Felo API PlatformFelo API Platform
मॉडल पर वापस जाएँ
Qwenmessages

Qwen3.8 Flash API

Qwen3.8 Flash एक मल्टीमॉडल मॉडल है जो टेक्स्ट, इमेज, वीडियो और ऑडियो इनपुट के साथ तेज़ रीज़निंग और जनरेशन प्रदान करता है।

Qwen3.8 Flash अलीबाबा Qwen टीम द्वारा विकसित एक मल्टीमॉडल मॉडल है जो टेक्स्ट, इमेज, वीडियो और ऑडियो इनपुट को स्वीकार करके टेक्स्ट आउटपुट देता है। इसकी संदर्भ सीमा 262,144 टोकन है, जिसमें रीज़निंग सामग्री के लिए 262,144 टोकन और अंतिम उत्तर के लिए 131,072 टोकन शामिल हैं। यह Mixture-of-Experts आर्किटेक्चर पर आधारित है जिसमें 125B मुख्य पैरामीटर और 51B N-gram एम्बेडिंग्स हैं, तथा प्रति टोकन 6B पैरामीटर सक्रिय होते हैं।

यह मॉडल एजेंटिक कोडिंग, टूल उपयोग, विज़न कार्यों, मल्टी-टर्न एजेंटिक कार्यों, लंबे वीडियो की समझ, ऑफिस कार्यों और ऑडियो-वीडियो एजेंट वर्कफ़्लो जैसे संगीत वीडियो निर्माण और शॉर्ट ड्रामा प्रोडक्शन के लिए उपयुक्त है। enable_thinking, preserve_thinking और reasoning_effort के माध्यम से थिंकिंग व्यवहार को नियंत्रित किया जा सकता है, जिसमें xhigh, medium और low रीज़निंग प्रयास स्तर उपलब्ध हैं।

यह Unsloth GGUF और llama.cpp के माध्यम से स्थानीय रूप से चल सकता है, और vLLM, SGLang, TokenSpeed तथा Qwen Cloud द्वारा समर्थित है। A6B आर्किटेक्चर के कारण इसकी प्रीफ़िल गति लगभग 2.5 गुना तेज़ है। हालाँकि, कम रीज़निंग प्रयास हमेशा कार्य पूरा होने का समय कम नहीं करता और इससे अपर्याप्त विश्लेषण, अधिक विफलताएँ और बार-बार पुनः प्रयास हो सकते हैं।

समय-सीमितमुफ़्त ट्रायल

अपडेट किया गया:

मॉडल ID

qwen3.8-flash
कॉन्टेक्स्ट
1M
अधिकतम आउटपुट
131.072K
अनुशंसित API
messages
इनपुट
text / image / video
आउटपुट
text

मुख्य बातें

  • टेक्स्ट, इमेज, वीडियो और ऑडियो इनपुट समर्थन
  • 262,144 टोकन संदर्भ सीमा
  • A6B आर्किटेक्चर से लगभग 2.5 गुना तेज़ प्रीफ़िल
  • नियंत्रणीय थिंकिंग व्यवहार
  • स्थानीय रूप से चलाने योग्य
  • मोबाइल उपयोग और विज़ुअल समझ में मजबूत प्रदर्शन

प्रदाता

1 प्रदाता

प्रदाताओं के बीच API कीमतों की तुलना करें। सभी शुल्क और शर्तें देखने के लिए किसी प्रदाता को चुनें।

प्रदाता · कीमत का विवरण
उपलब्धता
$0.15$0.47$0.016

$10 में क्या मिलता है

इनपुट
6.7 क॰ token
आउटपुट
2.1 क॰ token

मौजूदा इनपुट और आउटपुट कीमतों से अनुमानित, छूट से पहले।

बेंचमार्क

  • BenchAlign

    100 में से; 216 मॉडलों में 65वाँ स्थान

    55.8
  • AndroidWorld

    मोबाइल उपयोग परीक्षण; Claude Opus 4.6 Max के 62.0 की तुलना में

    84.5
  • वास्तविक दुनिया की विज़ुअल समझ

    Claude Opus 4.6 Max के 73.9 की तुलना में

    88.5

स्कोर मॉडल प्रदाता के प्रकाशित आँकड़ों के अनुसार।

रीज़निंग

डिफ़ॉल्ट रूप से सक्षम
हाँ
हमेशा सक्षम
नहीं

त्वरित शुरुआत

Felo API Platform के संगत API के साथ इस मॉडल को कॉल करने के लिए तैयार कोड। कोड लिखने से पहले प्रॉम्प्ट आज़माना हो तो Playground में शुरू करें।

1

अपनी API key लें

अपने Felo API Platform खाते से एक key बनाएँ और उसे environment variable के रूप में सेट करें।

export FELO_API_KEY="YOUR_API_KEY"
2

अपना पहला अनुरोध भेजें

इस मॉडल ID को Felo API Platform endpoint के साथ इस्तेमाल करें। X-Request-Id जैसे वैकल्पिक रिक्वेस्ट हेडर समस्या हल करने में मदद कर सकते हैं।

qwen3.8-flash

यह मॉडल रीज़निंग में सक्षम है। अगर आपका चुना हुआ प्रोटोकॉल और मॉडल रूट रीज़निंग कंट्रोल उपलब्ध कराते हैं, तो बातचीत जारी रखते समय लौटाए गए रीज़निंग मेटाडेटा को सुरक्षित रखें।

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());

थर्ड-पार्टी SDK इस्तेमाल करना

संगत SDK में baseURL को इस पर सेट करें https://openapi.felo.ai/api/v1. Claude-शैली के क्लाइंट के लिए Anthropic-संगत base URL इस्तेमाल करें। https://openapi.felo.ai/api.

3

स्ट्रीमिंग चालू करें

रिस्पॉन्स को server-sent events के रूप में पाने के लिए stream: true जोड़ें।

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 संगत मॉडल-कॉलिंग सतहें उपलब्ध कराता है। वह सतह चुनें जिसे आपका ऐप या एजेंट क्लाइंट पहले से समर्थन करता है।

सतहमेथडURL

Messages

Claude-शैली के क्लाइंट के लिए Anthropic-संगत मैसेज।

POST

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

पैरामीटर

नामप्रकारडिफ़ॉल्टविवरण
modelstringqwen3.8-flashकॉल करने के लिए सार्वजनिक मॉडल ID।
max_tokensinteger—जनरेट किए जाने वाले अधिकतम token।
messagesarray—Chat Completions के लिए बातचीत के मैसेज।
seed———
stop———
toolsarray—संगत schema का पालन करने वाली tool calling परिभाषाएँ।
top_k———
top_p———
logprobs———
reasoning———
temperaturenumber—समर्थित होने पर रिस्पॉन्स की विविधता नियंत्रित करता है।
tool_choicestring or object—नियंत्रित करता है कि कोई tool कॉल किया जाना चाहिए या नहीं।
top_logprobs———
response_formatobject—समर्थित होने पर स्ट्रक्चर्ड आउटपुट का अनुरोध करता है।
presence_penalty———
frequency_penalty———
include_reasoning———
structured_outputs———

अक्सर पूछे जाने वाले प्रश्न

मॉडल परिचय: Qwen3.8 Flash?

Qwen3.8 Flash अलीबाबा Qwen टीम द्वारा विकसित एक मल्टीमॉडल मॉडल है जो टेक्स्ट, इमेज, वीडियो और ऑडियो इनपुट को स्वीकार करके टेक्स्ट आउटपुट देता है। इसकी संदर्भ सीमा 262,144 टोकन है, जिसमें रीज़निंग सामग्री के लिए 262,144 टोकन और अंतिम उत्तर के लिए 131,072 टोकन शामिल हैं। यह Mixture-of-Experts आर्किटेक्चर पर आधारित है जिसमें 125B मुख्य पैरामीटर और 51B N-gram एम्बेडिंग्स हैं, तथा प्रति टोकन 6B पैरामीटर सक्रिय होते हैं। यह मॉडल एजेंटिक कोडिंग, टूल उपयोग, विज़न कार्यों, मल्टी-टर्न एजेंटिक कार्यों, लंबे वीडियो की समझ, ऑफिस कार्यों और ऑडियो-वीडियो एजेंट वर्कफ़्लो जैसे संगीत वीडियो निर्माण और शॉर्ट ड्रामा प्रोडक्शन के लिए उपयुक्त है। enable_thinking, preserve_thinking और reasoning_effort के माध्यम से थिंकिंग व्यवहार को नियंत्रित किया जा सकता है, जिसमें xhigh, medium और low रीज़निंग प्रयास स्तर उपलब्ध हैं। यह Unsloth GGUF और llama.cpp के माध्यम से स्थानीय रूप से चल सकता है, और vLLM, SGLang, TokenSpeed तथा Qwen Cloud द्वारा समर्थित है। A6B आर्किटेक्चर के कारण इसकी प्रीफ़िल गति लगभग 2.5 गुना तेज़ है। हालाँकि, कम रीज़निंग प्रयास हमेशा कार्य पूरा होने का समय कम नहीं करता और इससे अपर्याप्त विश्लेषण, अधिक विफलताएँ और बार-बार पुनः प्रयास हो सकते हैं।

उपयोग का शुल्क कैसे लगता है?

आपका बिल इस बात पर निर्भर करता है कि आप कौन-सा प्रदाता उपयोग करते हैं, उसकी कीमतें और आपका उपयोग। लंबे इनपुट या अन्य शर्तों पर अलग कीमतें लागू हो सकती हैं।

Qwen3.8 Flash कौन-कौन से इनपुट का समर्थन करता है?

यह टेक्स्ट, इमेज, वीडियो और ऑडियो इनपुट का समर्थन करता है तथा टेक्स्ट आउटपुट देता है।

इसकी संदर्भ और आउटपुट सीमा क्या है?

संदर्भ सीमा 262,144 टोकन है। इसमें रीज़निंग सामग्री के लिए 262,144 टोकन और अंतिम उत्तर के लिए 131,072 टोकन शामिल हैं।

क्या रीज़निंग प्रयास को नियंत्रित किया जा सकता है?

हाँ, enable_thinking, preserve_thinking और reasoning_effort के माध्यम से थिंकिंग व्यवहार नियंत्रित किया जा सकता है। रीज़निंग प्रयास स्तर xhigh, medium और low उपलब्ध हैं।

क्या इसे स्थानीय रूप से चलाया जा सकता है?

हाँ, यह Unsloth GGUF और llama.cpp के माध्यम से स्थानीय रूप से चल सकता है। इसके अलावा vLLM, SGLang, TokenSpeed और Qwen Cloud द्वारा भी समर्थित है।

कम रीज़निंग प्रयास के क्या नुकसान हो सकते हैं?

कम रीज़निंग प्रयास हमेशा कार्य पूरा होने का समय कम नहीं करता; इससे अपर्याप्त विश्लेषण, अधिक विफलताएँ और बार-बार पुनः प्रयास हो सकते हैं।

लंबे संदर्भ के लिए क्या अनुशंसित है?

262,144 टोकन से अधिक लंबे संदर्भ प्रसंस्करण के लिए YaRN जैसे RoPE स्केलिंग की सिफारिश की जाती है।

संबंधित मॉडल