Qwen3.8 Flash vs Qwen3.8 Max

vs

Cuál usar y cuándo

Ambos son modelos de Alibaba con el mismo conjunto de capacidades (chat, visión, código, razonamiento, herramientas, contexto largo) y la misma salida máxima de 131072, por lo que la diferencia está en el precio y las entradas. Elija qwen3.8-flash para trabajo de alto volumen: a $0.15 de entrada y $0.47 de salida, es aproximadamente 13x más barato en ambos tramos que qwen3.8-max a $2 y $6, sus lecturas de caché son de $0.016 frente a $0.25, mantiene 1000000 tokens de contexto frente a 983616, también acepta video, y su pensamiento se puede desactivar. Elija qwen3.8-max cuando quiera específicamente el modelo de texto e imagen de nivel superior y la diferencia de costo no sea la restricción.

Benchmarks

GanaSobre la mediaNinguno mejorQwen3.8 Flash312 / 163 / 16Qwen3.8 Max731 / 408 / 40

10 medidos en ambos.

Qwen3.8 Flash Qwen3.8 Max otros modelos medidos media de los modelos comparados ★ ningún otro modelo puntuó más alto
SWE-Bench Pro
62.5%
67.7%
OSWorld 2.0 partial
52.3%
N/A
Cybergym
N/A
78.5%
HealthBench
N/A
ningún otro modelo puntuó más alto 60.2%
JobBench
55.7%
53.4%
PLawBench
N/A
ningún otro modelo puntuó más alto 73.2%
GPQA Diamond
91.7%
92.6%
ERQA
ningún otro modelo puntuó más alto 72.3%
N/A
Agents' Last Exam Pass
24.3%
27%
LVBench
76.6%
N/A

Publicado por los proveedores: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai

Precios

Qwen3.8 Flash Qwen3.8 Max Δ
Entrada / 1M tokens $0.15 $2 0.075×
Salida / 1M tokens $0.47 $6 0.078×
Lectura de caché / 1M tokens $0.016 $0.25 0.064×
Escritura en caché 1.25x 1.25x -

Tarifas tomadas del catálogo en vivo al generar el sitio; la página de cada modelo tiene la ficha de precios actualizada.

Dónde queda cada uno: precio de entrada por 1M de tokens entre los 80 modelos de chat que se facturan en esta unidad (escala logarítmica)

Qwen3.8 Flash · $0.15 Qwen3.8 Max · $2
$0.05 · Qwen3 VL Flash $30 · GPT-5.4 Pro

Capacidades

Qwen3.8 Flash Qwen3.8 Max
Uso de herramientas sí sí
Control del razonamiento configurable

sí

el proveedor no publica cómo ajustarlo

Salida estructurada sí sí
Caché de prompts implícito + explícito implícito + explícito
Duración de la caché explicit: 5m, reset on hit explicit: 5m, reset on hit
Prefijo mínimo en caché 1,024 tokens 1,024 tokens

Especificaciones

Qwen3.8 Flash Qwen3.8 Max
Modalidades de entrada texto imagen vídeo texto imagen
Modalidades de salida texto texto
Lanzamiento 2026-08-27 2026-08-03
Ventana de contexto 1M 984K
Salida máxima 131K 131K
Parámetro de razonamiento
  • enable_thinking
  • thinking_budget
  • preserve_thinking
-
Valores aceptados
enable_thinking
  • true
  • false
thinking_budget
  • in tokens
preserve_thinking
  • true
  • false
-
Valor por defecto

on

qwen3.8-flash is hybrid thinking with thinking enabled by default, thinking_budget defaults to the 262,144-token chain maximum, and preserve_thinking is off

-

Las especificaciones se transcriben de la documentación de cada proveedor; si un proveedor no publica un dato, la fila se omite en vez de deducirlo. Fuentes completas: Qwen3.8 Flash · Qwen3.8 Max

Un mismo prompt en los dos modelos, medido a través de la pasarela

PROMPT Explain to a CFO, in exactly three sentences, why our LLM bill doubled after we enabled reasoning. COMPROBACIÓN exactamente 3 frases

Qwen3.8 Flash superado · 3 sentences

Enabling reasoning makes the model spend additional output tokens to plan and validate answers before responding, and those tokens are billed. It also increases compute and latency per request, so each task consumes more capacity than a non-reasoning call. As a result, billable tokens and compute roughly doubled, directly driving the higher invoice.

salida 330 tok (+262 razonamiento) latencia 8.9 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 razonamiento) latencia 8.6 s

Cumplimiento de la instrucción (exactamente tres frases, se pueden contar), adaptación al público (registro de CFO) y la diferencia de facturación por razonamiento oculto que dejan ver los contadores de tokens de abajo.

PROMPT This function is supposed to return the longest run of consecutive equal items, but callers report it is off by one on single-element inputs and misses runs that end at the last index. Fix it and explain the bug in one paragraph. COMPROBACIÓN la corrección pasa las pruebas

Qwen3.8 Flash superado · 8/8 cases

```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 else: cur = 1 best = max(best, cur) return best ``` The bug is that the original version counts adjacent equal pairs rather than items in a run, starting both `cur` and `best` at `0`, and it resets `cur` to `0` after a mismatch, thereby discarding the first element of the new run. That makes single-element inputs return `0`, and because every run is effectively measured in “steps” between equal elements, the last element is not counted—particularly noticeable when the longest run ends at the final index.

salida 2123 tok (+1933 razonamiento) latencia 43.8 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 razonamiento) latencia 34.7 s

Si la corrección funciona de verdad (se puede ejecutar), lo densa que es la explicación y la eficiencia en tokens en una tarea acotada.

PROMPT Extract a JSON object with fields {company, quarter, revenue_usd_m, growth_pct, guidance} from this text. Use null for anything not stated; add no other fields. COMPROBACIÓN JSON válido, esquema exacto

Qwen3.8 Flash superado · 5/5 fields, guidance null

{ "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": 11, "guidance": null }

salida 519 tok (+463 razonamiento) latencia 10.5 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 razonamiento) latencia 24.4 s

Respeto del esquema (sin campos inventados), tentación de alucinar (la guidance se omite a propósito) y diferencias entre las vías de salida estructurada.

PROMPT Write a 120-word product announcement for an API gateway feature that caches prompts across providers. Forbidden words: "seamless", "unlock", "game-changer", "revolutionize", "empower". Exactly one sentence must be a question. COMPROBACIÓN 120 palabras, 0 palabras prohibidas

Qwen3.8 Flash superado · 120 words, 0 banned, 1 question

We are announcing prompt caching across providers in our API gateway. Store approved prompt outputs once and reuse them across supported model providers, cutting latency, cost, and duplicate token spend. The feature matches identical requests, checks validity, and returns cached results while preserving routing controls. Developers keep existing endpoints; the gateway manages storage, invalidation, and provider differences. This reduces noisy repeat calls, improves steady responses, and frees teams to focus on better agent workflows. OpenAI, Anthropic, Google, Mistral, and custom routes are supported. Cache hits appear in analytics with latency, token, and cost reductions visible. Check retention and privacy rules before enabling it. Ready to add cache controls to your gateway? Enable it in settings and watch spend drop now.

salida 5958 tok (+5805 razonamiento) latencia 88.8 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 razonamiento) latencia 46.3 s

Respeto de las restricciones (límite de palabras, lista de palabras prohibidas, una única pregunta), sello de estilo y control de la longitud.

Cambia de uno a otro con una sola línea

Los dos ids aparecen en todas las pestañas de abajo; lo único que cambia es el par de líneas resaltadas. El endpoint, la clave y la estructura de la solicitud son los mismos.

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.chat.completions.create(
    model="qwen3.8-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)

Obtén tu clave API →

Preguntas frecuentes

¿Cuál es más barato, Qwen3.8 Flash o Qwen3.8 Max?

Qwen3.8 Flash es más barato en Entrada / 1M tokens ($0.15 frente a $2, una diferencia de 13×). En otras filas puede ser al revés: la tabla de arriba recoge todas las tarifas, y el coste real depende de tu combinación de uso.

¿Puedo hacer pruebas A/B de Qwen3.8 Flash frente a Qwen3.8 Max sin dos integraciones?

Sí. Los dos se sirven desde el mismo endpoint compatible con OpenAI y con una sola clave API. Para cambiar de uno a otro basta con tocar una línea, el nombre del modelo, así que puedes mandar una parte del tráfico a cada uno y comparar directamente las facturas.

¿Admiten Qwen3.8 Flash y Qwen3.8 Max caché de prompts?

Sí. Los dos cobran las lecturas de caché por debajo de su tarifa de entrada, así que las cargas de trabajo que reutilizan un prefijo ya cacheado cuestan menos de lo que sugieren los precios de lista. Las tarifas exactas de lectura de caché están en la tabla de precios de arriba.

Comparativas relacionadas

De nuestros estudios con mediciones