Alibaba Cloud: Qwen3.8-2.4T-A95B
qwen3.8-2.4t-a95b- Entrada / Saída
- $2.00 / $6.00
- Contexto
- 992K
- Saída máxima
- 128K
- Modalidades
- Chat
- Capacidades
- Uso de ferramentasCache de prompts
Sobre o Qwen3.8-2.4T-A95B
O Qwen3.8-2.4T-A95B é o lançamento de pesos abertos da arquitetura Qwen3.8-Max da Alibaba: um modelo de mistura de especialistas (MoE) exclusivo de texto com 2,4 trilhões de parâmetros totais e 95 bilhões de parâmetros ativos. Ele sempre raciocina antes de responder e expõe uma configuração de esforço de raciocínio. Comparado ao Qwen3.8-Max hospedado, ele remove o modo sem pensamento, em troca de pesos para download.
Pontos fortes
- Pesos abertos com 512 especialistas, sendo 11 ativos por token, de modo que o total de 2,4 trilhões de parâmetros custa apenas 95 bilhões por etapa.
- Profundidade de raciocínio ajustável através da configuração reasoning_effort, com níveis xhigh, medium e low documentados no cartão do modelo.
- O cartão da Alibaba relata GPQA Diamond 92,6, SWE-bench Pro 67,7 e Terminal Bench 2.1 86,6.
- Suporta uso de ferramentas, saída de esquema JSON e cache de prompt, adequando-se a trabalhos de agentes e pipelines.
Quando usar outro modelo
- Ele não consegue ler imagens ou vídeos; é um modelo de texto.
- O pensamento não pode ser desativado, portanto, turnos de conversação rápidos carregam uma sobrecarga de raciocínio que o Qwen3.8-Flash evita.
- Auto-hospedá-lo exige um cluster de GPU muito grande, o que está fora do alcance da maioria das equipes.
Primeiros passos
Criar chave de API
Crie uma chave no Console e use com qualquer modelo da plataforma.
Envie sua primeira requisição
Copie o exemplo para sua linguagem e execute-o no endpoint.
Texto para textoResponses APIPOST/v1/responsesFormato da 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!" }'
Preço
O preço Verified vale para o Verified, que custa menos na maioria dos modelos. O preço Official é o preço publicado pelo fabricante do modelo e vale para a rota Official, mais confiável. O Auto cobra pela rota que conclui a solicitação.
cacheMode · implicit
Por 1M Token- Preço Official
- Entrada $2.00 / Saída $6.00 / Leitura de cache $0.25 / Texto Entrada $2.00 / Texto Entrada · Leitura de cache $0.25 / Imagem Entrada $2.00 / Texto Saída $6.00
- Preço Verified
- —
- Desconto
- —
cacheMode · explicit
Por 1M Token- Preço Official
- Entrada $2.00 / Saída $6.00 / Leitura de cache $0.17 / Escrita de cache $2.50 / Texto Entrada $2.00 / Texto Entrada · Leitura de cache $0.17 / Imagem Entrada $2.00 / Texto Saída $6.00
- Preço Verified
- —
- Desconto
- —
| Preço OfficialPor 1M Token | Preço VerifiedPor 1M Token | Desconto | |
|---|---|---|---|
| cacheMode · implicit | Entrada $2.00 / Saída $6.00 / Leitura de cache $0.25 / Texto Entrada $2.00 / Texto Entrada · Leitura de cache $0.25 / Imagem Entrada $2.00 / Texto Saída $6.00 | — | — |
| cacheMode · explicit | Entrada $2.00 / Saída $6.00 / Leitura de cache $0.17 / Escrita de cache $2.50 / Texto Entrada $2.00 / Texto Entrada · Leitura de cache $0.17 / Imagem Entrada $2.00 / Texto Saída $6.00 | — | — |
Uso e atividade
A taxa de sucesso é a proporção de requisições concluídas. A latência é quanto tempo uma resposta completa leva; P95 significa que 95% das requisições terminaram dentro desse tempo.
Uso e disponibilidade
Últimas 24 horas- Requisições
- Taxa de sucesso
- Latência P95
- Total de tokens
Os dados baseiam-se em solicitações agregadas de usuários, excluindo verificações de status.
Abrir no Console
Abra Qwen3.8-2.4T-A95B no Console com um prompt pronto para editar ou enviar.
Ajude-me a testar qwen3.8-2.4t-a95b com uma mensagem em /v1/responses. Exiba a resposta, latência e custo.
Casos de uso
Problemas de codificação complexos
Forneça um bug de vários serviços ou uma grande refatoração onde o raciocínio extra compensa, e deixe-o planejar antes de tocar nos arquivos.
Análise científica e técnica
Trabalhe em perguntas de nível de pós-graduação, derivações ou críticas de artigos onde o raciocínio cuidadoso passo a passo importa mais do que a latência.
Backbones de agentes com pesos abertos
Use-o onde a política exija um modelo de pesos abertos, mas o agente ainda precise de raciocínio em escala de fronteira e chamadas de ferramentas.
Extração estruturada de textos longos
Solicite JSON em conformidade com um esquema a partir de fontes de texto longas e desorganizadas, com o esforço de raciocínio definido como alto para entradas ambíguas.
Exemplos de prompt
Derive a complexidade de tempo deste agendador, encontre o caso em que o limite amortizado falha e forneça uma entrada de contraexemplo.
Extraia todas as obrigações, prazos e partes responsáveis deste texto como JSON correspondente ao esquema que anexei.
Planeje uma migração do módulo de faturamento deste monolito para um serviço separado, com as etapas, riscos e ordem das mudanças.
Este modelo tem preço condicional. Totais mensais de tokens sozinhos não produzem uma estimativa confiável; use o preço detalhado para a especificação da requisição, cache e janela aplicável.
FAQ
O Qwen3.8-2.4T-A95B é o mesmo que o Qwen3.8-Max?
Não exatamente. É o gêmeo de pesos abertos: mesma geração e escala de arquitetura, mas exclusivo de texto e sempre no modo de pensamento. O Qwen3.8-Max hospedado adiciona um modo sem pensamento, ferramentas integradas e um contexto padrão mais longo.
O que significam 2.4T e A95B?
O modelo tem 2,4 trilhões de parâmetros no total, mas uma camada de gating envia cada token através de apenas 95 bilhões deles. Esse design de mistura de especialistas oferece conhecimento de modelo grande a um custo computacional por token muito menor do que um modelo denso do mesmo tamanho.
Posso desativar o pensamento?
Não. O cartão do modelo afirma que o pensamento não pode ser desativado. Você pode reduzir a profundidade com reasoning_effort definido como low, medium ou xhigh. Se precisar de respostas sem pensamento, use o Qwen3.8-Max ou um modelo Qwen3.8 menor.
Ele aceita imagens?
Não. É um modelo de texto e não aceita entrada de imagem ou vídeo. Use-o para código, documentos e raciocínio sobre texto, e escolha um modelo diferente quando capturas de tela fizerem parte do trabalho.
Qual licença se aplica a esses pesos?
Os pesos são publicados pela equipe Qwen da Alibaba no Hugging Face; leia a licença no cartão do modelo antes da redistribuição comercial ou ajuste fino (fine-tuning). Chamá-lo através de uma API não exige que você hospede ou licencie os pesos por conta própria.
Quanto custa o Qwen3.8-2.4T-A95B?
No TokenLab, Qwen3.8-2.4T-A95B custa Entrada $2.00 / Saída $6.00 Por 1M Token. A tabela de preços acima mostra o detalhamento completo. As tarifas dependem da unidade de cobrança, da especificação e do uso. Compare condições iguais no preço detalhado do modelo; uma única tarifa não determina o custo total.
Qual a janela de contexto e o limite de saída do Qwen3.8-2.4T-A95B?
O Qwen3.8-2.4T-A95B aceita até 991.808 tokens de contexto e gera até 131.072 tokens por resposta.
Qual endpoint o Qwen3.8-2.4T-A95B deve usar?
Use https://api.tokenlab.sh/v1/responses para Qwen3.8-2.4T-A95B. O exemplo de requisição abaixo mostra o formato de código correspondente.
Quais operações o Qwen3.8-2.4T-A95B suporta?
Qwen3.8-2.4T-A95B suporta Texto para texto. Selecione uma operação acima para ver seu endpoint e exemplo de requisição.
Comparar Qwen3.8-2.4T-A95B
Fontes
Revisado em 2 de out. de 2026
