Qwen3.8 Max es el modelo insignia de la gama Qwen de Alibaba, publicado el 3 de agosto de 2026.
- Entrada
- texto imagen $2/M
- Salida
- texto $6/M
- Lectura de caché
- $0.25/M
- Contexto
- 984K
- vs GPT-4o
- ~60% más barato
Precios por longitud de entrada
Toda la solicitud usa la tarifa del tramo de longitud de entrada. Precios en USD por millón de tokens.
| Tokens de entrada | Entrada | Salida | Entrada (modo razonamiento) |
|---|
Benchmarks
Publicado por los proveedores: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
El precio en contexto
Posición del precio entre 76 modelos comparables
La barra muestra dónde queda el precio de este modelo entre todos los modelos del mismo tipo en Synthorai. En cada extremo se nombra el más barato y el más caro. Son tarifas base; los descuentos por lote, región y escritura en caché están en la página de precios.
Especificaciones y límites
Tokens
| Ventana de contexto (especificación del proveedor) | 983.616 |
|---|---|
| Salida máxima (especificación del proveedor) | 131.072 |
Caché de prompts
| Modo | automático + explícito |
|---|---|
| Prefijo mín. | 1024 |
| Duración | explícito: 5 min, se reinicia en cada acierto |
| Coste de escritura | 1.25x |
Razonamiento
| Parámetro | reasoning_effort |
|---|---|
| Valores | minimal · low · medium · high los valores aceptados los define el proveedor |
Modelo
| Modalidades | texto + imagen → texto |
|---|---|
| Parámetros | 2.4T en total MoE |
- Flagship Qwen3.8 Max: natively vision-language, 2.4T-parameter MoE
- thinking trace returned in reasoning_content
- text and image in, text out
Un prompt, medido a través de la pasarela
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.
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.
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.
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.
Usa Qwen3.8 Max en 30 segundos
Compatible con OpenAI: cambia el base_url y conserva tu 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-max",
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-max",
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-max",
"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-max",
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-max")
.addUserMessage("Summarize this diff")
.reasoningEffort(ReasoningEffort.MEDIUM)
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));Acerca de Qwen3.8 Max
- Alibaba lo describe como un modelo Max nativamente visual-lingüístico construido sobre una arquitectura Mixture-of-Experts con 2,4 billones de parámetros, y como el modelo más capaz de la línea Qwen hasta la fecha.
- Acepta texto e imágenes y devuelve texto, de modo que una sola petición puede combinar la indicación con capturas de pantalla, gráficos o páginas escaneadas sin desviar las imágenes a un modelo de visión aparte.
- El razonamiento forma parte del comportamiento por defecto: la traza vuelve por separado en el campo reasoning_content, lo que significa que incluso una respuesta corta consume tokens de razonamiento y que un presupuesto de max_tokens muy ajustado puede devolver una respuesta vacía aunque la petición haya tenido éxito.
- La llamada a funciones, la salida estructurada estricta por esquema JSON y el streaming con usage en el último fragmento están disponibles, así que encaja sin tratamiento especial en una integración compatible con OpenAI ya existente.
- La ventana de contexto roza el millón de tokens y una sola respuesta puede llegar a 131.072 tokens, el doble del techo de salida de la generación Max anterior y la razón concreta para trasladar allí la generación de textos largos.
- Los precios se escalonan según el comportamiento de la caché y no según la longitud del contexto: tarifa de entrada estándar, una tarifa menor para los aciertos automáticos de caché y tarifas propias para crear y leer entradas de caché de forma explícita.
- Los bucles de agente que reutilizan un prefijo estable se benefician de manera apreciable.
- Alibaba indica Pekín y Singapur como regiones.
- Synthorai lo ofrece a través del endpoint de chat completions compatible con OpenAI.
Preguntas frecuentes
¿Se puede probar gratis la API de Qwen3.8 Max?
Sí: las cuentas nuevas reciben 10 llamadas de prueba y hasta $1 de crédito gratuito, sin tarjeta. A $2/M de tokens de entrada, solo con ese crédito tienes para unas 62 solicitudes de ~8K tokens a Qwen3.8 Max.
¿En qué destaca Qwen3.8 Max?
MoE de 2,4 billones de parámetros, visual-lingüístico nativo; entrada de texto e imagen, salida hasta 131K; precios escalonados por caché. En la sección «Acerca de» tienes la visión completa, según las notas de lanzamiento del propio proveedor.
¿Cuánto cuesta Qwen3.8 Max?
Qwen3.8 Max cuesta $2 por millón de tokens de entrada y $6 por millón de tokens de salida en Synthorai. Es el precio de lista del proveedor, sin recargo de plataforma. Los tokens de entrada en caché se facturan a $0.25/M.
¿Cuál es la ventana de contexto de Qwen3.8 Max?
Qwen3.8 Max tiene una ventana de contexto de 984K tokens en Synthorai. Una sola respuesta puede tener hasta 131,072 tokens.
¿Qwen3.8 Max admite caché de prompts?
Sí: la caché automática viene activada por defecto y un modo explícito permite elegir qué se guarda en caché. Los tokens de entrada en caché se facturan a $0.25/M frente a $2/M sin caché; los prompts necesitan un prefijo estable de 1,024 tokens para entrar en caché (TTL explícito: 5 min, se reinicia en cada acierto). Guía de caché de prompts →
¿Cómo obtengo acceso a Qwen3.8 Max?
Apunta el SDK de OpenAI que ya usas a base_url="https://synthorai.io/v1", pon model="qwen3.8-max" y listo. Una sola clave API sirve para todos los modelos de la pasarela.
Modelos relacionados
Comparar
Las especificaciones y los benchmarks de los proveedores enlazan a sus fuentes. La compatibilidad de la pasarela describe la implementación de Synthorai. Los ejemplos archivados son solicitudes individuales y no garantizan el rendimiento general del modelo. Los precios proceden del servicio público de precios o de su instantánea usada en la compilación.