Felo API PlatformFelo API Platform
Torna ai modelli
Qwenmessages

Qwen3.8 Flash API

Qwen3.8 Flash è un modello multimodale con architettura Mixture-of-Experts da 125B parametri principali e 6B attivati per token, veloce nel prefill e adatto a coding agentico, uso di strumenti e comprensione di immagini e video.

Qwen3.8 Flash è un modello sviluppato dal team Alibaba Qwen che combina capacità di ragionamento e generazione multimodale con una notevole velocità. L'architettura Mixture-of-Experts prevede 125B parametri principali, 51B parametri di embedding N-gram e 6B parametri attivati per token; grazie all'architettura A6B la velocità di prefill risulta circa 2,5 volte superiore. Supporta input testuali, immagini, video e audio, con output testuale, e offre un contesto di 262.144 token, con un limite di output di 262.144 token per il contenuto di ragionamento e 131.072 token per la risposta finale.

Il modello è pensato per attività di coding agentico, uso di strumenti, compiti d'ufficio, comprensione visiva e di video lunghi, oltre a flussi di lavoro agentici multi-turno che includono audio e video, come la creazione di videoclip musicali e la produzione di serie brevi. Il comportamento di ragionamento è controllabile tramite i parametri enable_thinking, preserve_thinking e reasoning_effort, con livelli xhigh, medium e low; va notato che un livello di ragionamento inferiore non riduce sempre il tempo complessivo di completamento e può causare analisi insufficienti, più fallimenti e tentativi ripetuti.

Qwen3.8 Flash può essere eseguito localmente tramite Unsloth GGUF e llama.cpp ed è supportato da vLLM, SGLang, TokenSpeed e Qwen Cloud. Per l'elaborazione di contesti oltre 262.144 token si raccomanda lo scaling RoPE, ad esempio YaRN. In modalità thinking i parametri di campionamento consigliati sono temperature 1.0, top_p 0.95, top_k 20, min_p 0.0, presence_penalty 0.0 e repetition_penalty 1.0; in modalità instruct o non-thinking si consigliano temperature 0.7, top_p 0.80, top_k 20, min_p 0.0, presence_penalty 1.5 e repetition_penalty 1.0.

Aggiornato:

ID MODELLO

qwen3.8-flash
Contesto
1M
Output max
131.072K
API consigliata
messages
Input
text / image / video
Output
text

In evidenza

  • Architettura Mixture-of-Experts con 125B parametri principali
  • 6B parametri attivati per token
  • Prefill circa 2,5 volte più veloce grazie ad A6B
  • Input testuali, immagini, video e audio
  • Contesto fino a 262.144 token
  • Esecuzione locale via Unsloth GGUF e llama.cpp

Fornitori

1 fornitori

Confronta i prezzi delle API tra fornitori. Seleziona un fornitore per vedere tutti i costi e le condizioni.

Fornitore · Dettagli dei prezzi
Disponibilità
$0.15$0.47$0.016

Cosa acquisti con $10

Input
66,7 Mln token
Output
21,3 Mln token

Stima basata sui prezzi attuali di input e output, esclusi gli sconti.

Benchmark

  • BenchAlign

    su 100; 65º posto su 216 modelli

    55.8
  • AndroidWorld

    test di uso mobile; confrontato con Claude Opus 4.6 Max a 62.0

    84.5
  • Comprensione visiva del mondo reale

    confrontato con Claude Opus 4.6 Max a 73.9

    88.5

Punteggi come pubblicati dal fornitore del modello.

Ragionamento

Attivo per impostazione predefinita
Sì
Sempre attivo
No

Avvio rapido

Codice pronto all'uso per chiamare questo modello con le API compatibili di Felo API Platform. Inizia nel Playground se vuoi testare i prompt prima di scrivere codice.

1

Imposta la chiave API

Crea una chiave dal tuo account Felo API Platform e impostala come variabile d'ambiente.

export FELO_API_KEY="YOUR_API_KEY"
2

Invia la prima richiesta

Usa questo ID modello con l'endpoint Felo API Platform. Le intestazioni facoltative come X-Request-Id aiutano nella risoluzione dei problemi.

qwen3.8-flash

Questo modello è in grado di ragionare. Se il protocollo selezionato e la route del modello espongono controlli di ragionamento, conserva i metadati di ragionamento restituiti quando continui la conversazione.

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());

Usare SDK di terze parti

Negli SDK compatibili imposta baseURL su https://openapi.felo.ai/api/v1. Per i client in stile Claude, usa la base URL compatibile con Anthropic. https://openapi.felo.ai/api.

3

Attiva lo streaming

Aggiungi stream: true per ricevere le risposte come 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 espone superfici compatibili per le chiamate ai modelli. Scegli la superficie che la tua app o il tuo client agente già supporta.

SurfaceMethodURL

Messages

Messaggi compatibili con Anthropic per i client in stile Claude.

POST

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

Parametri

NomeTipoPredefinitoDescrizione
modelstringqwen3.8-flashID pubblico del modello da chiamare.
max_tokensinteger—Numero massimo di token generati.
messagesarray—Messaggi della conversazione per Chat Completions.
seed———
stop———
toolsarray—Definizioni di tool calling secondo lo schema compatibile.
top_k———
top_p———
logprobs———
reasoning———
temperaturenumber—Controlla la varietà delle risposte quando supportato.
tool_choicestring or object—Controlla se uno strumento deve essere chiamato.
top_logprobs———
response_formatobject—Richiede output strutturato quando supportato.
presence_penalty———
frequency_penalty———
include_reasoning———
structured_outputs———

Domande frequenti

Cos'è Qwen3.8 Flash?

Qwen3.8 Flash è un modello sviluppato dal team Alibaba Qwen che combina capacità di ragionamento e generazione multimodale con una notevole velocità. L'architettura Mixture-of-Experts prevede 125B parametri principali, 51B parametri di embedding N-gram e 6B parametri attivati per token; grazie all'architettura A6B la velocità di prefill risulta circa 2,5 volte superiore. Supporta input testuali, immagini, video e audio, con output testuale, e offre un contesto di 262.144 token, con un limite di output di 262.144 token per il contenuto di ragionamento e 131.072 token per la risposta finale. Il modello è pensato per attività di coding agentico, uso di strumenti, compiti d'ufficio, comprensione visiva e di video lunghi, oltre a flussi di lavoro agentici multi-turno che includono audio e video, come la creazione di videoclip musicali e la produzione di serie brevi. Il comportamento di ragionamento è controllabile tramite i parametri enable_thinking, preserve_thinking e reasoning_effort, con livelli xhigh, medium e low; va notato che un livello di ragionamento inferiore non riduce sempre il tempo complessivo di completamento e può causare analisi insufficienti, più fallimenti e tentativi ripetuti. Qwen3.8 Flash può essere eseguito localmente tramite Unsloth GGUF e llama.cpp ed è supportato da vLLM, SGLang, TokenSpeed e Qwen Cloud. Per l'elaborazione di contesti oltre 262.144 token si raccomanda lo scaling RoPE, ad esempio YaRN. In modalità thinking i parametri di campionamento consigliati sono temperature 1.0, top_p 0.95, top_k 20, min_p 0.0, presence_penalty 0.0 e repetition_penalty 1.0; in modalità instruct o non-thinking si consigliano temperature 0.7, top_p 0.80, top_k 20, min_p 0.0, presence_penalty 1.5 e repetition_penalty 1.0.

Come viene addebitato l'utilizzo?

La fattura dipende dal fornitore che usi, dai suoi prezzi e dal tuo utilizzo. Input più lunghi o altre condizioni possono avere prezzi diversi.

Quali tipi di input supporta Qwen3.8 Flash?

Qwen3.8 Flash accetta input testuali, immagini, video e audio, e produce output testuale.

Qual è la lunghezza del contesto e dell'output?

Il contesto è di 262.144 token. Il limite di output è di 262.144 token per il contenuto di ragionamento e 131.072 token per la risposta finale.

Per quali attività è più adatto?

È indicato per coding agentico, uso di strumenti, attività di visione, compiti d'ufficio, comprensione di video lunghi e flussi di lavoro agentici multi-turno che includono audio e video.

Come si controlla il comportamento di ragionamento?

Tramite i parametri enable_thinking, preserve_thinking e reasoning_effort, con livelli xhigh, medium e low. Un livello inferiore non riduce sempre il tempo complessivo e può portare a più fallimenti e tentativi ripetuti.

Come può essere eseguito localmente?

Qwen3.8 Flash può essere eseguito localmente tramite Unsloth GGUF e llama.cpp ed è supportato da vLLM, SGLang, TokenSpeed e Qwen Cloud.

Cosa si consiglia per contesti oltre 262.144 token?

Per l'elaborazione di contesti oltre 262.144 token si raccomanda lo scaling RoPE, come YaRN.

Modelli correlati