Qwen3.8 Max はアリババが 2026 年 8 月 3 日に公開した Qwen シリーズの旗艦モデルです。
- 入力
- テキスト 画像 $2/M
- 出力
- テキスト $6/M
- キャッシュ読み取り
- $0.25/M
- コンテキスト
- 984K
- GPT-4o 比
- 約 60% 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） | 983,616 |
|---|---|
| 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
| パラメータ | reasoning_effort |
|---|---|
| 値 | minimal · low · medium · high 指定できる値はプロバイダーによって異なる |
モデル
| モダリティ | テキスト + 画像 → テキスト |
|---|---|
| パラメータ数 | 合計 2.4T MoE |
- Flagship Qwen3.8 Max: natively vision-language, 2.4T-parameter MoE
- thinking trace returned in reasoning_content
- text and image in, text out
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 Max 合格 · 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.
出力 378 tok (+305 思考) レイテンシ 8.6 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 Max 合格 · 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.
出力 1616 tok (+1411 思考) レイテンシ 34.7 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 Max 合格 · 5/5 fields, guidance null
{ "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": 11, "guidance": null }
出力 1199 tok (+1141 思考) レイテンシ 24.4 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 Max 合格 · 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.
出力 2744 tok (+2591 思考) レイテンシ 46.3 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 Max 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-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(""));Qwen3.8 Max について
- 公式の説明では、Mixture-of-Experts アーキテクチャ上に構築されたパラメータ 2.4 兆のネイティブな視覚言語 Max モデルであり、Qwen 系列でこれまでで最も高性能なモデルとされています。
- テキストと画像を受け取ってテキストを返すため、プロンプトとスクリーンショット、図表、スキャン画像を 1 回のリクエストにまとめられ、画像を別の視覚モデルに回す必要がありません。
- 思考は既定動作の一部で、推論トレースは reasoning_content フィールドに分離して返されます。
- つまり短い返答でも推論トークンを消費し、max_tokens をごく小さくするとリクエストは成功しても本文が空で返ることがあります。
- 関数呼び出し、厳密な JSON スキーマによる構造化出力、最終チャンクに usage を含むストリーミングがいずれも利用でき、既存の OpenAI 互換の実装に特別な処理なしで組み込めます。
- コンテキストは 100 万トークン弱、1 回の応答は最大 131,072 トークンで、前世代 Max の出力上限の 2 倍にあたり、長文生成を移す具体的な理由になります。
- 料金はコンテキスト長ではなくキャッシュの挙動で段階が分かれ、標準の入力単価、自動キャッシュヒット時の割安な単価、明示的なキャッシュの作成と読み取りそれぞれの単価が用意されているため、安定したプレフィックスを再利用するエージェントのループは実質的な恩恵を受けます。
- アリババは提供リージョンとして北京とシンガポールを挙げています。
- 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 Max 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 $2/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 Max に約 62 回送れます。
Qwen3.8 Max は何が得意ですか？
2.4 兆パラメータの MoE、ネイティブ視覚言語、テキストと画像入力、最大 131K 出力、キャッシュ段階制の料金。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 Max の料金はいくらですか？
Synthorai での Qwen3.8 Max の料金は、入力 100 万トークンあたり $2、出力 100 万トークンあたり $6 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 $0.25/M で課金されます。
Qwen3.8 Max のコンテキスト長はどれくらいですか？
Qwen3.8 Max 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 Max 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 $0.25/M（未キャッシュは $2/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 Max 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-max" 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。