Qwen3.8 Flash API
Qwen3.8 Flash คือโมเดลมัลติโหมดจาก Alibaba Qwen team ที่รองรับข้อความ ภาพ วิดีโอ และเสียง พร้อมความสามารถในการให้เหตุผลและการสร้างเนื้อหาที่รวดเร็ว
Qwen3.8 Flash เป็นโมเดลมัลติโหมดที่ผสมผสานความสามารถในการให้เหตุผลและการสร้างเนื้อหาอันทรงพลังเข้ากับความเร็วที่น่าประทับใจ โดยมีสถาปัตยกรรม Mixture-of-Experts ที่มีพารามิเตอร์หลัก 125B และ N-gram embeddings 51B เปิดใช้งานเพียง 6B พารามิเตอร์ต่อโทเคน ทำให้ความเร็วในการประมวลผลล่วงหน้าสูงขึ้นประมาณ 2.5 เท่าเมื่อเทียบกับสถาปัตยกรรม A6B
โมเดลนี้รองรับการป้อนข้อมูลได้หลายรูปแบบทั้งข้อความ ภาพ วิดีโอ และเสียง เหมาะสำหรับงานที่หลากหลาย ตั้งแต่การเขียนโค้ดแบบเอเจนต์ การใช้เครื่องมือ งานด้านภาพ การทำความเข้าใจวิดีโอยาวไปจนถึงงานสำนักงาน นอกจากนี้ยังสามารถใช้งานร่วมกับ vLLM, SGLang, TokenSpeed และ Qwen Cloud หรือรันในเครื่องผ่าน Unsloth GGUF และ llama.cpp
จุดเด่นอีกประการคือความสามารถในการควบคุมพฤติกรรมการคิดผ่าน enable_thinking, preserve_thinking และ reasoning_effort พร้อมระดับความพยายามในการให้เหตุผล xhigh, medium และ low อย่างไรก็ตาม ระดับความพยายามที่ต่ำลงอาจไม่ได้ลดเวลาการทำงานโดยรวมเสมอไป และอาจทำให้การวิเคราะห์ไม่เพียงพอและเกิดการลองผิดลองถูกซ้ำ
อัปเดต:
ID โมเดล
qwen3.8-flash- บริบท
- 1M
- เอาต์พุตสูงสุด
- 131.072K
- API ที่แนะนำ
- messages
- อินพุต
- text / image / video
- เอาต์พุต
- text
จุดเด่น
- รองรับข้อความ ภาพ วิดีโอ และเสียง
- สถาปัตยกรรม Mixture-of-Experts 125B
- ความเร็วประมวลผลล่วงหน้าสูงขึ้น 2.5 เท่า
- ควบคุมระดับการให้เหตุผลได้
- รันในเครื่องผ่าน Unsloth GGUF และ llama.cpp
ผู้ให้บริการ
เปรียบเทียบราคา API ระหว่างผู้ให้บริการ เลือกผู้ให้บริการเพื่อดูค่าใช้จ่ายและเงื่อนไขทั้งหมด
| อัตราความพร้อมใช้งาน | ||||
|---|---|---|---|---|
| $0.15 | $0.47 | $0.016 |
สถิติย้อนหลังไม่ใช่การตรวจสอบแบบเรียลไทม์ ข้อมูลที่หายไปไม่ได้หมายถึงบริการขัดข้อง
ซื้ออะไรได้ด้วย $10
- อินพุต
- 66.7M token
- เอาต์พุต
- 21.3M token
ประมาณจากราคาอินพุตและเอาต์พุตปัจจุบัน ก่อนหักส่วนลด
เบนช์มาร์ก
- 55.8
BenchAlign
จาก 100 คะแนน จัดอยู่ในอันดับที่ 65 จาก 216 โมเดล
- 84.5
AndroidWorld
การทดสอบการใช้งานบนมือถือ เทียบกับ Claude Opus 4.6 Max ที่ 62.0
- 88.5
Real-world visual understanding
เทียบกับ Claude Opus 4.6 Max ที่ 73.9
คะแนนตามที่ผู้ให้บริการโมเดลเผยแพร่
การให้เหตุผล
- เปิดใช้งานโดยค่าเริ่มต้น
- ใช่
- เปิดใช้งานตลอด
- ไม่ใช่
เริ่มต้นอย่างรวดเร็ว
โค้ดพร้อมใช้สำหรับเรียกโมเดลนี้ด้วย API ที่เข้ากันได้ของ Felo API Platform เริ่มใน Playground เมื่อคุณต้องการทดสอบพรอมต์ก่อนเขียนโค้ด
ตั้งค่าคีย์ API
สร้างคีย์จากบัญชี Felo API Platform ของคุณและตั้งเป็นตัวแปรสภาพแวดล้อม
export FELO_API_KEY="YOUR_API_KEY"ส่งคำขอแรก
ใช้ ID โมเดลนี้กับ endpoint ของ Felo API Platform ส่วนหัวคำขอแบบไม่บังคับ เช่น X-Request-Id ช่วยในการแก้ไขปัญหา
qwen3.8-flashโมเดลนี้มีความสามารถในการให้เหตุผล หากโปรโตคอลและเส้นทางโมเดลที่คุณเลือกเปิดการควบคุมการให้เหตุผล ให้เก็บเมทาดาทาการให้เหตุผลที่ส่งคืนไว้เมื่อสนทนาต่อ
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());การใช้ SDK ของบุคคลที่สาม
ใน SDK ที่เข้ากันได้ ให้ตั้ง baseURL เป็น https://openapi.felo.ai/api/v1. สำหรับไคลเอนต์สไตล์ Claude ให้ใช้ base URL ที่เข้ากันได้กับ Anthropic https://openapi.felo.ai/api.
เปิดใช้สตรีมมิ่ง
เพิ่ม stream: true เพื่อรับการตอบกลับเป็น 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 มีอินเทอร์เฟซสำหรับเรียกโมเดลที่เข้ากันได้ เลือกอินเทอร์เฟซที่แอปหรือไคลเอนต์เอเจนต์ของคุณรองรับอยู่แล้ว
Messages
ข้อความที่เข้ากันได้กับ Anthropic สำหรับไคลเอนต์สไตล์ Claude
POST
https://openapi.felo.ai/api/v1/messagesพารามิเตอร์
modelstringqwen3.8-flashID โมเดลสาธารณะที่ต้องการเรียกmax_tokensinteger—จำนวนโทเคนสูงสุดที่สร้างmessagesarray—ข้อความสนทนาสำหรับ Chat Completionsseed———stop———toolsarray—นิยาม tool calling ตามสคีมาที่เข้ากันได้top_k———top_p———logprobs———reasoning———temperaturenumber—ควบคุมความหลากหลายของการตอบกลับเมื่อรองรับtool_choicestring or object—ควบคุมว่าควรเรียกเครื่องมือหรือไม่top_logprobs———response_formatobject—ขอเอาต์พุตแบบมีโครงสร้างเมื่อรองรับpresence_penalty———frequency_penalty———include_reasoning———structured_outputs———คำถามที่พบบ่อย
รู้จัก Qwen3.8 Flash?
Qwen3.8 Flash เป็นโมเดลมัลติโหมดที่ผสมผสานความสามารถในการให้เหตุผลและการสร้างเนื้อหาอันทรงพลังเข้ากับความเร็วที่น่าประทับใจ โดยมีสถาปัตยกรรม Mixture-of-Experts ที่มีพารามิเตอร์หลัก 125B และ N-gram embeddings 51B เปิดใช้งานเพียง 6B พารามิเตอร์ต่อโทเคน ทำให้ความเร็วในการประมวลผลล่วงหน้าสูงขึ้นประมาณ 2.5 เท่าเมื่อเทียบกับสถาปัตยกรรม A6B โมเดลนี้รองรับการป้อนข้อมูลได้หลายรูปแบบทั้งข้อความ ภาพ วิดีโอ และเสียง เหมาะสำหรับงานที่หลากหลาย ตั้งแต่การเขียนโค้ดแบบเอเจนต์ การใช้เครื่องมือ งานด้านภาพ การทำความเข้าใจวิดีโอยาวไปจนถึงงานสำนักงาน นอกจากนี้ยังสามารถใช้งานร่วมกับ vLLM, SGLang, TokenSpeed และ Qwen Cloud หรือรันในเครื่องผ่าน Unsloth GGUF และ llama.cpp จุดเด่นอีกประการคือความสามารถในการควบคุมพฤติกรรมการคิดผ่าน enable_thinking, preserve_thinking และ reasoning_effort พร้อมระดับความพยายามในการให้เหตุผล xhigh, medium และ low อย่างไรก็ตาม ระดับความพยายามที่ต่ำลงอาจไม่ได้ลดเวลาการทำงานโดยรวมเสมอไป และอาจทำให้การวิเคราะห์ไม่เพียงพอและเกิดการลองผิดลองถูกซ้ำ
การใช้งานถูกเรียกเก็บเงินอย่างไร
ค่าใช้จ่ายขึ้นอยู่กับผู้ให้บริการที่คุณใช้ ราคาของผู้ให้บริการนั้น และปริมาณการใช้งาน อินพุตที่ยาวขึ้นหรือเงื่อนไขอื่นอาจมีราคาแตกต่างกัน
Qwen3.8 Flash รองรับการป้อนข้อมูลรูปแบบใดบ้าง
รองรับการป้อนข้อมูลทั้งข้อความ ภาพ วิดีโอ และเสียง โดยมีเอาต์พุตเป็นข้อความ
โมเดลนี้มีขนาดหน้าต่างบริบทและขีดจำกัดเอาต์พุตเท่าใด
มีหน้าต่างบริบท 262,144 โทเคน และขีดจำกัดเอาต์พุต 262,144 โทเคนสำหรับเนื้อหาการให้เหตุผล และ 131,072 โทเคนสำหรับคำตอบสุดท้าย
Qwen3.8 Flash เหมาะกับงานประเภทใด
เหมาะกับงานเขียนโค้ดแบบเอเจนต์ การใช้เครื่องมือ งานด้านภาพ งานเอเจนต์หลายรอบ การทำความเข้าใจวิดีโอยาว และงานสำนักงาน รวมถึงเวิร์กโฟลว์เอเจนต์ด้านเสียงและวิดีโอ
สามารถควบคุมพฤติกรรมการคิดของโมเดลได้อย่างไร
ควบคุมได้ผ่านพารามิเตอร์ enable_thinking, preserve_thinking และ reasoning_effort พร้อมระดับความพยายาม xhigh, medium และ low
Qwen3.8 Flash แตกต่างจากรุ่นอื่นในซีรีส์อย่างไร
Qwen3.8-Flash-Next เป็นเวอร์ชันทดลองแบบเปิดน้ำหนักที่มีสถาปัตยกรรม Hybrid Attention (QSA) และ Gated Residual ขณะที่ Qwen3.8-Omni-Flash และ Qwen3.8 27B เป็นรุ่นพี่น้องในซีรีส์เดียวกัน