Nouveau Inscription gratuite, 10 appels offerts. Jusqu'à 1 $, sans carte.

Qwen3.7 Plus vs Qwen3.8 Max

vs

Lequel choisir, et quand

qwen3.7-plus est le moins cher des deux à $0.4 en entrée et $1.6 en sortie par million de tokens, contre $2 et $6 pour qwen3.8-max - 5x sur l'entrée et 3.75x sur la sortie - et il est le seul à accepter la vidéo en plus du texte et de l'image, avec un contexte légèrement plus grand de 1000000 de tokens et l'option de désactiver la réflexion. qwen3.8-max, sorti le 2026-08-03, double le plafond par requête à 131072 tokens de sortie maximum sur un contexte de 983616 tokens, choisissez-le donc lorsqu'une réponse unique doit être très longue. Les deux sont des modèles de raisonnement Alibaba avec prise en charge du code et de l'utilisation d'outils, le coût et la longueur de sortie sont donc les véritables facteurs de décision.

Benchmarks

En têteAu-dessus de la moyenneNon dépasséQwen3.7 Plus011 / 244 / 24Qwen3.8 Max1131 / 408 / 40

11 mesurés sur les deux.

Qwen3.7 Plus Qwen3.8 Max autres modèles mesurés moyenne des modèles comparés ★ aucun autre modèle n'a fait mieux
SWE-Bench Pro
55.8%
67.7%
OSWorld 2.0 partial
21.5%
N/A
Cybergym
N/A
78.5%
HealthBench
N/A
aucun autre modèle n'a fait mieux 60.2%
JobBench
27.6%
53.4%
PLawBench
N/A
aucun autre modèle n'a fait mieux 73.2%
GPQA Diamond
90.3%
92.6%
ERQA
69.8%
N/A
Agents' Last Exam Pass
13.2%
27%
LVBench
76.2%
N/A

Chiffres publiés par les fournisseurs : Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai

Tarifs

Qwen3.7 Plus Qwen3.8 Max Δ
Entrée / 1M de tokens $0.4 $2 0.2×
Sortie / 1M de tokens $1.6 $6 0.27×
Lecture de cache / 1M de tokens $0.08 $0.25 0.32×
Écriture de cache 1.25x 1.25x -

Tarifs relevés dans le catalogue en direct à la génération du site ; la page de chaque modèle affiche la grille tarifaire à jour.

Leur position : prix en entrée pour 1M de tokens, parmi les 76 modèles de chat facturés dans cette unité (échelle logarithmique)

Qwen3.7 Plus · $0.4 Qwen3.8 Max · $2
$0.05 · Qwen3 VL Flash $30 · GPT-5.4 Pro

Capacités

Qwen3.7 Plus Qwen3.8 Max
Appel d'outils oui oui
Contrôle de la réflexion configurable oui, réglage du fournisseur non publié
Sortie structurée oui oui
Mise en cache des prompts implicite + explicite implicite + explicite
Durée de vie du cache explicit: 5m, reset on hit explicit: 5m, reset on hit
Préfixe minimal mis en cache 1024 tokens 1024 tokens

Spécifications

Qwen3.7 Plus Qwen3.8 Max
Modalités d'entrée texte image vidéo texte image
Modalités de sortie texte texte
Date de sortie 2026-06-01 2026-08-03
Fenêtre de contexte 1M 984K
Sortie maximale 66K 131K
Paramètre de réflexion
  • enable_thinking
  • thinking_budget
  • preserve_thinking
-
Valeurs acceptées
enable_thinking
  • true
  • false
thinking_budget
  • in tokens
preserve_thinking
  • true
  • false
-
Valeur par défaut

on

the Qwen3.7 Plus series is hybrid thinking with thinking enabled by default, and preserve_thinking is off

-

Les spécifications sont reprises de la documentation de chaque fournisseur ; quand un fournisseur ne publie pas une valeur, la ligne est omise et non déduite. Sources complètes : Qwen3.7 Plus · Qwen3.8 Max

Un prompt, deux modèles, mesurés via la passerelle

PROMPT Explain to a CFO, in exactly three sentences, why our LLM bill doubled after we enabled reasoning. CRITÈRE exactement 3 phrases

Qwen3.7 Plus réussi · 3 sentences

Enabling reasoning requires the model to generate extensive internal "thinking" tokens to process complex logic before delivering a final answer. Because our vendor charges us per token consumed, this hidden computational overhead effectively doubles our output volume for the exact same number of user requests. Consequently, our costs have doubled because we are now paying for the model's increased processing time to achieve higher-quality, more accurate results.

sortie 1428 tok (+1345 réflexion) latence 25.2 s

Qwen3.8 Max réussi · 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.

sortie 378 tok (+305 réflexion) latence 8.6 s

Le respect de la consigne (exactement trois phrases, ça se compte), l'adaptation au public visé (le registre d'un directeur financier) et l'écart de facturation dû à la réflexion masquée, que révèlent les compteurs de tokens ci-dessous.

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. CRITÈRE le correctif passe les tests

Qwen3.7 Plus réussi · 8/8 cases

## Fixed Code ```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 ``` ## Bug Explanation The function has two related bugs rooted in how it counts run lengths. First, `cur` is initialized to `0` and only incremented on matches, so it counts the number of *transitions* between equal elements rather than the total elements in the run—a run of N identical items only reaches `cur = N − 1`, undercounting by one. This also causes the single-element case to return `0`, since the loop never executes and `cur` never increments. […]

sortie 2317 tok (+2005 réflexion) latence 40.5 s

Qwen3.8 Max réussi · 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.

sortie 1616 tok (+1411 réflexion) latence 34.7 s

La justesse réelle du correctif (il s'exécute), la densité de l'explication et l'économie de tokens sur une tâche bien délimitée.

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. CRITÈRE JSON valide, schéma exact

Qwen3.7 Plus réussi · 5/5 fields, guidance null

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

sortie 1807 tok (+1750 réflexion) latence 31.6 s

Qwen3.8 Max réussi · 5/5 fields, guidance null

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

sortie 1199 tok (+1141 réflexion) latence 24.4 s

Le respect du schéma (aucun champ inventé), la tentation d'halluciner (le texte indique que la guidance n'est pas communiquée) et les différences entre les mécanismes de sortie structurée.

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. CRITÈRE 120 mots, 0 mot interdit

Qwen3.7 Plus réussi · 120 words, 0 banned, 1 question

Introducing PromptCache, our new API gateway feature designed to store and reuse prompts across multiple artificial intelligence providers. Have you ever noticed how repeatedly sending identical queries drains your budget and increases latency? PromptCache solves this by intelligently storing responses at the gateway level. When your application requests the same prompt from a different provider, the system instantly returns the cached result. This drastically reduces API costs and accelerates response times for your users. You can configure custom expiration times and set specific fallback rules for each vendor. You must stop paying twice for the exact same computation. Please upgrade your entire infrastructure today and experience much faster and cheaper integrations without changing a single line of your application code.

sortie 4453 tok (+4312 réflexion) latence 76.8 s

Qwen3.8 Max réussi · 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.

sortie 2744 tok (+2591 réflexion) latence 46.3 s

Le respect des contraintes (nombre de mots, liste de mots interdits, une seule question), l'empreinte stylistique et la maîtrise de la longueur.

Passez de l'un à l'autre en changeant une seule ligne

Les deux identifiants figurent dans chaque onglet ci-dessous : les deux lignes surlignées sont le seul changement. Même endpoint, même clé, même format de requête.

from openai import OpenAI

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

resp = client.chat.completions.create(
    model="qwen3.7-plus",
    # model="qwen3.8-max",  # décommentez cette ligne, commentez celle du dessus
    messages=[{"role": "user", "content": "Summarize this diff"}],
    reasoning_effort="medium",
)
print(resp.choices[0].message.content)

Obtenez votre clé API →

FAQ

Lequel est le moins cher, Qwen3.7 Plus ou Qwen3.8 Max ?

Qwen3.7 Plus est moins cher sur la ligne « Entrée / 1M de tokens » ($0.4 contre $2, soit un écart de 5.0×). D'autres lignes peuvent dire l'inverse : le tableau ci-dessus donne la grille tarifaire complète, et le coût réel dépend de la composition de votre trafic.

Puis-je faire un test A/B entre Qwen3.7 Plus et Qwen3.8 Max sans deux intégrations ?

Oui. Les deux passent par le même endpoint compatible OpenAI, avec une seule clé API. Pour passer de l'un à l'autre, il suffit de changer l'identifiant du modèle, soit une ligne : vous pouvez donc envoyer une part du trafic à chacun et comparer directement les factures.

Qwen3.7 Plus et Qwen3.8 Max prennent-ils en charge la mise en cache des prompts ?

Oui. Les deux facturent les lectures de cache moins cher que leur tarif d'entrée : une charge de travail dont le préfixe est déjà en cache coûte donc moins que ne le laissent penser les tarifs publics. Les lignes de lecture de cache figurent dans le tableau des tarifs ci-dessus.

Comparatifs associés

Nos études, mesures à l'appui