Alibaba Cloud: Qwen3.8-Flash
qwen3.8-flash- Entrée / Sortie
- $0.15 / $0.47
- Contexte
- 992K
- Sortie maximale
- 128K
- Modalités
- VisionDiscussion
- Capacités
- Utilisation d'outilsCache de prompts
À propos de Qwen3.8-Flash
Qwen3.8-Flash est le modèle d'Alibaba axé sur le rapport performance-prix de la génération Qwen3.8 : un système multimodal de mélange d'experts (MoE) doté d'un cœur de 125 milliards de paramètres et de 51 milliards de paramètres d'imbrication N-gram, avec 6 milliards de paramètres actifs par jeton. Alibaba le présente comme un aperçu précoce de l'architecture Qwen4. Il traite le texte et les images et se destine au codage par agents, aux tâches d'agents à long terme et au travail sur interfaces mobiles.
Points forts
- Seuls 6 milliards de paramètres sont actifs par jeton, ce qu'Alibaba associe à une conception visant à réduire les coûts et la latence.
- L'attention hybride combine Gated DeltaNet et Qwen Sparse Attention pour permettre le traitement de longues entrées.
- Alibaba l'évalue sur SWE-bench Pro, Toolathlon Verified, AndroidWorld et MathVision, couvrant le codage, les outils, les agents mobiles et les mathématiques visuelles.
- La prise en charge des images et des outils, la sortie JSON et la mise en cache des invites (prompt caching) en font un modèle d'agent généraliste.
Quand préférer un autre modèle
- Qwen3.8-Max est plus performant sur les tâches complexes de codage et de recherche ; c'est le meilleur choix lorsque la qualité prime sur la vitesse.
- Il comprend les images mais ne les génère pas, et ne prend aucune entrée audio.
- En tant qu'aperçu d'une nouvelle architecture, le comportement peut varier entre les versions ; il est donc conseillé de baser vos évaluations sur vos propres tests.
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-flash", "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 $0.15 / Sortie $0.47 / Lecture cache $0.016 / Texte Entrée $0.15 / Texte Entrée · Lecture cache $0.016 / Image Entrée $0.15 / Texte Sortie $0.47
- Prix Verified
- —
- Remise
- —
cacheMode · explicit
Par 1M Token- Prix Official
- Entrée $0.15 / Sortie $0.47 / Lecture cache $0.016 / Jetons d'écriture cache $0.20 / Texte Entrée $0.15 / Texte Entrée · Lecture cache $0.016 / Image Entrée $0.15 / Texte Sortie $0.47
- Prix Verified
- —
- Remise
- —
| Prix OfficialPar 1M Token | Prix VerifiedPar 1M Token | Remise | |
|---|---|---|---|
| cacheMode · implicit | Entrée $0.15 / Sortie $0.47 / Lecture cache $0.016 / Texte Entrée $0.15 / Texte Entrée · Lecture cache $0.016 / Image Entrée $0.15 / Texte Sortie $0.47 | — | — |
| cacheMode · explicit | Entrée $0.15 / Sortie $0.47 / Lecture cache $0.016 / Jetons d'écriture cache $0.20 / Texte Entrée $0.15 / Texte Entrée · Lecture cache $0.016 / Image Entrée $0.15 / Texte Sortie $0.47 | — | — |
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
- Taux de réussite sur 30 jours
- 100,0%
- Requêtes sur 30 jours
- 100+
- Dernière activité
- il y a 4 jours
Les données sont basées sur les requêtes agrégées des utilisateurs, à l'exclusion des vérifications de statut.
Ouvrir dans Console
Ouvrez Qwen3.8-Flash dans Console avec un prompt prêt à modifier ou envoyer.
Aide-moi à tester qwen3.8-flash avec un message sur /v1/responses. Affiche la réponse, la latence et le coût.
Cas d'usage
Idéal pour- Vision
Étapes d'agents à haut volume
Utilisez-le pour les nombreux appels d'outils peu coûteux dans une boucle d'agent, en ne confiant les décisions complexes qu'à un modèle plus puissant.
Automatisation mobile et GUI
Fournissez des captures d'écran de téléphones ou d'applications pour qu'il choisisse les appuis et les saisies, dans le style de l'évaluation AndroidWorld.
Assistants de codage avec images
Collez une capture d'écran de design ou une photo de bug avec un extrait de code pour obtenir une correction ou une première implémentation.
Tutorat en mathématiques visuelles
Photographiez un problème résolu ou un graphique et demandez une vérification étape par étape du raisonnement.
Exemples de prompts
Cette capture d'écran montre notre page de paramètres sur Android. Écrivez les étapes pour désactiver les notifications, une action par ligne.
Cette image de maquette provient de notre bibliothèque de composants. Produisez le code HTML et CSS correspondant.
Vérifiez ma solution sur cette photo d'une preuve géométrique et marquez la première étape erronée.
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
Qu'est-ce que Qwen3.8-Flash exactement ?
Il s'agit du modèle Qwen3.8 d'Alibaba axé sur l'efficacité. Doté d'une conception de mélange d'experts avec 125 milliards de paramètres centraux et 6 milliards actifs par jeton, il prend en charge les entrées texte et image et vise le codage par agents et les tâches d'agents à long terme à un coût inférieur à celui de Max.
Qwen3.8-Flash est-il à poids ouverts ou hébergé ?
Alibaba a publié un aperçu de cette architecture avec des poids ouverts, annoncé sous le nom de Qwen3.8-Flash-Next, et propose le modèle de production Qwen3.8-Flash via son API cloud. Il s'agit de deux versions distinctes avec des fiches de modèle séparées.
Que signifie l'aperçu de Qwen4 pour moi ?
Alibaba décrit ce modèle comme un premier aperçu de l'architecture prévue pour Qwen4. En pratique, cela signifie l'utilisation de techniques plus récentes telles que les imbrications N-gram et l'attention creuse (sparse attention), ainsi que des changements de comportement possibles dans les versions ultérieures.
Qwen3.8-Flash prend-il en charge l'appel d'outils ?
Oui. L'utilisation d'outils, la sortie de schéma JSON et la mise en cache des invites sont prises en charge, et Alibaba l'évalue sur Toolathlon Verified pour l'utilisation d'outils. Définissez clairement vos schémas d'outils et testez les séquences multi-étapes avant la mise en production.
Dois-je utiliser Flash ou Max ?
Utilisez Flash pour les tours fréquents sensibles à la latence et le codage de routine. Utilisez Qwen3.8-Max pour les sessions de codage complexes sur plusieurs jours et les documents professionnels. De nombreuses équipes répartissent le travail selon la difficulté des tâches et ne transmettent que les échecs aux modèles supérieurs.
Combien coûte Qwen3.8-Flash ?
Sur TokenLab, Qwen3.8-Flash coûte Entrée $0.15 / Sortie $0.47 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-Flash ?
Qwen3.8-Flash accepte jusqu'à 991 808 jetons de contexte et génère jusqu'à 131 072 jetons par réponse.
Quel endpoint Qwen3.8-Flash doit-il utiliser ?
Utilisez https://api.tokenlab.sh/v1/responses pour Qwen3.8-Flash. L'exemple de requête ci-dessous montre la structure de code correspondante.
Quelles opérations Qwen3.8-Flash prend-il en charge ?
Qwen3.8-Flash prend en charge Texte vers texte. Sélectionnez une opération pour voir l'endpoint et un exemple.
Comparer Qwen3.8-Flash
Sources
Mis à jour le 2 oct. 2026
