Alibaba Cloud: Qwen3.8-2.4T-A95B
qwen3.8-2.4t-a95b- Entrée / Sortie
- $2.00 / $6.00
- Contexte
- 992K
- Sortie maximale
- 128K
- Modalités
- Discussion
- Capacités
- Utilisation d'outilsCache de prompts
À propos de Qwen3.8-2.4T-A95B
Qwen3.8-2.4T-A95B est la version à poids ouverts de l'architecture Qwen3.8-Max d'Alibaba : un modèle de mélange d'experts (MoE) textuel avec 2,4 billions de paramètres au total et 95 milliards de paramètres actifs. Il raisonne toujours avant de répondre et propose un paramètre d'effort de raisonnement. Comparé à la version hébergée Qwen3.8-Max, il abandonne le mode sans réflexion en échange de poids téléchargeables.
Points forts
- Poids ouverts avec 512 experts, dont 11 actifs par jeton, de sorte que le total de 2,4 billions de paramètres ne coûte que 95 milliards par étape.
- Profondeur de raisonnement ajustable via le paramètre reasoning_effort, avec des niveaux xhigh, medium et low documentés sur la fiche du modèle.
- La fiche d'Alibaba rapporte des scores de 92,6 sur GPQA Diamond, 67,7 sur SWE-bench Pro et 86,6 sur Terminal Bench 2.1.
- Prend en charge l'utilisation d'outils, la sortie au format JSON et la mise en cache des prompts, ce qui le rend adapté au travail d'agent et aux pipelines.
Quand préférer un autre modèle
- Il ne peut pas lire les images ou les vidéos ; c'est un modèle textuel.
- La réflexion ne peut pas être désactivée, donc les échanges conversationnels rapides entraînent une surcharge de raisonnement que Qwen3.8-Flash évite.
- L'auto-hébergement nécessite un très grand cluster de GPU, ce qui est hors de portée pour la plupart des équipes.
Pour commencer
Créer une clé API
Générez une clé dans Console et utilisez-la avec tous les modèles de la plateforme.
Envoyez votre première requête
Copiez l'exemple pour votre langage et lancez-le.
Texte vers texteResponses APIPOST/v1/responsesFormat d'API:curl https://api.tokenlab.sh/v1/responses \ -H "Content-Type: application/json" \ -H "Authorization: Bearer sk-xxx" \ -d '{ "model": "qwen3.8-2.4t-a95b", "input": "Hello!" }'
Tarification
Le prix Verified s’applique à Verified, moins cher sur la plupart des modèles. Le prix Official est le prix publié par le fabricant du modèle et s’applique à la route Official, plus fiable. Auto facture la route qui termine la requête.
cacheMode · implicit
Par 1M Token- Prix Official
- Entrée $2.00 / Sortie $6.00 / Lecture cache $0.25 / Texte Entrée $2.00 / Texte Entrée · Lecture cache $0.25 / Image Entrée $2.00 / Texte Sortie $6.00
- Prix Verified
- —
- Remise
- —
cacheMode · explicit
Par 1M Token- Prix Official
- Entrée $2.00 / Sortie $6.00 / Lecture cache $0.17 / Jetons d'écriture cache $2.50 / Texte Entrée $2.00 / Texte Entrée · Lecture cache $0.17 / Image Entrée $2.00 / Texte Sortie $6.00
- Prix Verified
- —
- Remise
- —
| Prix OfficialPar 1M Token | Prix VerifiedPar 1M Token | Remise | |
|---|---|---|---|
| cacheMode · implicit | Entrée $2.00 / Sortie $6.00 / Lecture cache $0.25 / Texte Entrée $2.00 / Texte Entrée · Lecture cache $0.25 / Image Entrée $2.00 / Texte Sortie $6.00 | — | — |
| cacheMode · explicit | Entrée $2.00 / Sortie $6.00 / Lecture cache $0.17 / Jetons d'écriture cache $2.50 / Texte Entrée $2.00 / Texte Entrée · Lecture cache $0.17 / Image Entrée $2.00 / Texte Sortie $6.00 | — | — |
Utilisation et activité
Le taux de réussite est la part de requêtes abouties. La latence est la durée d'une réponse complète ; P95 signifie que 95 % des requêtes ont fini dans ce délai.
Utilisation et disponibilité
Dernières 24 heures- Requêtes
- Taux de succès
- Latence P95
- Total des jetons
Les données sont basées sur les requêtes agrégées des utilisateurs, à l'exclusion des vérifications de statut.
Ouvrir dans Console
Ouvrez Qwen3.8-2.4T-A95B dans Console avec un prompt prêt à modifier ou envoyer.
Aide-moi à tester qwen3.8-2.4t-a95b avec un message sur /v1/responses. Affiche la réponse, la latence et le coût.
Cas d'usage
Résolution de problèmes de code complexes
Confiez-lui un bug multi-services ou une refactorisation importante où le raisonnement supplémentaire est utile, et laissez-le planifier avant de toucher aux fichiers.
Analyse scientifique et technique
Travaillez sur des questions de niveau universitaire, des dérivations ou des critiques d'articles où un raisonnement minutieux étape par étape compte plus que la latence.
Backbones d'agents avec poids ouverts
Utilisez-le lorsque la politique exige un modèle à poids ouverts mais que l'agent a toujours besoin d'un raisonnement à l'échelle des modèles de pointe et d'appels d'outils.
Extraction structurée à partir de textes longs
Demandez un JSON conforme à un schéma à partir de sources textuelles longues et complexes, avec un effort de raisonnement élevé pour les entrées ambiguës.
Exemples de prompts
Dérivez la complexité temporelle de ce planificateur, puis trouvez le cas où la borne amortie échoue et donnez une entrée de contre-exemple.
Extrayez chaque obligation, date limite et partie responsable de ce texte sous forme de JSON correspondant au schéma que j'ai joint.
Planifiez une migration du module de facturation de ce monolithe vers un service séparé, avec les étapes, les risques et l'ordre des changements.
Ce modèle a une tarification conditionnelle. Les totaux mensuels de tokens ne suffisent pas pour une estimation fiable ; utilisez la tarification détaillée selon la spécification de la requête, le cache et la fenêtre applicable.
FAQ
Qwen3.8-2.4T-A95B est-il identique à Qwen3.8-Max ?
Pas exactement. C'est le jumeau à poids ouverts : même génération et même échelle d'architecture, mais textuel uniquement et toujours en mode réflexion. Le Qwen3.8-Max hébergé ajoute un mode sans réflexion, des outils intégrés et un contexte par défaut plus long.
Que signifient 2.4T et A95B ?
Le modèle possède 2,4 billions de paramètres au total, mais une couche de routage envoie chaque jeton à travers seulement 95 milliards d'entre eux. Cette conception de mélange d'experts offre les connaissances d'un grand modèle avec un coût de calcul par jeton beaucoup plus faible qu'un modèle dense de même taille.
Puis-je désactiver la réflexion ?
Non. La fiche du modèle indique que la réflexion ne peut pas être désactivée. Vous pouvez réduire la profondeur avec reasoning_effort réglé sur low, medium ou xhigh. Si vous avez besoin de réponses sans réflexion, utilisez Qwen3.8-Max ou un modèle Qwen3.8 plus petit.
Accepte-t-il les images ?
Non. C'est un modèle textuel qui ne prend pas en entrée d'images ou de vidéos. Utilisez-le pour le code, les documents et le raisonnement sur le texte, et choisissez un modèle différent lorsque des captures d'écran font partie de la tâche.
Quelle licence s'applique à ces poids ?
Les poids sont publiés par l'équipe Qwen d'Alibaba sur Hugging Face ; lisez la licence sur la fiche du modèle avant toute redistribution commerciale ou réglage fin (fine-tuning). L'appeler via une API ne vous oblige pas à héberger ou à licencier les poids vous-même.
Combien coûte Qwen3.8-2.4T-A95B ?
Sur TokenLab, Qwen3.8-2.4T-A95B coûte Entrée $2.00 / Sortie $6.00 Par 1M Token. La table tarifaire ci-dessus en montre le détail complet. Les tarifs dépendent de l’unité de facturation, de la spécification et de l’usage. Comparez des conditions identiques dans la tarification détaillée du modèle ; un tarif seul ne détermine pas le coût total.
Quelles sont les limites de contexte et de sortie de Qwen3.8-2.4T-A95B ?
Qwen3.8-2.4T-A95B accepte jusqu'à 991 808 jetons de contexte et génère jusqu'à 131 072 jetons par réponse.
Quel endpoint Qwen3.8-2.4T-A95B doit-il utiliser ?
Utilisez https://api.tokenlab.sh/v1/responses pour Qwen3.8-2.4T-A95B. L'exemple de requête ci-dessous montre la structure de code correspondante.
Quelles opérations Qwen3.8-2.4T-A95B prend-il en charge ?
Qwen3.8-2.4T-A95B prend en charge Texte vers texte. Sélectionnez une opération pour voir l'endpoint et un exemple.
Comparer Qwen3.8-2.4T-A95B
Sources
Mis à jour le 2 oct. 2026
