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
Confronta i prezzi delle API tra fornitori. Seleziona un fornitore per vedere tutti i costi e le condizioni.
| Disponibilità | ||||
|---|---|---|---|---|
| $0.15 | $0.47 | $0.016 |
Le statistiche storiche non sono un controllo in tempo reale. I dati mancanti non indicano un guasto.
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
- 55.8
BenchAlign
su 100; 65º posto su 216 modelli
- 84.5
AndroidWorld
test di uso mobile; confrontato con Claude Opus 4.6 Max a 62.0
- 88.5
Comprensione visiva del mondo reale
confrontato con Claude Opus 4.6 Max a 73.9
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.
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"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-flashQuesto 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.
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.
Messages
Messaggi compatibili con Anthropic per i client in stile Claude.
POST
https://openapi.felo.ai/api/v1/messagesParametri
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.