Alibaba Cloud: Qwen3.8-2.4T-A95B
qwen3.8-2.4t-a95b- Đầu vào / Đầu ra
- $2.00 / $6.00
- Ngữ cảnh
- 992K
- Độ dài đầu ra tối đa
- 128K
- Phương thức
- Trò chuyện
- Khả năng
- Sử dụng công cụBộ nhớ đệm Prompt
Về Qwen3.8-2.4T-A95B
Qwen3.8-2.4T-A95B là bản phát hành mã nguồn mở của kiến trúc Qwen3.8-Max từ Alibaba: một mô hình hỗn hợp chuyên gia (mixture-of-experts) chỉ dành cho văn bản với tổng cộng 2,4 nghìn tỷ tham số và 95 tỷ tham số hoạt động. Nó luôn suy luận trước khi trả lời và cung cấp cài đặt nỗ lực suy luận (reasoning-effort). So với Qwen3.8-Max được lưu trữ, nó loại bỏ chế độ không suy nghĩ để đổi lấy việc có thể tải xuống trọng số.
Ưu điểm
- Trọng số mở với 512 chuyên gia, trong đó 11 chuyên gia hoạt động trên mỗi token, vì vậy tổng số 2,4 nghìn tỷ tham số chỉ tiêu tốn 95 tỷ tham số mỗi bước.
- Độ sâu suy luận có thể điều chỉnh thông qua cài đặt reasoning_effort, với các mức xhigh, medium và low được ghi lại trên thẻ mô hình.
- Thẻ của Alibaba báo cáo kết quả GPQA Diamond 92.6, SWE-bench Pro 67.7 và Terminal Bench 2.1 86.6.
- Hỗ trợ sử dụng công cụ, đầu ra lược đồ JSON và bộ nhớ đệm prompt, vì vậy nó phù hợp cho công việc đại lý (agent) và đường ống xử lý.
Khi nào nên chọn model khác
- Nó không thể đọc hình ảnh hoặc video; đây là một mô hình văn bản.
- Quá trình suy nghĩ không thể tắt được, vì vậy các lượt hội thoại nhanh sẽ chịu chi phí suy luận mà Qwen3.8-Flash tránh được.
- Việc tự lưu trữ mô hình này đòi hỏi một cụm GPU rất lớn, điều này nằm ngoài khả năng của hầu hết các nhóm.
Bắt đầu
Tạo API key
Tạo API key trong Console để dùng cho mọi mô hình trên nền tảng.
Gửi yêu cầu đầu tiên của bạn
Sao chép ví dụ cho ngôn ngữ của bạn và chạy nó với endpoint.
Văn bản sang văn bảnResponses APIPOST/v1/responsesĐịnh dạng 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!" }'
Giá
Giá Verified áp dụng cho Verified, thường rẻ hơn trên hầu hết các model. Giá Official là giá niêm yết từ nhà phát triển, áp dụng cho route Official ổn định hơn. Auto sẽ tính phí dựa trên route hoàn thành yêu cầu.
cacheMode · implicit
mỗi 1M token- Giá Official
- Đầu vào $2.00 / Đầu ra $6.00 / Đọc bộ nhớ đệm $0.25 / Văn bản Đầu vào $2.00 / Văn bản Đầu vào · Đọc bộ nhớ đệm $0.25 / Hình ảnh Đầu vào $2.00 / Văn bản Đầu ra $6.00
- Giá Verified
- —
- Giảm giá
- —
cacheMode · explicit
mỗi 1M token- Giá Official
- Đầu vào $2.00 / Đầu ra $6.00 / Đọc bộ nhớ đệm $0.17 / Ghi bộ nhớ đệm $2.50 / Văn bản Đầu vào $2.00 / Văn bản Đầu vào · Đọc bộ nhớ đệm $0.17 / Hình ảnh Đầu vào $2.00 / Văn bản Đầu ra $6.00
- Giá Verified
- —
- Giảm giá
- —
| Giá Officialmỗi 1M token | Giá Verifiedmỗi 1M token | Giảm giá | |
|---|---|---|---|
| cacheMode · implicit | Đầu vào $2.00 / Đầu ra $6.00 / Đọc bộ nhớ đệm $0.25 / Văn bản Đầu vào $2.00 / Văn bản Đầu vào · Đọc bộ nhớ đệm $0.25 / Hình ảnh Đầu vào $2.00 / Văn bản Đầu ra $6.00 | — | — |
| cacheMode · explicit | Đầu vào $2.00 / Đầu ra $6.00 / Đọc bộ nhớ đệm $0.17 / Ghi bộ nhớ đệm $2.50 / Văn bản Đầu vào $2.00 / Văn bản Đầu vào · Đọc bộ nhớ đệm $0.17 / Hình ảnh Đầu vào $2.00 / Văn bản Đầu ra $6.00 | — | — |
Sử dụng & hoạt động
Tỷ lệ thành công là tỷ lệ yêu cầu hoàn tất. Độ trễ là thời gian của một phản hồi đầy đủ; P95 nghĩa là 95% yêu cầu hoàn thành trong khoảng thời gian đó.
Mức sử dụng & tình trạng
24 giờ qua- Yêu cầu
- Tỷ lệ thành công
- Độ trễ P95
- Tổng token
Dữ liệu dựa trên các yêu cầu tổng hợp của người dùng, không bao gồm các kiểm tra trạng thái.
Mở trong Console
Mở Qwen3.8-2.4T-A95B trong Console để chỉnh sửa và gửi prompt ngay.
Giúp tôi thử qwen3.8-2.4t-a95b với tin nhắn ngắn tại /v1/responses. Hiển thị phản hồi, độ trễ và chi phí.
Tình huống sử dụng
Giải quyết các vấn đề lập trình khó
Giao cho nó một lỗi đa dịch vụ hoặc một tác vụ tái cấu trúc lớn nơi việc suy luận bổ sung mang lại hiệu quả, và để nó lập kế hoạch trước khi chạm vào các tệp tin.
Phân tích khoa học và kỹ thuật
Giải quyết các câu hỏi cấp độ sau đại học, các phép suy dẫn hoặc phê bình bài báo nơi việc suy luận từng bước cẩn thận quan trọng hơn độ trễ.
Khung đại lý (agent) với trọng số mở
Sử dụng nó ở nơi chính sách yêu cầu một mô hình có trọng số mở nhưng đại lý vẫn cần khả năng suy luận và gọi công cụ ở quy mô tiên tiến.
Trích xuất có cấu trúc từ văn bản dài
Yêu cầu JSON tuân thủ một lược đồ từ các nguồn văn bản dài, lộn xộn, với nỗ lực suy luận được đặt ở mức cao cho các đầu vào mơ hồ.
Ví dụ prompt
Suy dẫn độ phức tạp thời gian của bộ lập lịch này, sau đó tìm trường hợp mà giới hạn khấu hao thất bại và đưa ra một đầu vào phản ví dụ.
Trích xuất mọi nghĩa vụ, thời hạn và bên chịu trách nhiệm từ văn bản này dưới dạng JSON khớp với lược đồ tôi đã đính kèm.
Lập kế hoạch di chuyển mô-đun thanh toán của hệ thống nguyên khối này sang một dịch vụ riêng biệt, bao gồm các bước, rủi ro và thứ tự thay đổi.
Mô hình này có giá theo điều kiện. Chỉ tổng token hàng tháng không thể tạo ước tính đáng tin cậy; hãy dùng bảng giá chi tiết theo thông số yêu cầu, bộ nhớ đệm và khung giờ áp dụng.
FAQ
Qwen3.8-2.4T-A95B có giống với Qwen3.8-Max không?
Không hoàn toàn. Đây là phiên bản song sinh có trọng số mở: cùng thế hệ và quy mô kiến trúc, nhưng chỉ dành cho văn bản và luôn ở chế độ suy nghĩ. Qwen3.8-Max được lưu trữ bổ sung chế độ không suy nghĩ, các công cụ tích hợp và ngữ cảnh mặc định dài hơn.
2.4T và A95B nghĩa là gì?
Mô hình có tổng cộng 2,4 nghìn tỷ tham số, nhưng một lớp cổng (gating layer) chỉ gửi mỗi token qua 95 tỷ tham số trong số đó. Thiết kế hỗn hợp chuyên gia đó mang lại kiến thức của mô hình lớn với chi phí tính toán trên mỗi token thấp hơn nhiều so với một mô hình dày đặc có cùng kích thước.
Tôi có thể tắt chế độ suy nghĩ không?
Không. Thẻ mô hình nêu rõ rằng quá trình suy nghĩ không thể bị vô hiệu hóa. Bạn có thể giảm độ sâu với reasoning_effort được đặt thành low, medium hoặc xhigh. Nếu bạn cần các phản hồi không suy nghĩ, hãy sử dụng Qwen3.8-Max hoặc một mô hình Qwen3.8 nhỏ hơn.
Nó có chấp nhận hình ảnh không?
Không. Đây là một mô hình văn bản và không nhận đầu vào là hình ảnh hoặc video. Hãy sử dụng nó cho mã nguồn, tài liệu và suy luận trên văn bản, và chọn một mô hình khác khi ảnh chụp màn hình là một phần của công việc.
Giấy phép nào áp dụng cho các trọng số này?
Các trọng số được xuất bản bởi nhóm Qwen của Alibaba trên Hugging Face; hãy đọc giấy phép trên thẻ mô hình trước khi phân phối thương mại hoặc tinh chỉnh. Việc gọi mô hình thông qua API không yêu cầu bạn phải tự lưu trữ hoặc cấp phép cho các trọng số.
Qwen3.8-2.4T-A95B có giá bao nhiêu?
Trên TokenLab, Qwen3.8-2.4T-A95B có giá Đầu vào $2.00 / Đầu ra $6.00 mỗi 1M token. Bảng giá phía trên cho thấy chi tiết đầy đủ. Giá phụ thuộc vào đơn vị tính phí, thông số và mức sử dụng. Hãy so sánh các điều kiện tương đương trong bảng giá chi tiết của mô hình; một mức giá đơn lẻ không quyết định tổng chi phí.
Giới hạn ngữ cảnh và đầu ra của Qwen3.8-2.4T-A95B là bao nhiêu?
Qwen3.8-2.4T-A95B hỗ trợ tối đa 991.808 token ngữ cảnh và trả về tối đa 131.072 token mỗi phản hồi.
Qwen3.8-2.4T-A95B nên dùng endpoint nào?
Dùng https://api.tokenlab.sh/v1/responses làm mặc định cho Qwen3.8-2.4T-A95B. Nếu mô hình hỗ trợ định dạng native của nhà cung cấp, API workbench cũng hiển thị endpoint đó.
Qwen3.8-2.4T-A95B hỗ trợ những thao tác nào?
Qwen3.8-2.4T-A95B hỗ trợ Văn bản sang văn bản. Chọn một thao tác trong API workbench phía trên để xem endpoint và mã ví dụ tương ứng.
So sánh Qwen3.8-2.4T-A95B
Nguồn
Đánh giá ngày 2 thg 10, 2026
