Qwen3.8 Flash API
Qwen3.8 Flash یک مدل چندوجهی از تیم Qwen علیبابا با معماری Mixture-of-Experts است که استدلال، کدنویسی و درک بصری و ویدیویی را با سرعت بالا ترکیب میکند.
Qwen3.8 Flash مدل چندوجهی تیم Qwen علیبابا است که ورودی متن، تصویر، ویدیو و صدا را میپذیرد و خروجی متنی تولید میکند. این مدل بر پایه معماری Mixture-of-Experts با ۱۲۵ میلیارد پارامتر اصلی، ۵۱ میلیارد پارامتر جاسازی N-gram و ۶ میلیارد پارامتر فعال در هر توکن ساخته شده و پنجره زمینه ۲۶۲٬۱۴۴ توکنی دارد. خروجی آن تا ۲۶۲٬۱۴۴ توکن برای محتوای استدلال و ۱۳۱٬۰۷۲ توکن برای پاسخ نهایی پشتیبانی میکند.
این مدل برای وظایف عاملمحور مانند کدنویسی عاملمحور، استفاده از ابزار، وظایف چندنوبتی عاملمحور، درک ویدیوهای بلند و وظایف اداری طراحی شده است. رفتار استدلال آن از طریق enable_thinking، preserve_thinking و reasoning_effort قابل کنترل است و سطوح تلاش استدلال xhigh، medium و low را ارائه میدهد. معماری A6B سرعت پیشپرکردن را حدود ۲.۵ برابر افزایش میدهد و مدل را برای اجرای محلی با Unsloth GGUF و llama.cpp و همچنین استقرار با vLLM، SGLang، TokenSpeed و Qwen Cloud مناسب میکند.
در ارزیابیها، Qwen3.8 Flash در آزمون استفاده موبایلی AndroidWorld امتیاز ۸۴.۵ را در برابر ۶۲.۰ برای Claude Opus 4.6 Max و در درک بصری دنیای واقعی امتیاز ۸۸.۵ را در برابر ۷۳.۹ برای همان مدل کسب کرده است. با این حال، کاهش تلاش استدلال همیشه زمان کلی تکمیل کار را کم نمیکند و میتواند به تحلیل ناکافی، شکستهای بیشتر و تلاشهای تکراری منجر شود.
بهروزرسانی:
MODEL ID
qwen3.8-flash- زمینه
- 1M
- حداکثر خروجی
- 131.072K
- API پیشنهادی
- messages
- ورودی
- text / image / video
- خروجی
- text
نکات برجسته
- مدل چندوجهی با ورودی متن، تصویر، ویدیو و صدا
- معماری Mixture-of-Experts با ۶ میلیارد پارامتر فعال در هر توکن
- پنجره زمینه ۲۶۲٬۱۴۴ توکنی
- کنترل رفتار استدلال با سطوح xhigh، medium و low
- سرعت پیشپرکردن حدود ۲.۵ برابر با معماری A6B
- پشتیبانی از اجرای محلی و استقرار ابری
ارائهدهندگان
قیمت API را بین ارائهدهندگان مقایسه کنید. یک ارائهدهنده را انتخاب کنید تا همه هزینهها و شرایط را ببینید.
| دسترسپذیری | ||||
|---|---|---|---|---|
| $0.15 | $0.47 | $0.016 |
آمار تاریخی بررسی زنده وضعیت نیست. نبود داده به معنی قطعی نیست.
با $10 چه میتوان خرید
- ورودی
- ۶۶٫۷ میلیون توکن
- خروجی
- ۲۱٫۳ میلیون توکن
برآورد بر اساس قیمتهای فعلی ورودی و خروجی، پیش از تخفیف.
بنچمارکها
- 55.8
BenchAlign
از ۱۰۰؛ رتبه ۶۵ از ۲۱۶ مدل
- 84.5
AndroidWorld
آزمون استفاده موبایلی؛ در مقایسه با Claude Opus 4.6 Max با ۶۲.۰
- 88.5
درک بصری دنیای واقعی
در مقایسه با Claude Opus 4.6 Max با ۷۳.۹
امتیازها همانگونه که ارائهدهنده مدل منتشر کرده است.
استدلال
- بهطور پیشفرض فعال
- بله
- همیشه فعال
- خیر
شروع سریع
کد آماده برای فراخوانی این مدل با APIهای سازگار با Felo API Platform. وقتی میخواهید پرامپتها را پیش از نوشتن کد آزمایش کنید، از Playground شروع کنید.
کلید API خود را بگیرید
از حساب Felo API Platform خود کلیدی بسازید و آن را بهعنوان متغیر محیطی تنظیم کنید.
export FELO_API_KEY="YOUR_API_KEY"اولین درخواست خود را بفرستید
این شناسه مدل را با endpoint Felo API Platform به کار ببرید. سرآیندهای اختیاری درخواست مانند X-Request-Id میتوانند در عیبیابی کمک کنند.
qwen3.8-flashاین مدل توان استدلال دارد. اگر پروتکل و مسیر مدل انتخابشده کنترلهای استدلال ارائه میدهند، هنگام ادامه گفتگو فراداده استدلال بازگشتی را نگه دارید.
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());استفاده از SDKهای شخص ثالث
از SDKهای سازگار با تنظیم baseURL روی این نشانی استفاده کنید: https://openapi.felo.ai/api/v1. برای کلاینتهای به سبک Claude از نشانی پایه سازگار با Anthropic استفاده کنید. https://openapi.felo.ai/api.
جریان را فعال کنید
برای دریافت پاسخها بهصورت رویدادهای ارسالی از سرور، stream: true را اضافه کنید.
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 سطوح سازگار برای فراخوانی مدل ارائه میکند. سطحی را انتخاب کنید که برنامه یا کلاینت عامل شما از قبل پشتیبانی میکند.
Messages
پیامهای سازگار با Anthropic برای کلاینتهای به سبک Claude.
POST
https://openapi.felo.ai/api/v1/messagesپارامترها
modelstringqwen3.8-flashشناسه عمومی مدل برای فراخوانی.max_tokensinteger—حداکثر token تولیدی.messagesarray—پیامهای گفتگو برای Chat Completions.seed———stop———toolsarray—تعریفهای فراخوانی ابزار بر پایه طرحواره سازگار.top_k———top_p———logprobs———reasoning———temperaturenumber—در صورت پشتیبانی، تنوع پاسخ را کنترل میکند.tool_choicestring or object—کنترل میکند آیا ابزاری باید فراخوانی شود.top_logprobs———response_formatobject—در صورت پشتیبانی، خروجی ساختاریافته درخواست میکند.presence_penalty———frequency_penalty———include_reasoning———structured_outputs———پرسشهای متداول
معرفی مدل: Qwen3.8 Flash?
Qwen3.8 Flash مدل چندوجهی تیم Qwen علیبابا است که ورودی متن، تصویر، ویدیو و صدا را میپذیرد و خروجی متنی تولید میکند. این مدل بر پایه معماری Mixture-of-Experts با ۱۲۵ میلیارد پارامتر اصلی، ۵۱ میلیارد پارامتر جاسازی N-gram و ۶ میلیارد پارامتر فعال در هر توکن ساخته شده و پنجره زمینه ۲۶۲٬۱۴۴ توکنی دارد. خروجی آن تا ۲۶۲٬۱۴۴ توکن برای محتوای استدلال و ۱۳۱٬۰۷۲ توکن برای پاسخ نهایی پشتیبانی میکند. این مدل برای وظایف عاملمحور مانند کدنویسی عاملمحور، استفاده از ابزار، وظایف چندنوبتی عاملمحور، درک ویدیوهای بلند و وظایف اداری طراحی شده است. رفتار استدلال آن از طریق enable_thinking، preserve_thinking و reasoning_effort قابل کنترل است و سطوح تلاش استدلال xhigh، medium و low را ارائه میدهد. معماری A6B سرعت پیشپرکردن را حدود ۲.۵ برابر افزایش میدهد و مدل را برای اجرای محلی با Unsloth GGUF و llama.cpp و همچنین استقرار با vLLM، SGLang، TokenSpeed و Qwen Cloud مناسب میکند. در ارزیابیها، Qwen3.8 Flash در آزمون استفاده موبایلی AndroidWorld امتیاز ۸۴.۵ را در برابر ۶۲.۰ برای Claude Opus 4.6 Max و در درک بصری دنیای واقعی امتیاز ۸۸.۵ را در برابر ۷۳.۹ برای همان مدل کسب کرده است. با این حال، کاهش تلاش استدلال همیشه زمان کلی تکمیل کار را کم نمیکند و میتواند به تحلیل ناکافی، شکستهای بیشتر و تلاشهای تکراری منجر شود.
هزینه استفاده چگونه محاسبه میشود؟
صورتحساب شما به ارائهدهندهای که استفاده میکنید، قیمتهای آن و میزان مصرف شما بستگی دارد. ورودیهای طولانیتر یا شرایط دیگر ممکن است قیمت متفاوتی داشته باشند.
Qwen3.8 Flash چه نوع ورودیهایی را پشتیبانی میکند؟
این مدل ورودی متن، تصویر، ویدیو و صدا را میپذیرد و خروجی متنی تولید میکند.
ظرفیت زمینه و محدودیت خروجی این مدل چقدر است؟
پنجره زمینه آن ۲۶۲٬۱۴۴ توکن است. خروجی تا ۲۶۲٬۱۴۴ توکن برای محتوای استدلال و ۱۳۱٬۰۷۲ توکن برای پاسخ نهایی پشتیبانی میکند.
Qwen3.8 Flash برای چه وظایفی مناسب است؟
برای کدنویسی عاملمحور، استفاده از ابزار، وظایف بینایی، وظایف چندنوبتی عاملمحور، درک ویدیوهای بلند و وظایف اداری مناسب است.
رفتار استدلال این مدل چگونه کنترل میشود؟
از طریق پارامترهای enable_thinking، preserve_thinking و reasoning_effort قابل کنترل است و سطوح تلاش استدلال xhigh، medium و low را ارائه میدهد.
آیا میتوان Qwen3.8 Flash را به صورت محلی اجرا کرد؟
بله، از طریق Unsloth GGUF و llama.cpp قابل اجرای محلی است و همچنین توسط vLLM، SGLang، TokenSpeed و Qwen Cloud پشتیبانی میشود.
تفاوت Qwen3.8 Flash با Qwen3.8-Flash-Next چیست؟
Qwen3.8-Flash-Next یک پیشنمایش تجربی با وزن باز از معماری برنامهریزیشده برای Qwen4 است که مکانیزمهای Hybrid Attention (QSA) و Gated Residual را دارد.