Gemini 3.8 Flash vs Qwen3.8 Max
Cuál usar y cuándo
Elige gemini-3.8-flash cuando el volumen de entrada o la amplitud de medios impulsen la factura: admite texto, imagen, audio y video, tiene un contexto de 1048576 tokens y cuesta $0.75 por millón en la entrada y $3.75 en la salida, aproximadamente 2.7x más barato en entrada y 1.6x más barato en salida que qwen3.8-max a $2 y $6. Elige qwen3.8-max cuando necesites respuestas únicas largas, ya que su salida máxima de 131072 es el doble de los 65536 de gemini-3.8-flash, aunque su contexto es ligeramente menor con 983616 y solo acepta texto e imagen. Ambos cubren chat, visión, código, herramientas y razonamiento.
Benchmarks
Publicado por los proveedores: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
Precios
| Gemini 3.8 Flash | Qwen3.8 Max | Δ | |
|---|---|---|---|
| Entrada / 1M tokens | $0.75 | $2 | 0.38× |
| Salida / 1M tokens | $3.75 | $6 | 0.63× |
| Lectura de caché / 1M tokens | $0.075 | $0.25 | 0.3× |
| Escritura en caché | - | 1.25x | - |
Tarifas del catálogo en vivo en el momento de la compilación; la página de cada modelo incluye la ficha actualizada.
Dónde se sitúan - precio de entrada por 1M de tokens en todos los 71 modelos de chat en esta unidad de facturación (escala logarítmica)
Capacidades
| Gemini 3.8 Flash | Qwen3.8 Max | |
|---|---|---|
| Uso de herramientas | sí | sí |
| Control de pensamiento | sí - el proveedor no publica el control | sí - el proveedor no publica el control |
| Salida estructurada | sí | sí |
| Caché de prompt | implícito + explícito | implícito + explícito |
| Tiempo de vida de la caché | no publicado | explicit: 5m, reset on hit |
| Prefijo mínimo en caché | 4096 tokens | 1024 tokens |
Especificaciones
| Gemini 3.8 Flash | Qwen3.8 Max | |
|---|---|---|
| Modalidades de entrada | texto imagen audio vídeo | texto imagen |
| Modalidades de salida | texto | texto |
| Lanzamiento | 2026-09-02 | 2026-08-03 |
| Límite de conocimiento | 2026-03 | - |
| Ventana de contexto | 1M | 984K |
| Salida máxima | 66K | 131K |
Las especificaciones se transcriben de la documentación de cada proveedor; si un proveedor no publica una fila, se omite en lugar de inferirse. Fuentes completas: Gemini 3.8 Flash · Qwen3.8 Max
Un prompt, ambos modelos - medido a través del gateway
Gemini 3.8 Flash superado · 3 sentences
When we enabled reasoning, the model began generating hidden "thinking tokens" to work through logic step-by-step before producing a final answer. Because AI vendors bill for every single token processed—visible or not—this internal deliberation dramatically inflated our billable volume per query. In short, while our total number of user requests remained flat, the cost per transaction doubled to buy higher accuracy on complex tasks.
salida 705 tok (+624 pensamiento) latencia 6.4 s
Qwen3.8 Max superado · 3 sentences
Enabling reasoning makes the model produce additional hidden steps before responding, and those tokens are billable. It also tends to lengthen each interaction because the model works through more possibilities before settling on an answer. Therefore, the bill doubled mainly due to higher compute and token usage per request, not necessarily because the number of requests doubled.
salida 378 tok (+305 pensamiento) latencia 8.6 s
Seguimiento de la instrucción (exactamente tres frases - contables), adaptación a la audiencia (registro de CFO), y la brecha de facturación por pensamiento oculto que los medidores de tokens de abajo dejan ver.
Gemini 3.8 Flash superado · 8/8 cases
Here is the corrected function: ```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 best = max(best, cur) else: cur = 1 return best ``` ### Explanation of the Bug The original function counted equal-neighbor transitions rather than the actual items making up each run. Because `cur` started at `0` (and was reset to `0` on mismatches), every run was undercounted by one: single-element lists returned `0` because the loop never executed, and any subsequent run—including those ending at the last index—recorded a count of $N - 1$ instead of $N$. The fix handles empty input upfront, initializes both `cur` and `best` to `1` (since any single element forms a run of length 1), and resets `cur` to `1` whenever a new run begins.
salida 1393 tok (+1149 pensamiento) latencia 10.1 s
Qwen3.8 Max superado · 8/8 cases
```python def longest_run(xs): if not xs: return 0 best = cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 else: cur = 1 best = max(best, cur) return best ``` The bug is that the original code starts `best` and `cur` at `0`, so it counts adjacent equal *transitions* rather than the number of items in the run. A run of length `n` has only `n - 1` equal-neighbor transitions, so single-element inputs return `0`, and runs that reach the end are undercounted by one. Initializing the current run to `1` for the first element, resetting it to `1` on a break, and updating `best` from that count fixes the off-by-one.
salida 1616 tok (+1411 pensamiento) latencia 34.7 s
Si el arreglo es realmente correcto (ejecutable), la densidad de la explicación, y la eficiencia en tokens sobre una tarea acotada.
Gemini 3.8 Flash superado · 5/5 fields, guidance null
```json { "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": null, "guidance": null } ```
salida 3989 tok (+3932 pensamiento) latencia 30.4 s
Qwen3.8 Max superado · 5/5 fields, guidance null
{ "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": 11, "guidance": null }
salida 1199 tok (+1141 pensamiento) latencia 24.4 s
Obediencia al esquema (sin campos inventados), presión de alucinación (guidance se retiene explícitamente), y diferencias en la ruta de salida estructurada.
Gemini 3.8 Flash superado · 120 words, 0 banned, 1 question
Why pay multiple model providers for the exact same output? Introducing Universal Prompt Cache, our latest API gateway capability engineered to cut compute expenses and drop inference latency. When your application makes a call, the gateway inspects a central memory layer before routing traffic to external LLMs. If an identical query was previously processed by OpenAI, Anthropic, or Mistral, our gateway returns that response immediately. This shared cache eliminates duplicate token fees and insulates your production apps from vendor rate limits or unexpected downtime. Developers can easily customize expiration settings, enforce strict data privacy controls, and configure invalidation logic across every endpoint. Stop wasting your budget on repeated queries. Enable prompt caching in your dashboard to accelerate your pipeline today.
salida 3833 tok (+3688 pensamiento) latencia 21.8 s
Qwen3.8 Max superado · 120 words, 0 banned, 1 question
Today, our API gateway adds prompt caching across major model providers. It stores prompts and responses in one fast cache layer. Teams can lower token spend, reduce latency, and repeat reliable answers. The feature supports OpenAI, Anthropic, Google, and Mistral through one configuration. You can set retention rules, scope access, and invalidate entries quickly. How does your team maintain consistent results during provider outages? Approved cached responses keep applications stable while fallback routes recover. The dashboard shows hit rates, savings, latency, and provider usage. Engineers receive audit trails for every cached prompt, enabling safer testing. Product managers can compare cost trends before and after cache adoption. Start with a small route, then safely expand caching to production traffic right now.
salida 2744 tok (+2591 pensamiento) latencia 46.3 s
Obediencia a las restricciones (presupuesto de palabras, lista de palabras prohibidas, la única pregunta), huella de estilo, y control de la longitud.
Cambia entre ellos con una línea
Ambos IDs están en cada pestaña a continuación - el par de líneas resaltadas es la única edición. Mismo endpoint, misma clave, misma estructura de solicitud.
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.chat.completions.create(
model="gemini-3.8-flash",
# model="qwen3.8-max", # descomenta esta línea, comenta la de arriba
messages=[{"role": "user", "content": "Summarize this diff"}],
reasoning_effort="medium",
)
print(resp.choices[0].message.content)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.chat.completions.create({
model: "gemini-3.8-flash",
// model: "qwen3.8-max", // descomenta esta línea, comenta la de arriba
messages: [{ role: "user", content: "Summarize this diff" }],
reasoning_effort: "medium",
});
console.log(resp.choices[0].message.content);curl https://synthorai.io/v1/chat/completions \
-H "Authorization: Bearer sk-syn-..." \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-3.8-flash",
# "model": "qwen3.8-max", # descomenta esta línea, comenta la de arriba
"messages": [{"role": "user", "content": "Hello"}],
"reasoning_effort": "medium"
}'package main
import (
"context"
"fmt"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
Model: "gemini-3.8-flash",
// Model: "qwen3.8-max", // descomenta esta línea, comenta la de arriba
Messages: []openai.ChatCompletionMessageParamUnion{
openai.UserMessage("Summarize this diff"),
},
ReasoningEffort: openai.ReasoningEffortMedium,
})
fmt.Println(resp.Choices[0].Message.Content)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;
import com.openai.models.ReasoningEffort;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
ChatCompletion resp = client.chat().completions().create(
ChatCompletionCreateParams.builder()
.model("gemini-3.8-flash")
// .model("qwen3.8-max") // descomenta esta línea, comenta la de arriba
.addUserMessage("Summarize this diff")
.reasoningEffort(ReasoningEffort.MEDIUM)
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));Preguntas frecuentes
¿Cuál es más barato, Gemini 3.8 Flash o Qwen3.8 Max?
Gemini 3.8 Flash es más barato en entrada / 1m tokens ($0.75 vs $2, con una diferencia de 2.7×). Otras filas pueden indicar lo contrario - la tabla anterior muestra la ficha completa, y el costo real depende de su combinación.
¿Puedo hacer pruebas A/B de Gemini 3.8 Flash frente a Qwen3.8 Max sin dos integraciones?
Sí. Ambos se sirven a través del mismo endpoint compatible con OpenAI con una clave API - el cambio es una modificación de una línea en la cadena del modelo, por lo que puede enrutar una fracción del tráfico a cada uno y comparar las facturas directamente.
¿Admiten Gemini 3.8 Flash y Qwen3.8 Max caché de prompts?
Sí - ambos cobran las lecturas en caché por debajo de su tarifa de entrada, por lo que las cargas de trabajo con prefijo caliente cuestan menos de lo que sugieren las tarifas de lista. Las filas exactas de lectura en caché están en la tabla de precios de arriba.