pro finální odpověď. Architektura Mixture-of-Experts kombinuje 125B hlavních parametrů s 51B N-gramových embeddingů, přičemž na každý token se aktivuje 6B parametrů. Model lze provozovat lokálně přes Unsloth GGUF a llama.cpp a je podporován vLLM, SGLang, TokenSpeed a Qwen Cloud.

Díky architektuře A6B je rychlost předzpracování přibližně 2,5krát vyšší. Model nabízí ovladatelné chování uvažování prostřednictvím parametrů enable_thinking, preserve_thinking a reasoning_effort s úrovněmi xhigh, medium a low. V režimu uvažování se doporučují parametry vzorkování temperature 1.0, top_p 0.95, top_k 20, min_p 0.0, presence_penalty 0.0 a repetition_penalty 1.0; v režimu instruct nebo non-thinking pak temperature 0.7, top_p 0.80, top_k 20, min_p 0.0, presence_penalty 1.5 a repetition_penalty 1.0. Pro zpracování dlouhého kontextu nad 262 144 tokenů se doporučuje škálování RoPE, například YaRN.

Model vyniká v agentním kódování, používání nástrojů, vizuálních úlohách, vícekolových agentních úlohách, porozumění dlouhému videu a kancelářských úlohách. Mezi další scénáře patří audio a video agentní pracovní postupy, včetně tvorby hudebních videí a produkce krátkých dramat. Nižší úroveň uvažování nemusí vždy zkrátit celkovou dobu dokončení úlohy; může vést k nedostatečné analýze, častějším selháním a opakovaným pokusům.

Aktualizováno:

MODEL ID

qwen3.8-flash
Kontext
1M
Max. výstup
131.072K
Doporučené API
messages
Vstup
text / image / video
Výstup
text

Hlavní body

  • Multimodální vstupy: text, obraz, video, audio
  • Kontextové okno 262 144 tokenů
  • Mixture-of-Experts se 125B hlavními parametry
  • 6B aktivovaných parametrů na token
  • Lokální běh přes Unsloth GGUF a llama.cpp
  • Ovladatelné uvažování přes reasoning_effort

Poskytovatelé

1 poskytovatelů

Porovnejte ceny API u různých poskytovatelů. Vyberte poskytovatele a zobrazte všechny poplatky a podmínky.

Poskytovatel · Podrobnosti k cenám
Dostupnost
$0.15$0.47$0.016

Co se dá pořídit za $10

Vstup
66,7 mil. tokenů
Výstup
21,3 mil. tokenů

Odhad z aktuálních cen vstupu a výstupu, před slevami.

Benchmarky

  • BenchAlign

    ze 100; 65. místo z 216 modelů

    55.8
  • AndroidWorld

    test použití na mobilu; ve srovnání s Claude Opus 4.6 Max na 62.0

    84.5
  • Real-world visual understanding

    ve srovnání s Claude Opus 4.6 Max na 73.9

    88.5

Skóre podle zveřejnění poskytovatele modelu.

Uvažování

Ve výchozím nastavení zapnuto
Ano
Vždy zapnuto
Ne

Rychlý start

Kód připravený ke vložení pro volání tohoto modelu pomocí kompatibilních API Felo API Platform. Pokud chcete prompty vyzkoušet před psaním kódu, začněte v Playground.

1

Získejte API klíč

Vytvořte klíč ve svém účtu Felo API Platform a nastavte jej jako proměnnou prostředí.

export FELO_API_KEY="YOUR_API_KEY"
2

Odešlete první požadavek

Použijte toto ID modelu s endpointem Felo API Platform. Volitelné hlavičky požadavku, jako X-Request-Id, mohou pomoci při řešení potíží.

qwen3.8-flash

Tento model podporuje uvažování. Pokud zvolený protokol a trasa modelu nabízejí ovládací prvky uvažování, zachovejte vrácená metadata uvažování při pokračování konverzace.

const response = await fetch("https://openapi.felo.ai/api/v1/messages", {
  method: 'POST',
  headers: {
    Authorization: `Bearer ${process.env.FELO_API_KEY}`,
    'Content-Type': 'application/json',
  },
  body: JSON.stringify({
  "model": "qwen3.8-flash",
  "max_tokens": 1024,
  "messages": [
    {
      "role": "user",
      "content": "Hello"
    }
  ]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());

Použití SDK třetích stran

Používejte kompatibilní SDK nastavením baseURL na https://openapi.felo.ai/api/v1. Pro klienty ve stylu Claude použijte base URL kompatibilní s Anthropic. https://openapi.felo.ai/api.

3

Zapněte streamování

Přidejte stream: true, abyste dostávali odpovědi jako server-sent events.

curl -N https://openapi.felo.ai/api/v1/messages \
  -H "Authorization: Bearer $FELO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "qwen3.8-flash",
  "max_tokens": 1024,
  "messages": [
    {
      "role": "user",
      "content": "Hello"
    }
  ],
  "stream": true
}'

Endpoint

Felo API Platform nabízí kompatibilní rozhraní pro volání modelů. Vyberte to, které vaše aplikace nebo klientský agent již podporuje.

RozhraníMetodaURL

Messages

Zprávy kompatibilní s Anthropic pro klienty ve stylu Claude.

POST

https://openapi.felo.ai/api/v1/messages

Parametry

NázevTypVýchozíPopis
modelstringqwen3.8-flashVeřejné ID modelu pro volání.
max_tokensinteger—Maximální počet generovaných tokenů.
messagesarray—Zprávy konverzace pro Chat Completions.
seed———
stop———
toolsarray—Definice volání nástrojů podle kompatibilního schématu.
top_k———
top_p———
logprobs———
reasoning———
temperaturenumber—Řídí různorodost odpovědí, pokud je podporováno.
tool_choicestring or object—Řídí, zda má být nástroj zavolán.
top_logprobs———
response_formatobject—Vyžádá strukturovaný výstup, pokud je podporován.
presence_penalty———
frequency_penalty———
include_reasoning———
structured_outputs———

Časté dotazy

Co je Qwen3.8 Flash?

Qwen3.8 Flash je multimodální model vyvinutý týmem Alibaba Qwen, který přijímá textový, obrazový, video i audio vstup a generuje textový výstup. Disponuje kontextovým oknem 262 144 tokenů a výstupním limitem 262 144 tokenů pro obsah uvažování a 131 072 tokenů pro finální odpověď. Architektura Mixture-of-Experts kombinuje 125B hlavních parametrů s 51B N-gramových embeddingů, přičemž na každý token se aktivuje 6B parametrů. Model lze provozovat lokálně přes Unsloth GGUF a llama.cpp a je podporován vLLM, SGLang, TokenSpeed a Qwen Cloud. Díky architektuře A6B je rychlost předzpracování přibližně 2,5krát vyšší. Model nabízí ovladatelné chování uvažování prostřednictvím parametrů enable_thinking, preserve_thinking a reasoning_effort s úrovněmi xhigh, medium a low. V režimu uvažování se doporučují parametry vzorkování temperature 1.0, top_p 0.95, top_k 20, min_p 0.0, presence_penalty 0.0 a repetition_penalty 1.0; v režimu instruct nebo non-thinking pak temperature 0.7, top_p 0.80, top_k 20, min_p 0.0, presence_penalty 1.5 a repetition_penalty 1.0. Pro zpracování dlouhého kontextu nad 262 144 tokenů se doporučuje škálování RoPE, například YaRN. Model vyniká v agentním kódování, používání nástrojů, vizuálních úlohách, vícekolových agentních úlohách, porozumění dlouhému videu a kancelářských úlohách. Mezi další scénáře patří audio a video agentní pracovní postupy, včetně tvorby hudebních videí a produkce krátkých dramat. Nižší úroveň uvažování nemusí vždy zkrátit celkovou dobu dokončení úlohy; může vést k nedostatečné analýze, častějším selháním a opakovaným pokusům.

Jak se využití účtuje?

Faktura závisí na zvoleném poskytovateli, jeho cenách a vašem využití. Delší vstupy nebo jiné podmínky mohou mít jiné ceny.

Jaké vstupy Qwen3.8 Flash podporuje?

Model přijímá textový, obrazový, video a audio vstup a generuje textový výstup.

Jaké je kontextové okno a výstupní limit?

Kontextové okno je 262 144 tokenů. Výstupní limit je 262 144 tokenů pro obsah uvažování a 131 072 tokenů pro finální odpověď.

Pro jaké úlohy se Qwen3.8 Flash hodí?

Hodí se pro agentní kódování, používání nástrojů, vizuální úlohy, vícekolové agentní úlohy, porozumění dlouhému videu a kancelářské úlohy.

Jak lze ovládat uvažování modelu?

Chování uvažování lze ovládat pomocí parametrů enable_thinking, preserve_thinking a reasoning_effort s úrovněmi xhigh, medium a low.

Jaké parametry vzorkování se doporučují v režimu uvažování?

V režimu uvažování se doporučují temperature 1.0, top_p 0.95, top_k 20, min_p 0.0, presence_penalty 0.0 a repetition_penalty 1.0.

Jak model funguje s dlouhým kontextem nad 262 144 tokenů?

Pro zpracování dlouhého kontextu nad 262 144 tokenů se doporučuje škálování RoPE, například YaRN.

Související modely