Alibaba Cloud: Qwen3.8-Flash
qwen3.8-flash- Đầu vào / Đầu ra
- $0.15 / $0.47
- Ngữ cảnh
- 992K
- Độ dài đầu ra tối đa
- 128K
- Phương thức
- Thị giácTrò chuyện
- Khả năng
- Sử dụng công cụBộ nhớ đệm Prompt
Về Qwen3.8-Flash
Qwen3.8-Flash là mô hình tối ưu về hiệu năng trên giá thành của Alibaba trong thế hệ Qwen3.8: một hệ thống hỗn hợp chuyên gia đa phương thức với lõi 125 tỷ tham số cộng thêm 51 tỷ tham số nhúng N-gram, với 6 tỷ tham số hoạt động trên mỗi token. Alibaba gọi đây là bản xem trước sớm của kiến trúc Qwen4. Mô hình có khả năng đọc văn bản và hình ảnh, hướng tới các tác vụ lập trình đại lý (agentic coding), các tác vụ đại lý dài hạn và công việc trên giao diện di động.
Ưu điểm
- Chỉ có 6 tỷ tham số hoạt động trên mỗi token, điều mà Alibaba kết hợp với thiết kế nhằm đạt chi phí và độ trễ thấp.
- Cơ chế chú ý lai (Hybrid attention) kết hợp Gated DeltaNet với Qwen Sparse Attention để duy trì khả năng xử lý các đầu vào dài.
- Alibaba đánh giá mô hình trên các bộ dữ liệu SWE-bench Pro, Toolathlon Verified, AndroidWorld và MathVision, bao gồm các lĩnh vực lập trình, công cụ, đại lý di động và toán học trực quan.
- Đầu vào hình ảnh cùng với khả năng sử dụng công cụ, xuất dữ liệu JSON và bộ nhớ đệm prompt (prompt caching) biến nó thành một mô hình đại lý đa năng.
Khi nào nên chọn model khác
- Qwen3.8-Max mạnh mẽ hơn trong các tác vụ lập trình và nghiên cứu khó nhất, là lựa chọn tốt hơn khi chất lượng quan trọng hơn tốc độ.
- Mô hình hiểu được hình ảnh nhưng không tạo ra hình ảnh, và không nhận đầu vào âm thanh.
- Vì là bản xem trước của một kiến trúc mới, hành vi có thể thay đổi giữa các bản phát hành, vì vậy hãy gắn các đánh giá với các bài kiểm tra của riêng bạn.
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-flash", "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 $0.15 / Đầu ra $0.47 / Đọc bộ nhớ đệm $0.016 / Văn bản Đầu vào $0.15 / Văn bản Đầu vào · Đọc bộ nhớ đệm $0.016 / Hình ảnh Đầu vào $0.15 / Văn bản Đầu ra $0.47
- Giá Verified
- —
- Giảm giá
- —
cacheMode · explicit
mỗi 1M token- Giá Official
- Đầu vào $0.15 / Đầu ra $0.47 / Đọc bộ nhớ đệm $0.016 / Ghi bộ nhớ đệm $0.20 / Văn bản Đầu vào $0.15 / Văn bản Đầu vào · Đọc bộ nhớ đệm $0.016 / Hình ảnh Đầu vào $0.15 / Văn bản Đầu ra $0.47
- Giá Verified
- —
- Giảm giá
- —
| Giá Officialmỗi 1M token | Giá Verifiedmỗi 1M token | Giảm giá | |
|---|---|---|---|
| cacheMode · implicit | Đầu vào $0.15 / Đầu ra $0.47 / Đọc bộ nhớ đệm $0.016 / Văn bản Đầu vào $0.15 / Văn bản Đầu vào · Đọc bộ nhớ đệm $0.016 / Hình ảnh Đầu vào $0.15 / Văn bản Đầu ra $0.47 | — | — |
| cacheMode · explicit | Đầu vào $0.15 / Đầu ra $0.47 / Đọc bộ nhớ đệm $0.016 / Ghi bộ nhớ đệm $0.20 / Văn bản Đầu vào $0.15 / Văn bản Đầu vào · Đọc bộ nhớ đệm $0.016 / Hình ảnh Đầu vào $0.15 / Văn bản Đầu ra $0.47 | — | — |
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
- Tỷ lệ thành công 30 ngày
- 100,0%
- Lượt yêu cầu 30 ngày
- 100+
- Hoạt động gần nhất
- 4 ngày trước
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-Flash trong Console để chỉnh sửa và gửi prompt ngay.
Giúp tôi thử qwen3.8-flash với tin nhắn ngắn tại /v1/responses. Hiển thị phản hồi, độ trễ và chi phí.
Tình huống sử dụng
Phù hợp cho- Thị giác
Các bước đại lý khối lượng lớn
Sử dụng cho các lượt gọi công cụ giá rẻ thường xuyên trong vòng lặp đại lý, chỉ chuyển các quyết định khó lên mô hình lớn hơn.
Tự động hóa di động và GUI
Cung cấp ảnh chụp màn hình điện thoại hoặc ứng dụng và để mô hình chọn các thao tác chạm và nhập liệu, theo phong cách đánh giá của AndroidWorld.
Trợ lý lập trình với hình ảnh
Dán ảnh chụp màn hình thiết kế hoặc ảnh chụp lỗi kèm theo đoạn mã để nhận bản sửa lỗi hoặc bản triển khai đầu tiên.
Gia sư toán học trực quan
Chụp ảnh một bài toán đã giải hoặc biểu đồ và yêu cầu kiểm tra từng bước lập luận.
Ví dụ prompt
Ảnh chụp màn hình này hiển thị trang cài đặt của chúng tôi trên Android. Hãy viết các bước để tắt thông báo, mỗi hành động trên một dòng.
Hình ảnh mô phỏng này đi kèm với thư viện thành phần của chúng tôi. Hãy tạo mã HTML và CSS khớp với hình ảnh đó.
Kiểm tra lời giải của tôi trong bức ảnh chụp bài chứng minh hình học này và đánh dấu bước sai đầu tiên.
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-Flash chính xác là gì?
Đây là mô hình Qwen3.8 tập trung vào hiệu quả của Alibaba. Với thiết kế hỗn hợp chuyên gia gồm 125 tỷ tham số lõi và 6 tỷ tham số hoạt động trên mỗi token, mô hình hỗ trợ đầu vào văn bản và hình ảnh, hướng tới lập trình đại lý và công việc đại lý dài hạn với chi phí thấp hơn bản Max.
Qwen3.8-Flash là mô hình mở hay mô hình được lưu trữ?
Alibaba đã phát hành bản xem trước của kiến trúc này với trọng số mở, được công bố là Qwen3.8-Flash-Next, và cung cấp bản Qwen3.8-Flash thương mại thông qua API đám mây của họ. Hai bản này là các bản phát hành riêng biệt với các thẻ mô hình (model cards) riêng.
Bản xem trước Qwen4 có ý nghĩa gì với tôi?
Alibaba mô tả mô hình này như một cái nhìn sớm về kiến trúc dự kiến cho Qwen4. Trong thực tế, điều đó có nghĩa là các kỹ thuật mới hơn như nhúng N-gram và cơ chế chú ý thưa (sparse attention), cùng với những thay đổi hành vi có thể xảy ra trong các phiên bản sau.
Qwen3.8-Flash có hỗ trợ gọi công cụ không?
Có. Khả năng sử dụng công cụ, xuất lược đồ JSON và bộ nhớ đệm prompt đều được hỗ trợ, và Alibaba đã đánh giá mô hình trên Toolathlon Verified cho việc sử dụng công cụ. Hãy xác định rõ ràng các lược đồ công cụ của bạn và kiểm tra các chuỗi đa bước trước khi đưa vào sản xuất.
Tôi nên sử dụng Flash hay Max?
Sử dụng Flash cho các lượt phản hồi thường xuyên, nhạy cảm với độ trễ và lập trình thông thường. Sử dụng Qwen3.8-Max cho các dự án lập trình kéo dài nhiều ngày khó nhất và các tài liệu chuyên môn. Nhiều nhóm chia công việc theo độ khó của tác vụ và chỉ gửi các trường hợp thất bại lên mô hình lớn hơn.
Qwen3.8-Flash có giá bao nhiêu?
Trên TokenLab, Qwen3.8-Flash có giá Đầu vào $0.15 / Đầu ra $0.47 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-Flash là bao nhiêu?
Qwen3.8-Flash hỗ trợ tối đa 991.808 token ngữ cảnh và trả về tối đa 131.072 token mỗi phản hồi.
Qwen3.8-Flash nên dùng endpoint nào?
Dùng https://api.tokenlab.sh/v1/responses làm mặc định cho Qwen3.8-Flash. Nếu mô hình hỗ trợ định dạng native của nhà cung cấp, API workbench cũng hiển thị endpoint đó.
Qwen3.8-Flash hỗ trợ những thao tác nào?
Qwen3.8-Flash 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-Flash
Nguồn
Đánh giá ngày 2 thg 10, 2026
