Qwen3.8 Max는 알리바바가 2026년 8월 3일에 공개한 Qwen 계열의 플래그십 모델입니다.
- 입력
- 텍스트 이미지 $2/M
- 출력
- 텍스트 $6/M
- 캐시 읽기
- $0.25/M
- 컨텍스트
- 984K
- GPT-4o 대비
- 약 60% 저렴
입력 길이별 요금
전체 요청에 입력 길이 구간의 단가가 적용됩니다. 요금은 100만 토큰당 미국 달러입니다.
| 입력 토큰 수 | 입력 | 출력 | 사고 모드 입력 |
|---|
벤치마크
공급자 공개 자료: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
가격 수준 비교
같은 종류의 모델 76개 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.
사양 및 제한
토큰
| 컨텍스트 윈도우(공급자 사양) | 983,616 |
|---|---|
| 최대 출력(공급자 사양) | 131,072 |
프롬프트 캐싱
| 캐싱 방식 | 자동 + 명시적 |
|---|---|
| 최소 접두사 | 1,024 |
| 수명 | 명시적 모드: 5분, 적중 시 리셋 |
| 쓰기 비용 | 1.25x |
사고
| 파라미터 | reasoning_effort |
|---|---|
| 값 | minimal · low · medium · high 허용 값은 공급자가 정함 |
모델
| 모달리티 | 텍스트 + 이미지 → 텍스트 |
|---|---|
| 파라미터 | 전체 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
출처: 모델 사양 출처 ↗
프롬프트 하나, 게이트웨이를 거쳐 측정
Qwen3.8 Max 통과 · 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.
출력 378 tok (+305 사고) 지연 시간 8.6 s
지시 준수(정확히 세 문장이라 셀 수 있음), 독자에 맞춘 어조(CFO 대상), 아래 토큰 미터에 드러나는 숨은 사고 토큰 과금 차이를 봅니다.
Qwen3.8 Max 통과 · 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.
출력 1616 tok (+1411 사고) 지연 시간 34.7 s
수정이 실제로 맞는지(실행되는지), 설명이 얼마나 압축적인지, 범위가 정해진 작업에서 토큰을 얼마나 효율적으로 쓰는지를 봅니다.
Qwen3.8 Max 통과 · 5/5 fields, guidance null
{ "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": 11, "guidance": null }
출력 1199 tok (+1141 사고) 지연 시간 24.4 s
스키마 준수(없는 필드를 지어내지 않는지), 환각을 유도하는 조건에서의 대응(guidance 값을 일부러 주지 않음), 구조화된 출력 경로의 차이를 봅니다.
Qwen3.8 Max 통과 · 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.
출력 2744 tok (+2591 사고) 지연 시간 46.3 s
제약 준수(단어 수 제한, 금지어 목록, 의문문 하나), 문체의 특징, 길이 조절을 봅니다.
30초 만에 Qwen3.8 Max 사용하기
OpenAI 호환입니다. base_url만 바꾸고 SDK는 그대로 쓰세요. 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 소개
- 공식 설명에 따르면 Mixture-of-Experts 아키텍처 위에 구축된 파라미터 2.4조 규모의 네이티브 비전-언어 Max 모델이며, Qwen 계열에서 현재까지 가장 뛰어난 모델입니다.
- 텍스트와 이미지를 입력받아 텍스트를 반환하므로 프롬프트와 스크린샷, 도표, 스캔 문서를 한 번의 요청에 담을 수 있고 이미지를 별도의 비전 모델로 우회시킬 필요가 없습니다.
- 사고는 기본 동작의 일부로, 추론 트레이스는 reasoning_content 필드에 분리되어 반환됩니다.
- 즉 짧은 답변에도 추론 토큰이 소모되며 max_tokens를 아주 작게 잡으면 요청은 성공해도 본문이 비어 돌아올 수 있습니다.
- 함수 호출, 엄격한 JSON 스키마 구조화 출력, 마지막 청크에 usage를 담는 스트리밍이 모두 지원되어 기존 OpenAI 호환 통합에 특별한 처리 없이 들어갑니다.
- 컨텍스트는 100만 토큰에 조금 못 미치며 단일 응답은 최대 131,072 토큰으로 이전 세대 Max 출력 상한의 두 배입니다.
- 장문 생성을 옮길 구체적인 이유가 됩니다.
- 요금은 컨텍스트 길이가 아니라 캐시 동작에 따라 나뉘어 표준 입력가, 자동 캐시 적중 시의 저렴한 단가, 명시적 캐시 생성과 읽기 각각의 단가가 있으므로 안정적인 프리픽스를 재사용하는 에이전트 루프가 실질적인 이득을 봅니다.
- 알리바바는 제공 리전으로 베이징과 싱가포르를 명시합니다.
- Synthorai는 OpenAI 호환 chat completions 엔드포인트로 제공합니다.
자주 묻는 질문
Qwen3.8 Max API는 무료로 사용해 볼 수 있나요?
네. 신규 계정에는 체험 호출 10회와 최대 $1의 무료 크레딧을 드리며, 카드 등록은 필요 없습니다. 입력 100만 토큰당 $2 기준으로 계산하면, 이 크레딧만으로 Qwen3.8 Max에 약 8K 토큰짜리 요청을 62회쯤 보낼 수 있습니다.
Qwen3.8 Max는 어떤 작업에 가장 강한가요?
2.4조 파라미터 MoE, 네이티브 비전-언어, 텍스트와 이미지 입력, 최대 131K 출력, 캐시 기준 단계별 요금. 자세한 내용은 공급자의 공식 릴리스 노트를 바탕으로 정리한 소개 섹션에서 확인하세요.
Qwen3.8 Max 가격은 얼마인가요?
Synthorai에서 Qwen3.8 Max 가격은 입력 100만 토큰당 $2, 출력 100만 토큰당 $6입니다. 공급자 정가 그대로이며 플랫폼 마진은 없습니다. 캐시된 입력 토큰은 100만 토큰당 $0.25입니다.
Qwen3.8 Max의 컨텍스트 길이는 얼마인가요?
Qwen3.8 Max의 컨텍스트 윈도우는 984K 토큰입니다. 한 번의 응답으로 최대 131,072 토큰까지 출력할 수 있습니다.
Qwen3.8 Max는 프롬프트 캐싱을 지원하나요?
네, 자동 캐싱이 기본으로 켜져 있고, 캐시할 내용을 직접 지정하는 명시적 모드도 있습니다. 캐시된 입력 토큰은 100만 토큰당 $0.25입니다(캐시되지 않으면 $2). 캐시되려면 프롬프트에 1,024토큰 이상의 변하지 않는 접두사가 있어야 합니다 (TTL 명시적 모드: 5분, 적중 시 리셋). 프롬프트 캐싱 가이드 →
Qwen3.8 Max는 어떻게 이용하나요?
쓰던 OpenAI SDK에서 base_url="https://synthorai.io/v1", model="qwen3.8-max"만 지정하면 됩니다. API 키 하나로 게이트웨이의 모든 모델을 쓸 수 있습니다.
관련 모델
비교
사양과 공급업체 벤치마크에는 출처 링크가 있습니다. 게이트웨이 지원 범위는 Synthorai의 실제 구현을 뜻합니다. 보관된 예제는 개별 게이트웨이 요청의 결과이며 모델의 일반적인 성능을 보장하지 않습니다. 요금은 공개 요금 API 또는 빌드 시 사용한 스냅샷을 기준으로 합니다.