Qwen3.8 Flash は Alibaba の Qwen3.8 世代のうち、高速かつ低コストな位置づけのモデルで、2026 年 8 月 27 日にリリースされました。
- 入力
- テキスト 画像 動画 $0.15/M
- 出力
- テキスト $0.47/M
- キャッシュ読み取り
- $0.016/M
- コンテキスト
- 984K
- GPT-4o 比
- 約 97% 割安
入力長別の料金
リクエスト全体に入力長の区分の単価が適用されます。料金は100万トークンあたりの米ドルです。
| 入力トークン数 | 入力 | 出力 | 思考モード入力 |
|---|
ベンチマーク
ベンダー公表値： Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
価格の位置づけ
同種の 76 モデルの中での価格の位置
このバーは、Synthorai の同種モデルの中で、このモデルの価格がどのあたりにあるかを示しています。両端には、最も安いモデルと最も高いモデルの名前を表示しています。表示しているのは基本料金で、バッチ、リージョン、キャッシュ書き込みに関する割引は料金ページに記載しています。
仕様と制限
トークン
| コンテキストウィンドウ（ベンダー仕様） | 1,000,000 |
|---|---|
| 最大出力（ベンダー仕様） | 131,072 |
プロンプトキャッシュ
| キャッシュ方式 | 自動 + 明示 |
|---|---|
| 最小プレフィックス | 1,024 |
| 保持時間 | 明示的モード: 5 分、ヒット時にリセット |
| 書き込みコスト | 1.25x |
思考
| ベンダー側パラメータ | enable_thinking + thinking_budget + preserve_thinking |
|---|---|
| 指定可能な値 | enable_thinking true · false; thinking_budget in tokens; preserve_thinking true · false |
| デフォルト | 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 リクエストで未指定の場合に適用 |
| 無効化の可否 | 対応 |
| 思考の挙動 | Trace returns in reasoning_content and is dropped from later turns unless preserve_thinking is true, which appends it to the input and bills it as input tokens; qwen3.8-flash is on Alibaba's preserve_thinking list. |
| パラメータ | reasoning_effort |
| 値 | minimal · low · medium · high ゲートウェイ側のパラメータ。上のベンダー別の対応が適用されます |
モデル
| モダリティ | テキスト + 画像 + 動画 → テキスト |
|---|---|
| パラメータ数 | 合計 125B · アクティブ 6B MoE |
- 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
出典：モデル仕様の出典 ↗
1 つのプロンプトを実行（ゲートウェイ経由で測定）
Qwen3.8 Flash 合格 · 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.
出力 330 tok (+262 思考) レイテンシ 8.9 s
指示への忠実さ（ちょうど 3 文という、数えて確かめられる条件）、読み手に合わせた書き分け（CFO 向けの語り口）、そして下のトークンメーターに表れる、表示されない思考への課金の差。
Qwen3.8 Flash 合格 · 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.
出力 2123 tok (+1933 思考) レイテンシ 43.8 s
修正が本当に正しいか（実行して確かめられる）、説明の密度、範囲の限られたタスクでのトークン効率。
Qwen3.8 Flash 合格 · 5/5 fields, guidance null
{ "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": 11, "guidance": null }
出力 519 tok (+463 思考) レイテンシ 10.5 s
スキーマの遵守（存在しないフィールドを作らない）、ハルシネーションを誘う条件への耐性（guidance は明示的に伏せてある）、構造化出力の実現方法の違い。
Qwen3.8 Flash 合格 · 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.
出力 5958 tok (+5805 思考) レイテンシ 88.8 s
制約の遵守（語数の上限、禁止語リスト、疑問文はひとつだけ）、文体の癖、長さの制御。
30 秒で Qwen3.8 Flash を使い始める
OpenAI 互換。base_url を差し替えるだけで、SDK はそのまま。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(""));Qwen3.8 Flash について
- Qwen チームが将来の Qwen4 を支えるアーキテクチャの実験的プレビューと呼ぶ新しい設計に基づいています。
- 総パラメータ 1,250 億、トークンあたり 60 億がアクティブになる Mixture-of-Experts モデルで、さらに 510 億パラメータの n-gram 埋め込みを持ち、Gated DeltaNet 層と新しい Qwen Sparse Attention を組み合わせています。
- Alibaba はこれにより長い入力でのレイテンシが下がるとしています。
- このアーキテクチャのオープンウェイト版が Qwen3.8-Flash-Next で、ホスト型モデルはその本番向けビルドと説明されており、1M トークンのコンテキストが既定で有効になり、Alibaba の組み込みツールも使えます。
- テキスト・画像・動画を受け取ってテキストを返し、出力は最大 131,072 トークンです。
- 思考はハイブリッド方式で既定でオンです。
- enable_thinking でリクエストごとにオフにでき、thinking_budget で上限を設定でき、思考トレースは reasoning_content に返されて出力として課金されます。
- Alibaba の preserve_thinking 対応リストにも含まれているため、エージェントは以前の推論を後続のターンに引き継ぎ、導き直す必要がありません。
- 関数呼び出し、構造化出力、プレフィックス補完、Web 検索、コンテキストキャッシュが掲載されており、バッチ推論は対象外です。
- Alibaba 自身のモデル選択ガイドでは、同等の能力を保ちつつ Qwen3.7 Plus からコストを下げる選択肢として挙げられています。
- 料金体系は前の Qwen3.7 Flash より単純です。
- Qwen3.7 Flash はコンテキスト長で 3 段階に分かれていましたが、Qwen3.8 Flash はウィンドウ全体で単一の料金で、思考ありとなしの呼び出しも同じ単価です。
- キャッシュヒットは、キャッシュが自動作成か明示作成かにかかわらず、標準入力のおよそ 10 分の 1 です。
- Synthorai は OpenAI 互換の chat completions エンドポイント経由で提供します。
よくある質問
Qwen3.8 Flash API は無料で試せますか？
はい。新規アカウントには 10 回のお試し呼び出しと最大 $1 の無料クレジットが付き、カード登録は不要です。入力 $0.15/M で計算すると、このクレジットだけで、約 8K トークンのリクエストを Qwen3.8 Flash に約 833 回送れます。
Qwen3.8 Flash は何が得意ですか？
総 1,250 億パラメータの MoE、トークンあたり 60 億がアクティブ、テキスト・画像・動画入力、最大 131K 出力、1M コンテキスト全体で単一料金。詳しくは、ベンダー公式のリリースノートをもとにまとめた、このページのモデル紹介セクションをご覧ください。
Qwen3.8 Flash の料金はいくらですか？
Synthorai での Qwen3.8 Flash の料金は、入力 100 万トークンあたり $0.15、出力 100 万トークンあたり $0.47 です。プロバイダーの定価のままで、プラットフォーム手数料はかかりません。キャッシュ済み入力トークンは $0.016/M で課金されます。
Qwen3.8 Flash のコンテキスト長はどれくらいですか？
Qwen3.8 Flash のコンテキストウィンドウは 984K トークンです。1 回の応答で出力できるのは最大 131,072 トークンです。
Qwen3.8 Flash はプロンプトキャッシュに対応していますか？
はい。自動キャッシュがデフォルトで有効なうえ、キャッシュする内容を自分で指定できる明示モードもあります。キャッシュ済み入力トークンは $0.016/M（未キャッシュは $0.15/M）で課金されます。なお、キャッシュには 1,024 トークン以上の、内容が変わらないプレフィックスが必要です（TTL 明示的モード: 5 分、ヒット時にリセット）。 プロンプトキャッシュガイド →
Qwen3.8 Flash を利用するには？
お使いの OpenAI SDK の base_url を "https://synthorai.io/v1" に向け、model="qwen3.8-flash" を設定すれば完了です。API キー 1 本でゲートウェイ上のすべてのモデルを利用できます。
関連モデル
比較
仕様とベンダーのベンチマークには出典を付記しています。ゲートウェイの対応状況は Synthorai の実装を示します。保存された例は個々のリクエストの結果であり、モデル全般の性能を保証するものではありません。料金は公開料金 API またはビルド時のスナップショットに基づきます。