Qwen3.8 Flash

Especificaciones y límites

• Multimodal Flash model on the Qwen3.8-Flash-Next architecture (Gated DeltaNet with Qwen Sparse Attention, n-gram embeddings; 51B n-gram embedding parameters on top of the 125B MoE)
• text, image and video in, text out
• max input 991,808 tokens, 983,616 in thinking mode
• reasoning chain up to 262,144 tokens
• one price for thinking and non-thinking calls with no length tiers
• batch inference not offered

según documentación oficial de Alibaba ↗

Un prompt, medido a través del gateway

Use Qwen3.8 Flash en 30 segundos

Compatible con OpenAI: cambie el base_url y conserve su SDK. POST /v1/chat/completions

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",
    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: "qwen3.8-flash",
  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": "qwen3.8-flash",
    "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: "qwen3.8-flash",
		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("qwen3.8-flash")
        .addUserMessage("Summarize this diff")
        .reasoningEffort(ReasoningEffort.MEDIUM)
        .build());
System.out.println(resp.choices().get(0).message().content().orElse(""));

Acerca de Qwen3.8 Flash

• Se basa en una arquitectura nueva que el equipo de Qwen describe como un avance experimental de lo que sustentará a Qwen4: un modelo Mixture-of-Experts con 125.000 millones de parámetros y 6.000 millones activos por token, más 51.000 millones de parámetros de embeddings de n-gramas, que combina capas Gated DeltaNet con una nueva Qwen Sparse Attention que, según Alibaba, reduce la latencia con entradas largas.
• La versión de pesos abiertos de esa arquitectura es Qwen3.8-Flash-Next; el modelo alojado se describe como su versión de producción, con un contexto de 1M de tokens activado por defecto y las herramientas integradas de Alibaba.
• Acepta texto, imágenes y vídeo y devuelve texto, con hasta 131.072 tokens de salida.
• El razonamiento es híbrido y está activado por defecto: enable_thinking lo desactiva por solicitud, thinking_budget le pone un límite, y la traza llega en reasoning_content y se factura como salida.
• También figura en la lista de preserve_thinking de Alibaba, así que un agente puede llevar el razonamiento previo a turnos posteriores en lugar de volver a derivarlo.
• Se indican llamadas a funciones, salida estructurada, completado por prefijo, búsqueda web y caché de contexto; la inferencia por lotes no.
• La propia guía de selección de Alibaba lo señala como la forma de reducir costes frente a Qwen3.7 Plus manteniendo capacidades similares.
• Los precios son más sencillos que los de Qwen3.7 Flash, su antecesor, que facturaba en tres tramos según la longitud del contexto: Qwen3.8 Flash tiene una tarifa única en toda la ventana, igual para llamadas con y sin razonamiento, y los aciertos de caché cuestan aproximadamente una décima parte de la entrada estándar, tanto si la caché se creó automáticamente como de forma explícita.
• Synthorai lo ofrece a través del endpoint de chat completions compatible con OpenAI.

Preguntas frecuentes

Modelos relacionados

Comparar