Qwen3.8 Flash API
Modelo multimodal da Alibaba Qwen com arquitetura Mixture-of-Experts, contexto de 262.144 tokens e raciocínio controlável para tarefas de codificação, visão e agentes.
O Qwen3.8 Flash é um modelo multimodal da equipe Alibaba Qwen que aceita texto, imagem, vídeo e áudio como entrada e gera texto. Sua arquitetura Mixture-of-Experts conta com 125B parâmetros principais, 51B parâmetros de embeddings N-gram e 6B parâmetros ativados por token, o que contribui para uma velocidade de prefill cerca de 2,5 vezes maior. O modelo oferece comportamento de raciocínio controlável por meio de enable_thinking, preserve_thinking e reasoning_effort, com níveis xhigh, medium e low.
Com contexto de 262.144 tokens e limite de saída de 262.144 tokens para conteúdo de raciocínio e 131.072 tokens para a resposta final, o Qwen3.8 Flash é adequado para tarefas de codificação agêntica, uso de ferramentas, compreensão de visão e vídeos longos, além de fluxos de trabalho com áudio e vídeo, como criação de videoclipes musicais e produção de séries curtas. Ele também se destaca em tarefas de escritório, combinando raciocínio e geração com velocidade notável.
O modelo pode ser executado localmente via Unsloth GGUF e llama.cpp, e é suportado por vLLM, SGLang, TokenSpeed e Qwen Cloud. Em benchmarks, supera o Claude Opus 4.6 Max em testes de uso móvel e compreensão visual do mundo real. Para processamento de contexto além de 262.144 tokens, recomenda-se o uso de RoPE scaling, como YaRN.
Atualizado:
ID DO MODELO
qwen3.8-flash- Contexto
- 1M
- Saída máxima
- 131.072K
- API recomendada
- messages
- Entrada
- text / image / video
- Saída
- text
Destaques
- Multimodal: texto, imagem, vídeo e áudio
- Contexto de 262.144 tokens
- Raciocínio controlável com três níveis
- Arquitetura MoE com 6B parâmetros ativos por token
- Prefill cerca de 2,5 vezes mais rápido
- Execução local via Unsloth GGUF e llama.cpp
Provedores
Compare os preços de API entre provedores. Selecione um provedor para ver todos os preços e condições.
| Disponibilidade | ||||
|---|---|---|---|---|
| $0.15 | $0.47 | $0.016 |
Estatísticas históricas não são uma verificação em tempo real. Dados ausentes não indicam uma interrupção.
O que $10 compram
- Entrada
- 66,7 mi tokens
- Saída
- 21,3 mi tokens
Estimativa com base nos preços atuais de entrada e saída, antes de descontos.
Benchmarks
- 55.8
BenchAlign
de 100; 65º lugar entre 216 modelos
- 84.5
AndroidWorld
teste de uso móvel; comparado com Claude Opus 4.6 Max em 62.0
- 88.5
Compreensão visual do mundo real
comparado com Claude Opus 4.6 Max em 73.9
Pontuações conforme publicadas pelo fornecedor do modelo.
Raciocínio
- Ativado por padrão
- Sim
- Sempre ativado
- Não
Início rápido
Código pronto para chamar este modelo com as APIs compatíveis da Felo API Platform. Comece no Playground quando quiser testar prompts antes de escrever código.
Defina sua chave de API
Crie uma chave na sua conta da Felo API Platform e defina-a como variável de ambiente.
export FELO_API_KEY="YOUR_API_KEY"Faça sua primeira requisição
Use este ID de modelo com o endpoint da Felo API Platform. Cabeçalhos opcionais como X-Request-Id ajudam a solucionar problemas.
qwen3.8-flashEste modelo tem capacidade de raciocínio. Se o protocolo selecionado e a rota do modelo expuserem controles de raciocínio, preserve os metadados de raciocínio retornados ao continuar a conversa.
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());Usar SDKs de terceiros
Em SDKs compatíveis, defina baseURL como https://openapi.felo.ai/api/v1. Para clientes no estilo Claude, use a base URL compatível com Anthropic. https://openapi.felo.ai/api.
Ative o streaming
Adicione stream: true para receber respostas como 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
A Felo API Platform expõe superfícies compatíveis de chamada de modelos. Escolha a superfície que seu app ou cliente de agente já suporta.
Messages
Mensagens compatíveis com Anthropic para clientes no estilo Claude.
POST
https://openapi.felo.ai/api/v1/messagesParâmetros
modelstringqwen3.8-flashID público do modelo a chamar.max_tokensinteger—Número máximo de tokens gerados.messagesarray—Mensagens da conversa para Chat Completions.seed———stop———toolsarray—Definições de tool calling seguindo o schema compatível.top_k———top_p———logprobs———reasoning———temperaturenumber—Controla a variedade das respostas quando compatível.tool_choicestring or object—Controla se uma ferramenta deve ser chamada.top_logprobs———response_formatobject—Solicita saída estruturada quando compatível.presence_penalty———frequency_penalty———include_reasoning———structured_outputs———Perguntas frequentes
O que é Qwen3.8 Flash?
O Qwen3.8 Flash é um modelo multimodal da equipe Alibaba Qwen que aceita texto, imagem, vídeo e áudio como entrada e gera texto. Sua arquitetura Mixture-of-Experts conta com 125B parâmetros principais, 51B parâmetros de embeddings N-gram e 6B parâmetros ativados por token, o que contribui para uma velocidade de prefill cerca de 2,5 vezes maior. O modelo oferece comportamento de raciocínio controlável por meio de enable_thinking, preserve_thinking e reasoning_effort, com níveis xhigh, medium e low. Com contexto de 262.144 tokens e limite de saída de 262.144 tokens para conteúdo de raciocínio e 131.072 tokens para a resposta final, o Qwen3.8 Flash é adequado para tarefas de codificação agêntica, uso de ferramentas, compreensão de visão e vídeos longos, além de fluxos de trabalho com áudio e vídeo, como criação de videoclipes musicais e produção de séries curtas. Ele também se destaca em tarefas de escritório, combinando raciocínio e geração com velocidade notável. O modelo pode ser executado localmente via Unsloth GGUF e llama.cpp, e é suportado por vLLM, SGLang, TokenSpeed e Qwen Cloud. Em benchmarks, supera o Claude Opus 4.6 Max em testes de uso móvel e compreensão visual do mundo real. Para processamento de contexto além de 262.144 tokens, recomenda-se o uso de RoPE scaling, como YaRN.
Como o uso é cobrado?
Sua conta depende do provedor que você usa, dos preços dele e do seu uso. Entradas mais longas ou outras condições podem ter preços diferentes.
Quais tipos de entrada o Qwen3.8 Flash suporta?
Ele aceita entrada de texto, imagem, vídeo e áudio, e gera saída em texto.
Qual é o limite de contexto e de saída do modelo?
O contexto é de 262.144 tokens. O limite de saída é de 262.144 tokens para conteúdo de raciocínio e 131.072 tokens para a resposta final.
Como controlar o comportamento de raciocínio?
Use os parâmetros enable_thinking, preserve_thinking e reasoning_effort. Os níveis de esforço de raciocínio disponíveis são xhigh, medium e low.
Para quais tarefas o Qwen3.8 Flash é mais indicado?
Ele é voltado para codificação agêntica, uso de ferramentas, tarefas de visão, compreensão de vídeos longos, tarefas de escritório e fluxos de trabalho com áudio e vídeo.
O modelo pode ser executado localmente?
Sim, por meio do Unsloth GGUF e do llama.cpp. Também é suportado por vLLM, SGLang, TokenSpeed e Qwen Cloud.
O que fazer para processar contextos maiores que 262.144 tokens?
Recomenda-se aplicar RoPE scaling, como YaRN, para estender o contexto além desse limite.