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
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) | 983,616 |
|---|---|
| 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
| 파라미터 | reasoning_effort |
|---|---|
| 값 | minimal · low · medium · high 허용 범위는 공급사가 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: Alibaba 공식 문서 ↗
하나의 프롬프트 - 게이트웨이를 통해 측정됨
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 추론) 지연 시간 8.6 s
지시 준수(정확히 세 문장 - 셀 수 있음), 독자 맞춤(CFO 어조), 그리고 아래 토큰 계량기가 드러내는 숨은 사고 과금 격차.
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 추론) 지연 시간 34.7 s
수정이 실제로 옳은지(실행 가능한지), 설명의 밀도, 그리고 범위가 정해진 작업에서의 토큰 효율.
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 추론) 지연 시간 24.4 s
스키마 준수(없는 필드를 지어내지 않기), 환각 압력(guidance는 명시적으로 보류됨), 그리고 구조화 출력 경로의 차이.
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 추론) 지연 시간 46.3 s
제약 준수(단어 예산, 금지어 목록, 단 하나의 의문문), 문체 지문, 그리고 길이 제어.
30초 만에 Qwen3.8 Max 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-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 10회의 체험 호출과 최대 $1의 무료 크레딧이 제공되며, 카드 등록이 필요 없습니다. 입력 토큰 $2/M 기준으로, 이 크레딧만으로도 Qwen3.8 Max에 약 8K 토큰 규모의 요청을 대략 62회 보낼 수 있습니다.
Qwen3.8 Max는 무엇에 가장 강한가요?
2.4조 파라미터 MoE, 네이티브 비전-언어, 텍스트와 이미지 입력, 최대 131K 출력, 캐시 기준 단계별 요금. 전체 내용은 벤더의 공식 릴리스 노트를 정리한 소개 섹션을 참고하세요.
Qwen3.8 Max의 가격은 얼마인가요?
Synthorai에서 Qwen3.8 Max는 입력 토큰 100만 개당 $2, 출력 토큰 100만 개당 $6입니다. 공급사 정가 그대로이며 플랫폼 마진이 없습니다. 캐시된 입력 토큰은 $0.25/M로 과금됩니다.
Qwen3.8 Max는 프롬프트 캐싱을 지원하나요?
네, 자동 캐싱이 기본으로 켜져 있고, 확정적 절감을 위한 명시적 모드도 있습니다. 캐시된 입력 토큰은 $0.25/M로 과금됩니다(미캐시 시 $2/M); 캐시되려면 프롬프트에 1,024 토큰 이상의 안정적인 프리픽스가 필요합니다 (TTL 명시적 모드: 5분, 적중 시 리셋). 프롬프트 캐싱 가이드 →
Qwen3.8 Max는 어떻게 이용하나요?
기존 OpenAI SDK의 base_url을 "https://synthorai.io/v1"로 지정하고 model="qwen3.8-max"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.