Alibaba Cloud: Qwen3.8-Flash

O Qwen3.8 Flash combina raciocínio de longo contexto com codificação e compreensão visual. É um modelo prático para agentes que precisam manter um grande contexto de trabalho enquanto transitam entre instruções escritas, capturas de tela e resultados de ferramentas.

Comparar modelos

qwen3.8-flash

DisponívelAlibaba CloudChat

Entrada / Saída: $0.15 / $0.47
Contexto: 992K
Saída máxima: 128K
Modalidades: VisãoChat
Capacidades: Uso de ferramentasCache de prompts

Sobre o Qwen3.8-Flash

O Qwen3.8-Flash é o modelo de custo-benefício da Alibaba na geração Qwen3.8: um sistema multimodal de mistura de especialistas (mixture-of-experts) com um núcleo de 125 bilhões de parâmetros, mais 51 bilhões de parâmetros de embedding N-gram, com 6 bilhões ativos por token. A Alibaba o descreve como uma prévia inicial da arquitetura Qwen4. Ele lê texto e imagens e é voltado para codificação por agentes, tarefas de agentes de longo prazo e trabalho com interfaces móveis.

Pontos fortes

Apenas 6 bilhões de parâmetros são ativos por token, o que a Alibaba combina com um design focado em baixo custo e latência.
A atenção híbrida combina Gated DeltaNet com Qwen Sparse Attention para manter entradas longas operáveis.
A Alibaba o avalia no SWE-bench Pro, Toolathlon Verified, AndroidWorld e MathVision, cobrindo codificação, ferramentas, agentes móveis e matemática visual.
Entrada de imagem, uso de ferramentas, saída JSON e cache de prompt fazem dele um modelo de agente geral.

Quando usar outro modelo

O Qwen3.8-Max é mais robusto nas tarefas mais difíceis de codificação e pesquisa, sendo a melhor escolha quando a qualidade é mais importante que a velocidade.
Ele entende imagens, mas não as gera, e não aceita entrada de áudio.
Como uma prévia de uma nova arquitetura, o comportamento pode mudar entre as versões; portanto, baseie as avaliações em seus próprios testes.

Primeiros passos

Criar chave de API
Crie uma chave no Console e use com qualquer modelo da plataforma.
02
Envie sua primeira requisição
Copie o exemplo para sua linguagem e execute-o no endpoint.
Texto para textoResponses API
POST/v1/responses
Formato da 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!" }'

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 $0.15 / Saída $0.47 / Leitura de cache $0.016 / Texto Entrada $0.15 / Texto Entrada · Leitura de cache $0.016 / Imagem Entrada $0.15 / Texto Saída $0.47
Preço Verified: —
Desconto: —

cacheMode · explicit

Por 1M Token

Preço Official: Entrada $0.15 / Saída $0.47 / Leitura de cache $0.016 / Escrita de cache $0.20 / Texto Entrada $0.15 / Texto Entrada · Leitura de cache $0.016 / Imagem Entrada $0.15 / Texto Saída $0.47
Preço Verified: —
Desconto: —

	Preço OfficialPor 1M Token	Preço VerifiedPor 1M Token	Desconto
cacheMode · implicit	Entrada $0.15 / Saída $0.47 / Leitura de cache $0.016 / Texto Entrada $0.15 / Texto Entrada · Leitura de cache $0.016 / Imagem Entrada $0.15 / Texto Saída $0.47	—	—
cacheMode · explicit	Entrada $0.15 / Saída $0.47 / Leitura de cache $0.016 / Escrita de cache $0.20 / Texto Entrada $0.15 / Texto Entrada · Leitura de cache $0.016 / Imagem Entrada $0.15 / Texto Saída $0.47	—	—

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

Desempenho do modelo

Última atualização 1 de nov. de 2026, 08:15 UTC

Taxa de sucesso em 30 dias: 100,0%
Requisições em 30 dias: 100+
Última atividade: há 4 dias

Os dados baseiam-se em solicitações agregadas de usuários, excluindo verificações de status.

Abrir no Console

Abra Qwen3.8-Flash no Console com um prompt pronto para editar ou enviar.

Ajude-me a testar qwen3.8-flash com uma mensagem em /v1/responses. Exiba a resposta, latência e custo.

Casos de uso

Indicado para

Visão

Etapas de agentes de alto volume
Use-o para as muitas chamadas de ferramentas de baixo custo em um loop de agente, escalando apenas as decisões difíceis para um modelo maior.
Automação móvel e de GUI
Forneça capturas de tela de telefones ou aplicativos e peça que ele escolha toques e entradas, no estilo da avaliação do AndroidWorld.
Assistentes de codificação com imagens
Cole uma captura de tela de design ou uma foto de um bug com um trecho de código e obtenha uma correção ou uma implementação inicial.
Tutoria de matemática visual
Fotografe um problema resolvido ou um gráfico e peça uma verificação passo a passo do raciocínio.

Exemplos de prompt

Esta captura de tela mostra nossa página de configurações no Android. Escreva os passos para desativar as notificações, uma ação por linha.

Esta imagem de mockup vem com nossa biblioteca de componentes. Produza o HTML e o CSS que correspondam a ela.

Verifique minha solução nesta foto de uma prova de geometria e marque o primeiro passo incorreto.

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 que é exatamente o Qwen3.8-Flash?

É o modelo Qwen3.8 da Alibaba focado em eficiência. Um design de mistura de especialistas com 125 bilhões de parâmetros centrais e 6 bilhões ativos por token, ele suporta entrada de texto e imagem e é voltado para codificação por agentes e trabalho de agente de longo prazo com custo menor que o Max.

O Qwen3.8-Flash tem pesos abertos ou é hospedado?

A Alibaba lançou uma prévia desta arquitetura com pesos abertos, anunciada como Qwen3.8-Flash-Next, e oferece o Qwen3.8-Flash de produção por meio de sua API em nuvem. Ambos são lançamentos separados com cartões de modelo distintos.

O que a prévia do Qwen4 significa para mim?

A Alibaba descreve o modelo como uma visão inicial da arquitetura planejada para o Qwen4. Na prática, isso significa técnicas mais recentes, como embeddings N-gram e atenção esparsa, e possíveis mudanças de comportamento em versões posteriores.

O Qwen3.8-Flash suporta chamada de ferramentas?

Sim. O uso de ferramentas, saída de esquema JSON e cache de prompt são suportados, e a Alibaba o avalia no Toolathlon Verified para uso de ferramentas. Defina seus esquemas de ferramentas claramente e teste sequências de várias etapas antes da produção.

Devo usar o Flash ou o Max?

Use o Flash para turnos frequentes e sensíveis à latência e codificação de rotina. Use o Qwen3.8-Max para as execuções de codificação de vários dias mais difíceis e documentos profissionais. Muitas equipes dividem o trabalho pela dificuldade da tarefa e enviam apenas as falhas para o modelo maior.

Quanto custa o Qwen3.8-Flash?

No TokenLab, Qwen3.8-Flash custa Entrada $0.15 / Saída $0.47 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-Flash?

O Qwen3.8-Flash aceita até 991.808 tokens de contexto e gera até 131.072 tokens por resposta.

Qual endpoint o Qwen3.8-Flash deve usar?

Use https://api.tokenlab.sh/v1/responses para Qwen3.8-Flash. O exemplo de requisição abaixo mostra o formato de código correspondente.

Quais operações o Qwen3.8-Flash suporta?

Qwen3.8-Flash suporta Texto para texto. Selecione uma operação acima para ver seu endpoint e exemplo de requisição.