Qwen3.8 Flash는 Alibaba Qwen3.8 세대에서 빠르고 저렴한 등급의 모델로, 2026년 8월 27일에 출시되었습니다.
- 입력
- 텍스트 이미지 비디오 $0.15/M
- 출력
- 텍스트 $0.47/M
- 캐시 읽기
- $0.016/M
- 컨텍스트
- 984K
- GPT-4o 대비
- 약 97% 저렴
벤치마크
벤더 공개: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
가격의 위치
동종 66개 모델 중 가격 위치
이 막대는 Synthorai에 있는 같은 종류의 모델 가운데 이 모델의 가격이 어디쯤인지 보여 줍니다. 양쪽 끝에는 가장 싼 모델과 가장 비싼 모델의 이름이 있습니다. 기본 요율 기준이며 배치·리전·캐시 쓰기 할인은 가격 페이지에 있습니다.
스펙 및 제한
토큰
| 컨텍스트 윈도우(공급사 사양) | 1,000,000 |
|---|---|
| 최대 출력(벤더 스펙) | 131,072 |
프롬프트 캐싱
| 캐싱 방식 | 자동 + 명시적 |
|---|---|
| 최소 프리픽스 | 1,024 |
| 수명 | 명시적 모드: 5분, 적중 시 리셋 |
| 쓰기 비용 | 1.25x |
사고
| 공급사 파라미터 | enable_thinking + thinking_budget + preserve_thinking |
|---|---|
| 허용 값 | enable_thinking true · false; thinking_budget in tokens; preserve_thinking true · false |
| 기본값 | 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 요청에서 지정하지 않을 때 적용 |
| 비활성화 가능 | 지원 |
| 사고 동작 | 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. |
| 파라미터 | reasoning_effort |
| 값 | minimal · low · medium · high 게이트웨이 측 파라미터 표면 - 위의 벤더 매핑이 적용됩니다 |
모델
| 모달리티 | 텍스트 + 이미지 + 비디오 → 텍스트 |
|---|---|
| 파라미터 | 전체 125B · 활성 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
출처: Alibaba 공식 문서 ↗
하나의 프롬프트 - 게이트웨이를 통해 측정됨
Qwen3.8 Flash 통과 · 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.
출력 330 tok (+262 추론) 지연 시간 8.9 s
지시 준수(정확히 세 문장 - 셀 수 있음), 독자 맞춤(CFO 어조), 그리고 아래 토큰 계량기가 드러내는 숨은 사고 과금 격차.
Qwen3.8 Flash 통과 · 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.
출력 2123 tok (+1933 추론) 지연 시간 43.8 s
수정이 실제로 옳은지(실행 가능한지), 설명의 밀도, 그리고 범위가 정해진 작업에서의 토큰 효율.
Qwen3.8 Flash 통과 · 5/5 fields, guidance null
{ "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": 11, "guidance": null }
출력 519 tok (+463 추론) 지연 시간 10.5 s
스키마 준수(없는 필드를 지어내지 않기), 환각 압력(guidance는 명시적으로 보류됨), 그리고 구조화 출력 경로의 차이.
Qwen3.8 Flash 통과 · 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.
출력 5958 tok (+5805 추론) 지연 시간 88.8 s
제약 준수(단어 예산, 금지어 목록, 단 하나의 의문문), 문체 지문, 그리고 길이 제어.
30초 만에 Qwen3.8 Flash 사용하기
OpenAI 호환. base_url만 바꾸면 SDK는 그대로. 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 소개
- Qwen 팀이 향후 Qwen4의 기반이 될 아키텍처의 실험적 프리뷰라고 부르는 새로운 설계를 바탕으로 합니다.
- 총 1,250억 개 파라미터 중 토큰당 60억 개가 활성화되는 Mixture-of-Experts 모델에 510억 개 파라미터의 n-gram 임베딩이 더해지며, Gated DeltaNet 레이어와 새로운 Qwen Sparse Attention을 함께 사용합니다.
- Alibaba는 이 구조가 긴 입력의 지연 시간을 줄인다고 설명합니다.
- 이 아키텍처의 오픈 웨이트 버전은 Qwen3.8-Flash-Next이며, 호스팅 모델은 그 프로덕션 빌드로 소개되어 1M 토큰 컨텍스트가 기본으로 활성화되고 Alibaba의 내장 도구를 사용할 수 있습니다.
- 텍스트, 이미지, 동영상을 입력받아 텍스트를 반환하며 출력은 최대 131,072 토큰입니다.
- 사고는 하이브리드 방식이며 기본으로 켜져 있습니다. enable_thinking으로 요청별로 끌 수 있고 thinking_budget으로 상한을 둘 수 있으며, 사고 과정은 reasoning_content로 반환되고 출력으로 과금됩니다.
- Alibaba의 preserve_thinking 지원 목록에도 포함되어 있어, 에이전트가 이전 추론을 다시 도출하지 않고 이후 턴으로 이어갈 수 있습니다.
- 함수 호출, 구조화 출력, 접두사 완성, 웹 검색, 컨텍스트 캐시가 지원 기능으로 나와 있으며 배치 추론은 지원하지 않습니다.
- Alibaba의 모델 선택 가이드는 비슷한 역량을 유지하면서 Qwen3.7 Plus보다 비용을 낮추는 선택지로 이 모델을 꼽습니다.
- 요금은 이전 세대인 Qwen3.7 Flash보다 단순합니다.
- Qwen3.7 Flash는 컨텍스트 길이에 따라 3단계로 과금했지만, Qwen3.8 Flash는 전체 윈도우에 단일 요금을 적용하고 사고 모드와 비사고 모드 호출도 같은 단가이며, 캐시 적중은 캐시가 자동으로 만들어졌든 명시적으로 만들어졌든 표준 입력 가격의 약 10분의 1입니다.
- Synthorai는 OpenAI 호환 chat completions 엔드포인트로 이 모델을 제공합니다.
자주 묻는 질문
Qwen3.8 Flash API는 무료로 사용해 볼 수 있나요?
네, 신규 계정에는 10회의 체험 호출과 최대 $1의 무료 크레딧이 제공되며, 카드 등록이 필요 없습니다. 입력 토큰 $0.15/M 기준으로, 이 크레딧만으로도 Qwen3.8 Flash에 약 8K 토큰 규모의 요청을 대략 833회 보낼 수 있습니다.
Qwen3.8 Flash는 무엇에 가장 강한가요?
총 1,250억 파라미터 MoE, 토큰당 60억 활성, 텍스트·이미지·동영상 입력, 최대 131K 출력, 1M 컨텍스트 전체에 단일 요금. 전체 내용은 벤더의 공식 릴리스 노트를 정리한 소개 섹션을 참고하세요.
Qwen3.8 Flash의 가격은 얼마인가요?
Synthorai에서 Qwen3.8 Flash는 입력 토큰 100만 개당 $0.15, 출력 토큰 100만 개당 $0.47입니다. 공급사 정가 그대로이며 플랫폼 마진이 없습니다. 캐시된 입력 토큰은 $0.016/M로 과금됩니다.
Qwen3.8 Flash는 프롬프트 캐싱을 지원하나요?
네, 자동 캐싱이 기본으로 켜져 있고, 확정적 절감을 위한 명시적 모드도 있습니다. 캐시된 입력 토큰은 $0.016/M로 과금됩니다(미캐시 시 $0.15/M); 캐시되려면 프롬프트에 1,024 토큰 이상의 안정적인 프리픽스가 필요합니다 (TTL 명시적 모드: 5분, 적중 시 리셋). 프롬프트 캐싱 가이드 →
Qwen3.8 Flash는 어떻게 이용하나요?
기존 OpenAI SDK의 base_url을 "https://synthorai.io/v1"로 지정하고 model="qwen3.8-flash"로 설정하면 끝입니다. API 키 하나로 게이트웨이의 모든 모델을 사용할 수 있습니다.
관련 모델
비교
이 페이지의 모든 값은 벤더 자체 문서(위 링크)에서 전사했으며 확인 날짜를 함께 표기합니다. 가격은 카탈로그 전체와 비교하지만, 벤더마다 정의가 다른 사양 값은 차이를 명시할 뿐 도표로 비교하지 않습니다. 저희가 측정한 수치는 없으며 점수도 매기지 않습니다.