Qwen3.8 Flash API
Qwen3.8 Flash는 텍스트·이미지·비디오·오디오 입력을 처리하는 멀티모달 추론 및 생성 모델입니다.
Qwen3.8 Flash는 Alibaba Qwen team이 개발한 멀티모달 모델로, 텍스트·이미지·비디오·오디오 입력을 받아 텍스트를 출력합니다. 262,144 토큰의 컨텍스트를 지원하며, 추론 콘텐츠는 최대 262,144 토큰, 최종 응답은 최대 131,072 토큰까지 생성할 수 있습니다. Mixture-of-Experts 아키텍처를 채택해 메인 파라미터 125B, N-gram 임베딩 51B, 토큰당 활성 파라미터 6B로 동작합니다.
에이전트 코딩, 도구 사용, 비전 작업, 장시간 비디오 이해, 사무 작업 등에 적합합니다. enable_thinking, preserve_thinking, reasoning_effort를 통해 사고 동작을 제어할 수 있으며, xhigh·medium·low의 추론 노력 수준을 제공합니다. Unsloth GGUF와 llama.cpp를 통해 로컬 실행이 가능하고, vLLM·SGLang·TokenSpeed·Qwen Cloud에서 지원됩니다.
A6B 아키텍처 덕분에 프리필 속도가 약 2.5배 빠르며, 모바일 사용과 실제 환경 시각 이해 테스트에서 Claude Opus 4.6 Max를 능가합니다. 다만 낮은 추론 노력 수준이 항상 전체 작업 완료 시간을 줄이지는 않으며, 분석 부족으로 실패와 재시도가 늘어날 수 있습니다. 262,144 토큰을 넘는 장문 컨텍스트 처리에는 YaRN과 같은 RoPE 스케일링을 권장합니다.
업데이트:
모델 ID
qwen3.8-flash- 컨텍스트
- 1M
- 최대 출력
- 131.072K
- 권장 API
- messages
- 입력
- text / image / video
- 출력
- text
주요 특징
- 텍스트·이미지·비디오·오디오 입력 지원
- 262,144 토큰 컨텍스트
- 토큰당 활성 파라미터 6B의 MoE 구조
- 프리필 속도 약 2.5배 향상
- 추론 노력 수준 조정 가능
- Unsloth GGUF·llama.cpp 로컬 실행
제공 업체
제공 업체별 API 요금을 비교하세요. 공급자를 선택하면 전체 요금과 적용 조건을 확인할 수 있습니다.
| 가동률 | ||||
|---|---|---|---|---|
| $0.15 | $0.47 | $0.016 |
과거 통계는 실시간 상태 확인이 아닙니다. 데이터 누락이 장애를 뜻하지는 않습니다.
10달러로 얼마나 쓸 수 있나
- 입력
- 6666.7만 토큰
- 출력
- 2127.7만 토큰
현재 입력·출력 요금으로 계산한 추정치이며 할인은 포함하지 않습니다.
벤치마크
- 55.8
BenchAlign
100점 만점, 216개 모델 중 65위
- 84.5
AndroidWorld
모바일 사용 테스트, Claude Opus 4.6 Max 62.0과 비교
- 88.5
실제 환경 시각 이해
Claude Opus 4.6 Max 73.9와 비교
점수는 모델 제공 업체가 공개한 값입니다.
추론
- 기본 활성화
- 예
- 항상 활성화
- 아니요
Quick Start
Felo API Platform 호환 API로 이 모델을 호출하는 코드입니다. 코드를 작성하기 전에 Playground에서 prompt를 테스트할 수 있습니다.
API key 설정
Felo API Platform 계정에서 key를 만들고 환경 변수로 설정하세요.
export FELO_API_KEY="YOUR_API_KEY"첫 요청 보내기
이 모델 ID를 Felo API Platform endpoint와 함께 사용하세요. X-Request-Id 같은 선택 요청 헤더는 문제 해결에 도움이 됩니다.
qwen3.8-flash이 모델은 reasoning을 지원합니다. 선택한 protocol과 모델 라우트가 reasoning controls를 제공하는 경우 대화를 이어갈 때 반환된 reasoning metadata를 보존하세요.
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());타사 SDK 사용
호환 SDK에서는 baseURL을 다음으로 설정합니다 https://openapi.felo.ai/api/v1. Claude-style clients에는 Anthropic-compatible base URL을 사용하세요. https://openapi.felo.ai/api.
Streaming 활성화
stream: true를 추가하면 server-sent events로 응답을 받을 수 있습니다.
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 Platform은 호환 가능한 모델 호출 surface를 제공합니다. 앱이나 Agent client가 이미 지원하는 surface를 선택하세요.
Messages
Anthropic-compatible messages for Claude-style clients.
POST
https://openapi.felo.ai/api/v1/messagesParameters
modelstringqwen3.8-flash호출할 공개 모델 ID.max_tokensinteger—생성할 최대 tokens.messagesarray—Chat Completions의 대화 메시지.seed———stop———toolsarray—호환 schema를 따르는 tool calling definitions.top_k———top_p———logprobs———reasoning———temperaturenumber—지원되는 경우 응답 다양성을 제어합니다.tool_choicestring or object—tool 호출 여부를 제어합니다.top_logprobs———response_formatobject—지원 시 structured output을 요청합니다.presence_penalty———frequency_penalty———include_reasoning———structured_outputs———자주 묻는 질문
모델 소개: Qwen3.8 Flash?
Qwen3.8 Flash는 Alibaba Qwen team이 개발한 멀티모달 모델로, 텍스트·이미지·비디오·오디오 입력을 받아 텍스트를 출력합니다. 262,144 토큰의 컨텍스트를 지원하며, 추론 콘텐츠는 최대 262,144 토큰, 최종 응답은 최대 131,072 토큰까지 생성할 수 있습니다. Mixture-of-Experts 아키텍처를 채택해 메인 파라미터 125B, N-gram 임베딩 51B, 토큰당 활성 파라미터 6B로 동작합니다. 에이전트 코딩, 도구 사용, 비전 작업, 장시간 비디오 이해, 사무 작업 등에 적합합니다. enable_thinking, preserve_thinking, reasoning_effort를 통해 사고 동작을 제어할 수 있으며, xhigh·medium·low의 추론 노력 수준을 제공합니다. Unsloth GGUF와 llama.cpp를 통해 로컬 실행이 가능하고, vLLM·SGLang·TokenSpeed·Qwen Cloud에서 지원됩니다. A6B 아키텍처 덕분에 프리필 속도가 약 2.5배 빠르며, 모바일 사용과 실제 환경 시각 이해 테스트에서 Claude Opus 4.6 Max를 능가합니다. 다만 낮은 추론 노력 수준이 항상 전체 작업 완료 시간을 줄이지는 않으며, 분석 부족으로 실패와 재시도가 늘어날 수 있습니다. 262,144 토큰을 넘는 장문 컨텍스트 처리에는 YaRN과 같은 RoPE 스케일링을 권장합니다.
사용 요금은 어떻게 계산되나요?
이용하는 제공 업체의 요금과 실제 사용량에 따라 비용이 결정됩니다. 긴 입력 등에는 다른 요금이 적용될 수 있습니다.
Qwen3.8 Flash는 어떤 입력을 지원하나요?
텍스트, 이미지, 비디오, 오디오 입력을 지원하며 텍스트를 출력합니다.
컨텍스트와 출력 길이는 어떻게 되나요?
262,144 토큰의 컨텍스트를 지원하며, 추론 콘텐츠는 최대 262,144 토큰, 최종 응답은 최대 131,072 토큰까지 출력할 수 있습니다.
어떤 작업에 적합한가요?
에이전트 코딩, 도구 사용, 비전 작업, 장시간 비디오 이해, 사무 작업에 적합합니다.
추론 노력 수준을 조정할 수 있나요?
enable_thinking, preserve_thinking, reasoning_effort를 통해 사고 동작을 제어할 수 있으며, xhigh·medium·low 수준을 제공합니다.
로컬에서 실행할 수 있나요?
Unsloth GGUF와 llama.cpp를 통해 로컬 실행이 가능하며, vLLM·SGLang·TokenSpeed·Qwen Cloud에서도 지원됩니다.