Qwen3.8 Flash vs Qwen3.8 Max

vs

Lequel choisir, et quand

Les deux sont des modèles Alibaba avec le même ensemble de capacités (chat, vision, code, raisonnement, outils, contexte long) et la même sortie maximale de 131072, la différence réside donc dans le prix et les entrées. Choisissez qwen3.8-flash pour les travaux à volume élevé : à $0.15 en entrée et $0.47 en sortie, il est environ 13x moins cher pour les deux opérations que qwen3.8-max à $2 et $6, ses lectures en cache sont de $0.016 contre $0.25, il dispose de 1000000 tokens de contexte contre 983616, il accepte également la vidéo, et sa réflexion peut être désactivée. Choisissez qwen3.8-max lorsque vous souhaitez spécifiquement le modèle texte-et-image de niveau supérieur et que la différence de coût n'est pas une contrainte.

Benchmarks

En têteAu-dessus de la moyenneNon dépasséQwen3.8 Flash312 / 163 / 16Qwen3.8 Max731 / 408 / 40

10 mesurés sur les deux.

Qwen3.8 Flash Qwen3.8 Max autres modèles mesurés moyenne des modèles comparés ★ aucun autre modèle n'a fait mieux
SWE-Bench Pro
62.5%
67.7%
OSWorld 2.0 partial
52.3%
N/A
Cybergym
N/A
78.5%
HealthBench
N/A
aucun autre modèle n'a fait mieux 60.2%
JobBench
55.7%
53.4%
PLawBench
N/A
aucun autre modèle n'a fait mieux 73.2%
GPQA Diamond
91.7%
92.6%
ERQA
aucun autre modèle n'a fait mieux 72.3%
N/A
Agents' Last Exam Pass
24.3%
27%
LVBench
76.6%
N/A

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

Tarifs

Qwen3.8 Flash Qwen3.8 Max Δ
Entrée / 1M de tokens $0.15 $2 0.075×
Sortie / 1M de tokens $0.47 $6 0.078×
Lecture de cache / 1M de tokens $0.016 $0.25 0.064×
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 80 modèles de chat facturés dans cette unité (échelle logarithmique)

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

Capacités

Qwen3.8 Flash 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 1,024 tokens 1,024 tokens

Spécifications

Qwen3.8 Flash Qwen3.8 Max
Modalités d'entrée texte image vidéo texte image
Modalités de sortie texte texte
Date de sortie 2026-08-27 2026-08-03
Fenêtre de contexte 1M 984K
Sortie maximale 131K 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

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

-

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 : Qwen3.8 Flash · 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

Qwen3.8 Flash réussi · 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.

sortie 330 tok (+262 réflexion) latence 8.9 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

Qwen3.8 Flash réussi · 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.

sortie 2123 tok (+1933 réflexion) latence 43.8 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

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

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

sortie 519 tok (+463 réflexion) latence 10.5 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

Qwen3.8 Flash réussi · 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.

sortie 5958 tok (+5805 réflexion) latence 88.8 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="qwen3.8-flash",
    # 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, Qwen3.8 Flash ou Qwen3.8 Max ?

Qwen3.8 Flash est moins cher sur la ligne « Entrée / 1M de tokens » ($0.15 contre $2, soit un écart de 13×). 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 Qwen3.8 Flash 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.

Qwen3.8 Flash 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