O Qwen3-VL Flash é o nível rápido e de baixo custo da série visão-linguagem Qwen3-VL, com um contexto de 256K tokens.
- Entrada
- texto imagem vídeo $0.05/M
- Saída
- texto $0.4/M
- Leitura de cache
- $0.022/M
- Contexto
- 256K
- vs GPT-4o
- ~99%+ mais barato
O preço em contexto
Posição do preço entre 60 modelos comparáveis
A barra mostra onde fica o preço deste modelo entre todos os modelos do mesmo tipo na Synthorai. Em cada extremidade está o mais barato e o mais caro. São tarifas base; os descontos de lote, região e escrita em cache estão na página de preços.
Especificações e limites
Tokens
| Janela de contexto (especificação do fornecedor) | 262.144 |
|---|---|
| Saída máxima (especificação do fornecedor) | 32.768 |
Cache de prompts
| Modo | automático + explícito |
|---|---|
| Prefixo mín. | 1.024 |
| Duração | explícito: 5 min, reinicia a cada acerto |
| Custo de escrita | 1.25x |
Raciocínio
| Parâmetro do fornecedor | enable_thinking + thinking_budget |
|---|---|
| Valores aceites | enable_thinking true · false; thinking_budget in tokens |
| Valor predefinido | desativado; enable_thinking tem padrão false nas séries qwen3-vl-plus e qwen3-vl-flash aplicado quando o pedido nada indica |
| Pode ser desativado | Sim |
| Comportamento do raciocínio | O trace retorna em reasoning_content; acima do budget o raciocínio é truncado e o modelo responde imediatamente. Não está na lista de modelos com preserve_thinking. |
| Parâmetro | reasoning_effort |
| Valores | minimal · low · medium · high a superfície de parâmetros do gateway - aplica-se o mapeamento do fornecedor acima |
Modelo
| Modalidades | texto + imagem + vídeo → texto |
|---|
- Modelo Qwen3-VL de entendimento visual em tamanho pequeno
- raciocínio híbrido (desativado por padrão)
- entrada de vídeo de até 1 hora / 2GB
- saída estruturada apenas no modo sem raciocínio
conforme documentação oficial da Alibaba ↗
Use o Qwen3 VL Flash em 30 segundos
Compatível com OpenAI: troque a base_url, mantenha seu SDK. 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-vl-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-vl-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-vl-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-vl-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-vl-flash")
.addUserMessage("Summarize this diff")
.reasoningEffort(ReasoningEffort.MEDIUM)
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));Sobre o Qwen3 VL Flash
- Segundo a documentação oficial do Model Studio, ele lida com entrada de imagem única e múltipla, análise de frames de vídeo, legendagem de imagens, respostas a perguntas visuais, localização de objetos em 2D e 3D, e parsing de documentos em HTML ou Markdown, junto de OCR sobre recibos, certificados e formulários.
- É um modelo de raciocínio híbrido: pode raciocinar passo a passo antes de responder ou responder diretamente, com o raciocínio desativado por padrão, acionado por enable_thinking e limitado por thinking_budget, e com o trace retornado em um campo reasoning_content separado.
- A Alibaba o chama de modelo de tamanho pequeno da série e nomeia os trabalhos para os quais ele foi moldado: monitoramento de segurança, rondas de inspeção de lojas e instalações, e resolução de problemas a partir de fotos.
- Essa é uma resposta mais precisa do que “um Plus mais barato” para a pergunta de quando escolhê-lo.
- O envelope é generoso para o nível: até 32.768 tokens de saída ao lado de uma grande cota separada de raciocínio, vídeo aceito até uma hora e 2 GB, e limites por imagem governados por um teto de tokens em vez de uma contagem fixa de imagens.
- O vídeo é amostrado por extração de frames que você controla, com uma configuração de quadros por segundo e um limite de frames, e listas de frames pré-extraídos aceitas no lugar de um arquivo.
- Chamada de ferramentas, inferência em lote e cache de contexto são suportados, com saída estruturada documentada para o modo non-thinking.
- Os pesos do modelo hospedado não são liberados, embora a família Qwen3-VL mais ampla seja aberta.
- A Synthorai o serve para chat multimodal pelo endpoint compatível com OpenAI.
Perguntas frequentes
A API do Qwen3 VL Flash é gratuita para testar?
Sim. Contas novas recebem 10 chamadas de teste e até $1 em créditos gratuitos, sem precisar de cartão. A $0.05/M de tokens de entrada, só esse crédito já cobre cerca de 2,500 requisições de ~8K tokens ao Qwen3 VL Flash.
Em que o Qwen3 VL Flash é melhor?
Localização de objetos em 2D e 3D; parsing de documentos em HTML ou Markdown; raciocínio híbrido, desativado por padrão. Veja a seção Sobre para o quadro completo, extraído das notas de lançamento do próprio fornecedor.
Quanto custa o Qwen3 VL Flash?
Na Synthorai, o Qwen3 VL Flash custa $0.05 por milhão de tokens de entrada e $0.4 por milhão de tokens de saída. É o preço de tabela do provedor, sem margem da plataforma. Tokens de entrada em cache são cobrados a $0.022/M.
O Qwen3 VL Flash suporta cache de prompts?
Sim: o cache automático vem ativado por padrão, com um modo explícito para economia garantida. Tokens de entrada em cache são cobrados a $0.022/M, contra $0.05/M sem cache; os prompts precisam de um prefixo estável de 1,024 tokens para entrar em cache (TTL explícito: 5 min, reinicia a cada acerto). Guia de cache de prompts →
Como obtenho acesso ao Qwen3 VL Flash?
Aponte seu SDK da OpenAI existente para base_url="https://synthorai.io/v1", defina model="qwen3-vl-flash" e pronto. Uma única chave de API cobre todos os modelos do gateway.
Modelos relacionados
Comparar
Cada valor desta página é transcrito da documentação do fornecedor, ligada acima, e traz a data em que foi verificado. Os preços são comparados em todo o catálogo; os valores de especificação que os fornecedores definem de forma diferente são apresentados com a diferença indicada em vez de representados num gráfico. Nada aqui é medido por nós, e nada é pontuado.