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
Porovnejte ceny API u různých poskytovatelů. Vyberte poskytovatele a zobrazte všechny poplatky a podmínky.
| Dostupnost | ||||
|---|---|---|---|---|
| $0.15 | $0.47 | $0.016 |
Historická data nejsou kontrolou v reálném čase. Chybějící data neznamenají výpadek.
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
- 55.8
BenchAlign
ze 100; 65. místo z 216 modelů
- 84.5
AndroidWorld
test použití na mobilu; ve srovnání s Claude Opus 4.6 Max na 62.0
- 88.5
Real-world visual understanding
ve srovnání s Claude Opus 4.6 Max na 73.9
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.
Získejte API klíč
Vytvořte klíč ve svém účtu Felo API Platform a nastavte jej jako proměnnou prostředí.
export FELO_API_KEY="YOUR_API_KEY"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-flashTento 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.
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.
Messages
Zprávy kompatibilní s Anthropic pro klienty ve stylu Claude.
POST
https://openapi.felo.ai/api/v1/messagesParametry
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.