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
Сравните цены API у разных поставщиков. Выберите поставщика, чтобы посмотреть все тарифы и условия.
| Доступность | ||||
|---|---|---|---|---|
| $0.15 | $0.47 | $0.016 |
Историческая статистика не является проверкой в реальном времени. Отсутствие данных не означает сбой.
Сколько дают $10
- Вход
- 66,7 млн токенов
- Выход
- 21,3 млн токенов
Оценка по текущим ценам входа и выхода, без учёта скидок.
Бенчмарки
- 55.8
BenchAlign
из 100; 65-е место среди 216 моделей
- 84.5
AndroidWorld
тест мобильного использования; сравнение с Claude Opus 4.6 Max — 62.0
- 88.5
Real-world visual understanding
сравнение с Claude Opus 4.6 Max — 73.9
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.
Добавьте API key
Создайте key в аккаунте Felo API Platform и задайте его как environment variable.
export FELO_API_KEY="YOUR_API_KEY"Первый запрос
Используйте этот model ID с endpoint Felo API Platform. Дополнительные request headers, например X-Request-Id, помогают troubleshooting.
qwen3.8-flashЭта 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.
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.
Messages
Anthropic-compatible messages for Claude-style clients.
POST
https://openapi.felo.ai/api/v1/messagesParameters
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.