Qwen3.8 Flash

Spécifications et limites

• 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

selon docs officielles Alibaba ↗

Un prompt, mesuré via la passerelle

Utilisez Qwen3.8 Flash en 30 secondes

Compatible OpenAI : changez la base_url, gardez votre 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(""));

À propos de Qwen3.8 Flash

• Il repose sur une nouvelle architecture que l'équipe Qwen présente comme un aperçu expérimental de ce qui sous-tendra Qwen4 : un modèle Mixture-of-Experts de 125 milliards de paramètres dont 6 milliards actifs par token, auxquels s'ajoutent 51 milliards de paramètres d'embeddings n-grammes, associant des couches Gated DeltaNet à une nouvelle Qwen Sparse Attention qui, selon Alibaba, réduit la latence sur les entrées longues.
• La version à poids ouverts de cette architecture est Qwen3.8-Flash-Next ; le modèle hébergé en est décrit comme la version de production, avec un contexte de 1M de tokens activé par défaut et les outils intégrés d'Alibaba.
• Il accepte du texte, des images et de la vidéo et renvoie du texte, avec jusqu'à 131 072 tokens en sortie.
• La réflexion est hybride et activée par défaut : enable_thinking la désactive par requête, thinking_budget la plafonne, et la trace revient dans reasoning_content, facturée comme sortie.
• Il figure aussi sur la liste preserve_thinking d'Alibaba, ce qui permet à un agent de reporter son raisonnement antérieur sur les tours suivants au lieu de le reconstruire.
• L'appel de fonctions, la sortie structurée, la complétion par préfixe, la recherche web et le cache de contexte sont listés ; l'inférence par lots ne l'est pas.
• Le guide de sélection d'Alibaba le désigne comme le moyen de réduire les coûts par rapport à Qwen3.7 Plus tout en conservant des capacités proches.
• La tarification est plus simple que celle de Qwen3.7 Flash qui l'a précédé et facturait en trois paliers de longueur de contexte : Qwen3.8 Flash applique un tarif unique sur toute la fenêtre, identique avec ou sans réflexion, et les accès au cache coûtent environ un dixième de l'entrée standard, que le cache ait été créé automatiquement ou explicitement.
• Synthorai le propose via l'endpoint chat completions compatible OpenAI.

FAQ

Modèles associés

Comparer