Felo API PlatformFelo API Platform
返回模型列表
Qwenmessages

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

1 个供应商

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。

供应商 · 计费明细
可用率
$0.15$0.47$0.016

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

  • BenchAlign

    满分 100,在 216 个模型中排名第 65

    55.8
  • AndroidWorld

    移动端使用测试,对比 Claude Opus 4.6 Max 的 62.0

    84.5
  • 真实世界视觉理解

    对比 Claude Opus 4.6 Max 的 73.9

    88.5

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

快速开始

直接复制代码,通过 Felo API Platform 兼容 API 调用该模型。写代码前可先在 Playground 测试提示词。

1

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"
2

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.

3

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。

SurfaceMethodURL

Messages

Anthropic-compatible messages for Claude-style clients.

POST

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

参数

名称类型默认值说明
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。

相关模型