Felo API PlatformFelo API Platform
Назад к моделям
Qwenmessages

Qwen3.8 Flash API

Qwen3.8 Flash — мультимодальная модель Alibaba Qwen team с контекстом 262 144 токена, поддержкой текста, изображений, видео и аудио, предназначенная для агентного кодирования и офисных задач.

Qwen3.8 Flash — мультимодальная модель от Alibaba Qwen team, принимающая на вход текст, изображения, видео и аудио и генерирующая текст. Контекстное окно составляет 262 144 токена; лимит вывода — 262 144 токена для рассуждений и 131 072 токена для финального ответа. Архитектура Mixture-of-Experts содержит 125B основных параметров и 51B параметров N-граммных эмбеддингов, при этом на каждый токен активируется 6B параметров. Благодаря архитектуре A6B скорость prefill примерно в 2,5 раза выше.

Модель подходит для агентного кодирования, использования инструментов, задач компьютерного зрения, многоходовых агентных сценариев, понимания длинного видео, офисных задач, а также аудио- и видеопотоков, включая создание музыкальных клипов и коротких драм. Поведение рассуждений управляется через enable_thinking, preserve_thinking и reasoning_effort с уровнями xhigh, medium и low. Согласно данным, Qwen3.8 Flash превосходит Claude Opus 4.6 Max в тестах мобильного использования и реального визуального понимания.

Модель можно запускать локально через Unsloth GGUF и llama.cpp; её поддерживают vLLM, SGLang, TokenSpeed и Qwen Cloud. Для обработки контекста длиннее 262 144 токенов рекомендуется масштабирование RoPE, например YaRN. Снижение усилий рассуждений не всегда сокращает общее время выполнения задачи: возможен недостаточный анализ, больше сбоев и повторных попыток.

Обновлено:

MODEL ID

qwen3.8-flash
Контекст
1M
Макс. вывод
131.072K
Рекомендуемый API
messages
Вход
text / image / video
Выход
text

Ключевые возможности

  • Контекст 262 144 токена
  • Mixture-of-Experts: 125B параметров, 6B активных
  • Скорость prefill примерно в 2,5 раза выше
  • Мультимодальный ввод: текст, изображения, видео, аудио
  • Управляемые рассуждения с уровнями xhigh, medium, low
  • Локальный запуск через Unsloth GGUF и llama.cpp

Поставщики

1 поставщиков

Сравните цены API у разных поставщиков. Выберите поставщика, чтобы посмотреть все тарифы и условия.

Поставщик · Подробности оплаты
Доступность
$0.15$0.47$0.016

Сколько дают $10

Вход
66,7 млн токенов
Выход
21,3 млн токенов

Оценка по текущим ценам входа и выхода, без учёта скидок.

Бенчмарки

  • BenchAlign

    из 100; 65-е место среди 216 моделей

    55.8
  • AndroidWorld

    тест мобильного использования; сравнение с Claude Opus 4.6 Max — 62.0

    84.5
  • Real-world visual understanding

    сравнение с Claude Opus 4.6 Max — 73.9

    88.5

Результаты опубликованы производителем модели.

Рассуждения

Включено по умолчанию
Да
Всегда включены
Нет

Quick Start

Готовый код для вызова этой модели через compatible APIs Felo API Platform. Используйте Playground, чтобы проверить prompts до написания кода.

1

Добавьте API key

Создайте key в аккаунте Felo API Platform и задайте его как environment variable.

export FELO_API_KEY="YOUR_API_KEY"
2

Первый запрос

Используйте этот model ID с endpoint Felo API Platform. Дополнительные request headers, например X-Request-Id, помогают troubleshooting.

qwen3.8-flash

Эта модель поддерживает reasoning. Если выбранный protocol и model route дают reasoning controls, сохраняйте returned reasoning metadata при продолжении conversation.

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());

Сторонние SDK

В compatible SDK установите baseURL на https://openapi.felo.ai/api/v1. Для Claude-style clients используйте Anthropic-compatible base URL. https://openapi.felo.ai/api.

3

Включить streaming

Добавьте stream: true, чтобы получать responses как 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 предоставляет compatible model-calling surfaces. Выберите surface, который уже поддерживает ваше app или agent client.

SurfaceMethodURL

Messages

Anthropic-compatible messages for Claude-style clients.

POST

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

Parameters

ИмяТипПо умолчаниюОписание
modelstringqwen3.8-flashПубличный model ID для вызова.
max_tokensinteger—Максимальное число generated tokens.
messagesarray—Сообщения conversation для Chat Completions.
seed———
stop———
toolsarray—Tool calling definitions по compatible schema.
top_k———
top_p———
logprobs———
reasoning———
temperaturenumber—Управляет вариативностью ответа, если поддерживается.
tool_choicestring or object—Управляет тем, нужно ли вызвать tool.
top_logprobs———
response_formatobject—Запрашивает structured output, если поддерживается.
presence_penalty———
frequency_penalty———
include_reasoning———
structured_outputs———

Частые вопросы

О модели Qwen3.8 Flash?

Qwen3.8 Flash — мультимодальная модель от Alibaba Qwen team, принимающая на вход текст, изображения, видео и аудио и генерирующая текст. Контекстное окно составляет 262 144 токена; лимит вывода — 262 144 токена для рассуждений и 131 072 токена для финального ответа. Архитектура Mixture-of-Experts содержит 125B основных параметров и 51B параметров N-граммных эмбеддингов, при этом на каждый токен активируется 6B параметров. Благодаря архитектуре A6B скорость prefill примерно в 2,5 раза выше. Модель подходит для агентного кодирования, использования инструментов, задач компьютерного зрения, многоходовых агентных сценариев, понимания длинного видео, офисных задач, а также аудио- и видеопотоков, включая создание музыкальных клипов и коротких драм. Поведение рассуждений управляется через enable_thinking, preserve_thinking и reasoning_effort с уровнями xhigh, medium и low. Согласно данным, Qwen3.8 Flash превосходит Claude Opus 4.6 Max в тестах мобильного использования и реального визуального понимания. Модель можно запускать локально через Unsloth GGUF и llama.cpp; её поддерживают vLLM, SGLang, TokenSpeed и Qwen Cloud. Для обработки контекста длиннее 262 144 токенов рекомендуется масштабирование RoPE, например YaRN. Снижение усилий рассуждений не всегда сокращает общее время выполнения задачи: возможен недостаточный анализ, больше сбоев и повторных попыток.

Как рассчитывается стоимость?

Стоимость зависит от выбранного поставщика, его цен и вашего использования. Для длинных запросов могут действовать другие цены — смотрите подробности.

Какие модальности поддерживает Qwen3.8 Flash?

Модель принимает текст, изображения, видео и аудио на входе и выдаёт текст.

Каковы ограничения контекста и вывода?

Контекстное окно составляет 262 144 токена. Лимит вывода — 262 144 токена для рассуждений и 131 072 токена для финального ответа.

Для каких задач лучше всего подходит Qwen3.8 Flash?

Она предназначена для агентного кодирования, использования инструментов, задач компьютерного зрения, многоходовых агентных сценариев, понимания длинного видео и офисных задач.

Как управлять поведением рассуждений?

Используйте параметры enable_thinking, preserve_thinking и reasoning_effort с уровнями xhigh, medium и low.

Можно ли запускать модель локально?

Да, через Unsloth GGUF и llama.cpp. Также её поддерживают vLLM, SGLang, TokenSpeed и Qwen Cloud.

Что делать с контекстом длиннее 262 144 токенов?

Рекомендуется масштабирование RoPE, например YaRN.

Связанные модели