Qwen3.8 Flash API
Qwen3.8 Flash 是阿里 Qwen 团队推出的多模态推理模型,支持文本、图像、视频与音频输入,上下文长度 262,144 tokens。
Qwen3.8 Flash 由阿里 Qwen 团队推出,是一款多模态推理与生成模型,可接收文本、图像、视频与音频输入并输出文本。上下文长度为 262,144 tokens,推理内容与最终回答的输出上限分别为 262,144 tokens 和 131,072 tokens。模型采用混合专家架构,主参数 125B,另含 51B N-gram 嵌入参数,每个 token 激活 6B 参数;得益于 A6B 架构,预填充速度约提升 2.5 倍。
模型支持通过 enable_thinking、preserve_thinking 与 reasoning_effort 控制思考行为,推理强度可选 xhigh、medium 与 low 三档。它在编程与办公任务上表现较强,也可用于智能体编程、工具调用、视觉任务、多轮智能体任务、长视频理解,以及音乐视频创作、短剧制作等音视频智能体工作流。
部署方面,Qwen3.8 Flash 可通过 Unsloth GGUF 与 llama.cpp 在本地运行,并受 vLLM、SGLang、TokenSpeed 与 Qwen Cloud 支持。若需处理超过 262,144 tokens 的长上下文,建议使用 YaRN 等 RoPE 缩放方案。需要注意的是,降低推理强度并不总能缩短任务总耗时,反而可能因分析不足导致失败增多与反复重试。
更新时间:
模型 ID
qwen3.8-flash- 上下文
- 1M
- 最大输出
- 131.072K
- 推荐 API
- messages
- 输入
- text / image / video
- 输出
- text
核心要点
- 支持文本、图像、视频与音频输入
- 上下文长度 262,144 tokens
- 混合专家架构,每 token 激活 6B 参数
- A6B 架构带来约 2.5 倍预填充速度
- 可调推理强度:xhigh、medium、low
- 支持本地 GGUF 与 llama.cpp 运行
供应商
比较不同供应商的调用价格,点击供应商可查看完整费用和适用条件。
| 可用率 | ||||
|---|---|---|---|---|
| $0.15 | $0.47 | $0.016 |
历史统计不等于实时健康检查,缺失数据不代表服务中断。
10 美元能买多少 token
- 输入
- 6666.7万 tokens
- 输出
- 2127.7万 tokens
按当前输入与输出单价估算,未计入折扣。
基准测试
- 55.8
BenchAlign
满分 100,在 216 个模型中排名第 65
- 84.5
AndroidWorld
移动端使用测试,对比 Claude Opus 4.6 Max 的 62.0
- 88.5
真实世界视觉理解
对比 Claude Opus 4.6 Max 的 73.9
分数来自模型厂商公布的数据,未独立验证。
推理能力
- 默认启用
- 是
- 始终启用
- 否
填入 API key
从 Felo API Platform 账户创建 key,并设置为环境变量。
export FELO_API_KEY="YOUR_API_KEY"发起第一次请求
使用该模型 ID 调用 Felo API Platform endpoint。可选请求头如 X-Request-Id 能帮助排查问题。
qwen3.8-flash该模型支持推理。如果所选协议和模型路由暴露推理控制,请在继续对话时保留返回的推理元数据。
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());使用第三方 SDK
兼容 SDK 只需把 baseURL 设置为 https://openapi.felo.ai/api/v1. Claude 风格客户端使用 Anthropic-compatible base URL。 https://openapi.felo.ai/api.
启用流式输出
加入 stream: true,即可以 server-sent events 接收响应。
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 提供兼容的模型调用入口。选择你的应用或 Agent 客户端已经支持的接口即可。
Messages
Anthropic-compatible messages for Claude-style clients.
POST
https://openapi.felo.ai/api/v1/messages参数
modelstringqwen3.8-flashPublic model ID to call.max_tokensinteger—Maximum generated tokens.messagesarray—Conversation messages for Chat Completions.seed———stop———toolsarray—Tool calling definitions following compatible schema.top_k———top_p———logprobs———reasoning———temperaturenumber—Controls response variety when supported.tool_choicestring or object—Controls whether a tool should be called.top_logprobs———response_formatobject—Request structured output when supported.presence_penalty———frequency_penalty———include_reasoning———structured_outputs———常见问题
什么是 Qwen3.8 Flash?
Qwen3.8 Flash 由阿里 Qwen 团队推出,是一款多模态推理与生成模型,可接收文本、图像、视频与音频输入并输出文本。上下文长度为 262,144 tokens,推理内容与最终回答的输出上限分别为 262,144 tokens 和 131,072 tokens。模型采用混合专家架构,主参数 125B,另含 51B N-gram 嵌入参数,每个 token 激活 6B 参数;得益于 A6B 架构,预填充速度约提升 2.5 倍。 模型支持通过 enable_thinking、preserve_thinking 与 reasoning_effort 控制思考行为,推理强度可选 xhigh、medium 与 low 三档。它在编程与办公任务上表现较强,也可用于智能体编程、工具调用、视觉任务、多轮智能体任务、长视频理解,以及音乐视频创作、短剧制作等音视频智能体工作流。 部署方面,Qwen3.8 Flash 可通过 Unsloth GGUF 与 llama.cpp 在本地运行,并受 vLLM、SGLang、TokenSpeed 与 Qwen Cloud 支持。若需处理超过 262,144 tokens 的长上下文,建议使用 YaRN 等 RoPE 缩放方案。需要注意的是,降低推理强度并不总能缩短任务总耗时,反而可能因分析不足导致失败增多与反复重试。
如何计算调用费用?
费用取决于你使用的供应商、对应价格和实际用量。长文本输入等情况可能适用不同价格,详见计费明细。
Qwen3.8 Flash 支持哪些输入模态?
支持文本、图像、视频与音频输入,输出为文本。
它的上下文和输出长度是多少?
上下文长度为 262,144 tokens;推理内容最多 262,144 tokens,最终回答最多 131,072 tokens。
它可以怎样控制思考行为?
可通过 enable_thinking、preserve_thinking 与 reasoning_effort 控制,推理强度可选 xhigh、medium 和 low。
它适合哪些任务?
适合智能体编程、工具调用、视觉任务、多轮智能体任务、长视频理解与办公任务,也可用于音乐视频创作、短剧制作等音视频工作流。
可以在本地运行吗?
可以,支持通过 Unsloth GGUF 与 llama.cpp 本地运行,也受 vLLM、SGLang、TokenSpeed 与 Qwen Cloud 支持。
降低推理强度会更快完成任务吗?
不一定。较低的推理强度并不总能缩短总耗时,可能造成分析不足、失败增多与反复重试。