Qwen3.8 Flash API
Qwen3.8 Flash adalah model multimodal dari tim Alibaba Qwen yang menggabungkan penalaran dan generasi cepat, mendukung input teks, gambar, video, dan audio serta unggul dalam tugas pengkodean dan kantor.
Qwen3.8 Flash adalah model multimodal dari tim Alibaba Qwen yang dirancang untuk penalaran dan generasi. Model ini menerima input teks, gambar, video, dan audio, serta menghasilkan output teks. Dengan konteks 262.144 token, model ini mampu menangani percakapan panjang dan dokumen besar. Arsitektur Mixture-of-Experts-nya memiliki 125B parameter utama, 51B parameter embedding N-gram, dan hanya 6B parameter yang diaktifkan per token. Berkat arsitektur A6B, kecepatan prefill menjadi sekitar 2,5 kali lebih cepat.
Model ini sangat cocok untuk tugas pengkodean agentik, penggunaan alat, tugas visi, tugas kantor, serta alur kerja audio dan video seperti pembuatan video musik dan produksi drama pendek. Kemampuan penalaran dan generasi yang kuat dipadukan dengan kecepatan tinggi membuatnya efisien untuk tugas multi-putaran dan video panjang. Perilaku berpikir dapat dikontrol melalui enable_thinking, preserve_thinking, dan reasoning_effort dengan tingkat xhigh, medium, dan low.
Qwen3.8 Flash dapat dijalankan secara lokal melalui Unsloth GGUF dan llama.cpp, serta didukung oleh vLLM, SGLang, TokenSpeed, dan Qwen Cloud. Untuk pemrosesan konteks panjang melebihi 262.144 token, disarankan menggunakan penskalaan RoPE seperti YaRN. Pada mode berpikir, parameter sampling yang disarankan adalah temperature 1.0, top_p 0.95, top_k 20, min_p 0.0, presence_penalty 0.0, dan repetition_penalty 1.0. Pada mode instruct atau non-berpikir, parameter yang disarankan adalah temperature 0.7, top_p 0.80, top_k 20, min_p 0.0, presence_penalty 1.5, dan repetition_penalty 1.0.
Diperbarui:
ID MODEL
qwen3.8-flash- Konteks
- 1M
- Output maks
- 131.072K
- API yang direkomendasikan
- messages
- Masukan
- text / image / video
- Keluaran
- text
Sorotan
- Input teks, gambar, video, dan audio
- Konteks 262.144 token
- Arsitektur Mixture-of-Experts 125B parameter
- Kecepatan prefill 2,5 kali lebih cepat
- Dukungan Unsloth GGUF dan llama.cpp
- Tingkat upaya penalaran xhigh, medium, low
Penyedia
Bandingkan harga API antarpenyedia. Pilih penyedia untuk melihat semua biaya dan ketentuan.
| Ketersediaan | ||||
|---|---|---|---|---|
| $0.15 | $0.47 | $0.016 |
Statistik historis bukan pemeriksaan langsung. Data yang hilang tidak berarti gangguan.
Yang bisa dibeli dengan $10
- Masukan
- 66,7 jt token
- Keluaran
- 21,3 jt token
Perkiraan dari harga masukan dan keluaran saat ini, sebelum diskon.
Tolok ukur
- 55.8
BenchAlign
dari 100; peringkat 65 dari 216 model
- 84.5
AndroidWorld
uji penggunaan seluler; dibandingkan dengan Claude Opus 4.6 Max pada 62.0
- 88.5
Pemahaman visual dunia nyata
dibandingkan dengan Claude Opus 4.6 Max pada 73.9
Skor sesuai publikasi penyedia model.
Penalaran
- Aktif secara bawaan
- Ya
- Selalu aktif
- Tidak
Mulai cepat
Kode siap pakai untuk memanggil model ini dengan API yang kompatibel dari Felo API Platform. Mulai di Playground jika Anda ingin menguji prompt sebelum menulis kode.
Siapkan kunci API
Buat kunci dari akun Felo API Platform Anda dan tetapkan sebagai variabel lingkungan.
export FELO_API_KEY="YOUR_API_KEY"Kirim permintaan pertama
Gunakan ID model ini dengan endpoint Felo API Platform. Header permintaan opsional seperti X-Request-Id dapat membantu pemecahan masalah.
qwen3.8-flashModel ini mampu melakukan penalaran. Jika protokol dan rute model yang Anda pilih menyediakan kontrol penalaran, pertahankan metadata penalaran yang dikembalikan saat melanjutkan percakapan.
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());Menggunakan SDK pihak ketiga
Pada SDK yang kompatibel, tetapkan baseURL ke https://openapi.felo.ai/api/v1. Untuk klien bergaya Claude, gunakan base URL yang kompatibel dengan Anthropic. https://openapi.felo.ai/api.
Aktifkan streaming
Tambahkan stream: true untuk menerima respons sebagai 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 menyediakan antarmuka pemanggilan model yang kompatibel. Pilih antarmuka yang sudah didukung aplikasi atau klien agen Anda.
Messages
Pesan yang kompatibel dengan Anthropic untuk klien bergaya Claude.
POST
https://openapi.felo.ai/api/v1/messagesParameter
modelstringqwen3.8-flashID model publik yang akan dipanggil.max_tokensinteger—Jumlah maksimum token yang dihasilkan.messagesarray—Pesan percakapan untuk Chat Completions.seed———stop———toolsarray—Definisi tool calling sesuai skema yang kompatibel.top_k———top_p———logprobs———reasoning———temperaturenumber—Mengontrol variasi respons jika didukung.tool_choicestring or object—Mengontrol apakah suatu alat harus dipanggil.top_logprobs———response_formatobject—Meminta output terstruktur jika didukung.presence_penalty———frequency_penalty———include_reasoning———structured_outputs———Pertanyaan umum
Mengenal Qwen3.8 Flash?
Qwen3.8 Flash adalah model multimodal dari tim Alibaba Qwen yang dirancang untuk penalaran dan generasi. Model ini menerima input teks, gambar, video, dan audio, serta menghasilkan output teks. Dengan konteks 262.144 token, model ini mampu menangani percakapan panjang dan dokumen besar. Arsitektur Mixture-of-Experts-nya memiliki 125B parameter utama, 51B parameter embedding N-gram, dan hanya 6B parameter yang diaktifkan per token. Berkat arsitektur A6B, kecepatan prefill menjadi sekitar 2,5 kali lebih cepat. Model ini sangat cocok untuk tugas pengkodean agentik, penggunaan alat, tugas visi, tugas kantor, serta alur kerja audio dan video seperti pembuatan video musik dan produksi drama pendek. Kemampuan penalaran dan generasi yang kuat dipadukan dengan kecepatan tinggi membuatnya efisien untuk tugas multi-putaran dan video panjang. Perilaku berpikir dapat dikontrol melalui enable_thinking, preserve_thinking, dan reasoning_effort dengan tingkat xhigh, medium, dan low. Qwen3.8 Flash dapat dijalankan secara lokal melalui Unsloth GGUF dan llama.cpp, serta didukung oleh vLLM, SGLang, TokenSpeed, dan Qwen Cloud. Untuk pemrosesan konteks panjang melebihi 262.144 token, disarankan menggunakan penskalaan RoPE seperti YaRN. Pada mode berpikir, parameter sampling yang disarankan adalah temperature 1.0, top_p 0.95, top_k 20, min_p 0.0, presence_penalty 0.0, dan repetition_penalty 1.0. Pada mode instruct atau non-berpikir, parameter yang disarankan adalah temperature 0.7, top_p 0.80, top_k 20, min_p 0.0, presence_penalty 1.5, dan repetition_penalty 1.0.
Bagaimana penggunaan ditagih?
Tagihan Anda bergantung pada penyedia yang digunakan, tarifnya, dan penggunaan Anda. Masukan yang lebih panjang atau ketentuan lain dapat memiliki harga berbeda.
Modalitas input apa yang didukung Qwen3.8 Flash?
Model ini mendukung input teks, gambar, video, dan audio, serta menghasilkan output teks.
Berapa panjang konteks dan batas output Qwen3.8 Flash?
Konteksnya mencapai 262.144 token. Batas output adalah 262.144 token untuk konten penalaran dan 131.072 token untuk respons akhir.
Tugas apa yang paling cocok untuk Qwen3.8 Flash?
Model ini cocok untuk pengkodean agentik, penggunaan alat, tugas visi, tugas kantor, pemahaman video panjang, serta alur kerja audio dan video seperti pembuatan video musik dan produksi drama pendek.
Bagaimana cara mengontrol perilaku berpikir Qwen3.8 Flash?
Perilaku berpikir dapat dikontrol melalui enable_thinking, preserve_thinking, dan reasoning_effort. Tersedia tingkat upaya penalaran xhigh, medium, dan low.
Bagaimana cara menjalankan Qwen3.8 Flash secara lokal?
Model ini dapat dijalankan secara lokal melalui Unsloth GGUF dan llama.cpp, serta didukung oleh vLLM, SGLang, TokenSpeed, dan Qwen Cloud.
Apa perbedaan Qwen3.8 Flash dengan model lain di seri Qwen3.8?
Qwen3.8-Flash-Next adalah pratinjau eksperimental berbobot terbuka dengan Hybrid Attention (QSA) dan Gated Residual untuk arsitektur yang direncanakan pada Qwen4. Qwen3.8-Omni-Flash dan Qwen3.8 27B adalah varian lain dalam seri yang sama.