Qwen 3.8 Max API 定價：16 個思考 token 勝過關閉思考
目錄
Qwen 3.8 Max 每百萬個輸入 token 收費 $2，輸出則為 $6，但 API 看似提供的最低成本設定，並不是最便宜又可靠的選擇。使用 reasoning_effort: "none" 關閉思考後，我們的兩步算術題正確率從 4/4 降至 1/6；只要將思考預算硬性限制在 16 個 token，就能恢復到 6/6，而且平均輸出 token 比預設值少五分之一。上線當週充斥著各種能力宣稱，卻幾乎沒有可供驗證的資料：沒有 model card、沒有公開 benchmark 表格，評估結果也僅供內部使用。Hacker News 很快就指出了這個問題。計費行為則不同，任何有 API key 的人都能實測。我們在上線首日透過 Synthorai 閘道測試了 qwen3.8-max：涵蓋介面接受的所有思考控制項、各設定產生的推理成本、隱式快取的最低門檻與建立延遲、宣稱的 1M context，以及從 Qwen 3.7 延續下來的行為。
TL;DR
- qwen3.8-max 的七種
reasoning_effort值，實測只對應四種行為：關閉、上限 4,096 個 token、上限 16,384 個 token，以及無上限。 thinking_budget精確到單一 token：要求 16 個 token，計量結果就是 16；上限為 262,144。- 關閉思考後，兩步數學題的正確率降至 1/6；設定 16 個 token 的預算則以更低成本拿到 6/6。
- 隱式快取可在 0.3 秒內建立，讀取價格為 $0.25/1M；但 prompt 不到約 4,300 個 token 時完全不會快取。
- 輸入上限精確，超過就直接報錯：關閉思考時為 991,808，開啟思考時為 983,616。
Qwen 3.8 Max 的思考控制項實際上做了什麼？
實際生效的參數有三個，但不是文件列出的那三個。第三方文件描述的 reasoning_effort 只有三種值：low、medium、xhigh，預設為 xhigh。我們實測的介面接受七種：none、minimal、low、medium、high、xhigh 與 max；傳入無效值時，錯誤訊息會原樣列出這份允許清單。此外，原生的 thinking_budget（1 至 262,144 的正整數）與 enable_thinking（布林值）也會傳給供應商，由供應商自行驗證。預算若設為 0 或 262,145，API 會回傳 400，並在訊息中標明範圍。
在一般任務中，各個 effort 等級幾乎無法區分。無論是簡單問答、兩步數學題，還是中等難度的組合問題，low、medium、high、xhigh 與預設值消耗的推理 token 都落在同一個波動區間，看不出差異。只有遇到需要思考數萬個 token 的任務，差距才會浮現。在一道不受限時會消耗 45,129 個推理 token 的質數計數問題上，各等級終於開始觸及上限：
| 設定 | 深度任務的推理 token | 正確？ |
|---|---|---|
| 預設（省略） | 45,129 | 是 |
minimal | 4,096（精確上限） | 否 |
low | 4,096（精確上限） | 否 |
medium | 16,384（精確上限） | 否 |
high | 44,348（未觸及上限） | 是 |
xhigh | 38,029（未觸及上限） | 是 |
max | 35,300（未觸及上限） | 是 |
最符合所有觀察結果的模型是：每個 effort 等級都是預設的思考預算上限，七個名稱實際只對應四種行為。第一種是關閉，none 與 enable_thinking: false 的行為完全相同。Minimal 與 low 共用 4,096 個 token 的上限。Medium 將上限提高四倍至 16,384。High、xhigh、max 與預設值屬於第四級：在這項任務中都沒有觸及上限，各次執行消耗 35K 至 45K 個 token，這是此類深度下的正常波動。如果最高三個等級確實有差異，分界必然在 45K 個思考 token 以上，遠超過多數正式環境流量會達到的深度；文件所稱預設值為 xhigh，也符合我們的所有實測結果。差異非常明確：所有觸及上限的執行都答錯，所有未受限的執行都答對。低於上限時，各等級行為完全相同，因此日常流量下這個調整選項像是沒有作用。超過上限後，思考會在任務中途遭到截斷。若需要明確上限，不要使用預設等級，直接設定 thinking_budget；下一節會詳細拆解這個參數。
thinking_budget 實際上如何運作？
它會精確限制到單一 token；它是上限，不是配額；而且設定中等大小的上限，甚至可能比完全不設限更貴。thinking_budget 是 DashScope 的原生整數參數，範圍為 1 至 262,144，文件記載的預設值是 131,072，並且沿用自開放權重的 Qwen3 系列。它設定單次呼叫可用的推理 token 上限。傳入 0 或 262,145 時，API 會回傳 400，並在訊息中標明範圍。只要未達上限，行為就不會改變：對一個自然思考量只有數百個 token 的任務設定 8,192，實際消耗為 331 與 485，與未設定預算完全相同。觸及上限時，控制精確到單一 token：預算設為 16、64 與 256 時，每次執行都會剛好在 16、64 與 256 個 token 停止推理。
真正有意思的是觸及上限後的行為。模型不會放棄任務，而是停止推理，改在可見答案中完成剩餘工作。對一道中等難度的組合問題（計算 2x12 網格的骨牌鋪法數），所有預算都答對，但 token 總量與直覺預期不同：
| 預算 | 已用推理 token | 完成 token 總量 |
|---|---|---|
| 未設定（預設） | 226-303 | 234-311 |
| 16 | 16（精確） | 368-406 |
| 64 | 64（精確） | 399-408 |
| 256 | 256（精確） | 776-787 |
| 8,192 | 331-485（未觸及上限） | 339-493 |
這條曲線並非單調變化。設定 256 個 token 的預算，比完全不設預算貴 2.5 倍：模型先用掉額度開始一段推理，在思考途中遭到截斷，接著又在可見輸出中逐步重新推導答案。最小預算反而優於中等預算，因為 16 個 token 根本不夠展開任何推理，模型會直接輸出精簡的可見解題過程。由此可得三個規則。第一，極小預算確實能控制淺層至中等深度任務的成本：我們的兩步數學題測試中，16 個 token 拿到 6/6，完成 token 總量為 98-161；預設值則為 126-207。第二，不要把中等大小的上限套用到深度未知的流量。這正好落在無效區間：上限會截斷真正的推理，導致同一份工作付兩次成本（前述深度任務中的 4,096 與 16,384 兩列，就是放大後的同一種失敗，而且答案也錯了）。第三，預算一旦生效，輸出形式也會改變：受限的執行會在答案中列出推導過程。如果解析器只接受單一結果，就必須注意這點。
上線首日的文件有多少經得起實測？
大約一半。由於這次上線目前沒有其他內容能獨立驗證，這些差異值得公開。以下所有數字都來自我們自己的計量與探測：
| 文件宣稱 | 實測結果 |
|---|---|
| 輸入上限：991,808（不思考）／983,616（思考） | 精確；超出上限時回傳 400，並標明限制 |
thinking_budget 範圍：最大 262,144 的正整數 | 精確；0 與 262,145 都會遭到拒絕 |
| 每 1M 的牌價為輸入 $2／輸出 $6 | 每次呼叫的計量結果都精確符合至小數點後四位 |
| 快取讀取使用 0.25x credits | 精確：$0.25/1M，寫入不加價 |
reasoning_effort 值：low、medium、xhigh | 錯誤：接受七種值，其中包含完全關閉思考 |
| 最大輸出為 131.07K，「兩種模式皆相同」 | 兩邊都錯：關閉思考時，max_tokens 超過 65,536 就會遭到拒絕；開啟思考時，我們測到 393,216 仍可接受 |
多輪用戶端「必須原樣回傳 reasoning_content」 | 未強制執行：省略或竄改歷史內容都能接受 |
| 「支援 context caching」（無細節） | 確實存在，但關鍵規格未寫入文件：約 4.3K 的最低門檻、15-45 分鐘的存續時間 |
整體模式顯示，計費面最可靠：所有會決定費用的機制都很精確，也如實強制執行；參數文件則落後於介面的實際行為。
關閉思考真的能省錢嗎？
它確實能減少 token，但會犧牲正確率，而且只差兩行設定就有更好的取捨。我們用可明確驗證答案的兩步算術題進行批次測試：1850 箱貨物，每箱 24 個零件，已出貨 75%，其中 3,120 個送達。預設設定得到 4/4，每次呼叫使用 126-207 個完成 token。reasoning_effort: "none" 只輸出 4-5 個 token，但正確率降至 1/6。同一個 prompt 改用 thinking_budget: 16 後，以 98-161 個完成 token 拿到 6/6。在這類任務中，它比預設值更便宜，正確率也沒有損失。單步算術即使使用 none 仍為 3/3，因此查詢與單步轉換可安全使用關閉開關；多步驟工作才會崩潰。這不是 3.8 的退步：qwen3.7-max 關閉思考後，在相同批次中也只有 3/6。
預算章節提到的無效區間，在困難任務上可直接換算成金額。深度質數計數任務使用 low 預設值時，先耗盡 4,096 個思考 token，又在可見輸出中花了 13,882 個 token 逐一檢查候選值，最後仍答錯：錯誤答案花費 $0.11；預設設定的正確答案則為 $0.27。困難任務完全關閉思考時，也會出現相同機制：3.8 與 3.7 都在可見答案中輸出了 13-15K 個 token 的枚舉過程；各只執行一次，其中一個得到正確數量，另一個則少算了一個質數。在推理途中觸及預算上限，可能同時提高總成本並降低品質。已知任務較淺時才限制思考；深度任務則應讓模型完整思考。
1M-token context window 是真的嗎？
實際上是，而且限制精確、透明。關閉思考時，API 接受最多 991,808 個輸入 token；開啟思考時則為 983,616。兩項限制都會明確報錯：過大的要求會遭到拒絕並回傳 400，訊息中會標明確切上限，不會悄悄截斷文件。我們測試的所有大小，包括 161K、677K 與 919K 個 token，都能成功找回埋藏資訊，並在 11 至 63 秒內逐字回傳預先植入的 override code。一筆 919K-token 的要求按牌價約為 $1.84，因此這個 context window 確實可用，但使用完整視窗應是經過考量的設計決策，而非預設做法。
隱式快取能帶來什麼效果？最低門檻在哪裡？
這是我們測過建立速度最快的快取，但最低門檻異常高。重複送出加鹽的 6,103-token prompt 後，僅隔 0.3 秒的下一次要求就命中快取；不像 Gemini 需要數十秒才能建立快取，這裡不需要特別處理暖機時間。未重新寫入的情況下，+5 與 +15 分鐘仍然命中，到了 +45 分鐘則已失效，因此靜置後的有效時間介於 15 至 45 分鐘。讀取價格為每百萬個 token $0.25，即輸入價格的 0.125x；寫入不加價。折扣會自動反映在 cached_tokens 欄位與計量成本中。
真正的限制是最低門檻。4,221-token 的 prompt 從未命中，4,360-token 的 prompt 則會命中，而且第一次命中一律剛好為 4,096 個 token。Prompt 少於約 4.3K 個 token 時，這個快取等同不存在。這與 Claude 最低只需 1,024 個 token，以及 Kimi K3 的小區塊自動快取形成鮮明對比。超過門檻後，命中量以 128-token 區塊量化；我們觀察到 4,096、8,320、12,544 與 16,768。不過已預熱前綴的涵蓋率介於 51% 至 96%，因此估算成本時，應假設長前綴大部分能享有折扣，而不是全部。
結構化輸出與工具呼叫也要支付推理成本嗎？
預設要付，但這兩類任務最適合削減推理成本。嚴格的 json_schema 輸出可以正常運作，而且確實有強制格式：相同的擷取任務若不提供 schema，回傳結果會包在 Markdown code fence 中。使用預設設定時，擷取四個 invoice 欄位會先消耗 252 個推理 token，再輸出 57 個 JSON token。改用 reasoning_effort: "none" 後，只需 54 個 token 就能產生有效且正確的 JSON，成本降低 5.7 倍；thinking_budget: 16 則介於兩者之間。工具選擇也有相同行為：關閉思考後，模型仍能呼叫正確的函式，token 數只有預設值的三分之一。單步擷取與路由正是適合安全關閉思考的任務形態；輸出價格為 $6/1M，長期累積的節省相當可觀。
Agent 開發者還要注意一項計費細節：API 會在 reasoning_content 中回傳完整思維鏈，文件要求多輪用戶端將它原樣傳回。實際上並未強制執行。我們分別以包含、略過及刻意竄改推理內容的方式重播對話，三者都能接受，短鏈任務的正確率也不受影響。重播的推理內容會按一般輸入 token 計費，因此在長鏈任務尚未顯示品質損失前，多輪流量省略這段內容確實能節省成本。
Qwen 3.7 延續了哪些特性？又改了什麼？
Tokenizer 沒有變更，既有的 token 預算可以直接沿用。相同的英文、中文、日文與程式碼語料，在 qwen3.8-max、qwen3.7-max、qwen3.7-plus、qwen3.6-flash 與 qwen3.5-flash 上得到完全相同的 token 數，因此我們在各語言 tokenizer 研究中的每種語言成本規劃可直接沿用。
有兩項變更。第一，3.8-max 有同系列其他模型沒有的固定 prompt 額外開銷：同一則只有一個字元的訊息，在 3.8-max 上計為 49 個 prompt token，其他所有受測 Qwen 模型則是 11 個，相當於每次呼叫固定多出 38 個 token。對長 prompt 而言可以忽略，但對短小且高頻的要求，所占比例就很明顯。第二，思考功能不再是模式切換，而是隨時可用，並提供上述七級調整選項與精確預算參數；3.7 的控制方式較粗略。預覽期間曾流傳兩種計價方案，因此需要澄清：Token Plan 訂閱方案每月 $6 至 $68，離峰時段另有大幅折扣，但那是 Alibaba 自家應用程式的價格，不適用於 API。使用 API 時，費率仍是 $2/$6；本次研究中的每次呼叫，閘道計量結果都精確符合牌價至小數點後四位。
常見問題
Qwen 3.8 Max 可以關閉思考嗎？
可以完全關閉：reasoning_effort: "none"（或 enable_thinking: false）會徹底消除推理 token。請只用於單步工作。在我們的兩步算術批次中，關閉思考的正確率只有 1/6；設定 16 個 token 的 thinking_budget 則以相當或更低的 token 數拿到 6/6。因此，多步驟流量的最低設定應是小額預算，而不是直接關閉。
Qwen 3.8 Max 快取的最低 prompt 大小是多少？
實測約為 4,300 個 token：4,221-token 的 prompt 從未命中，4,360-token 的 prompt 則會命中，而且第一次命中一律剛好是 4,096 個 token。低於門檻就沒有任何折扣；高於門檻後，讀取價格為 $0.25/1M，寫入不加價，完成預熱 0.3 秒後即可讀取。
Qwen 3.8 Max 支援 reasoning_effort 嗎？
接受七種值：none、minimal、low、medium、high、xhigh、max。不過各等級實際上是思考預算上限，只有當任務的思考量超過上限時才會產生差異。若需要可預測的控制，請直接設定 thinking_budget：它會精確限制到單一 token，不接受 0，最大值為 262,144。目前不同用戶端工具對支援哪些等級仍有不同說法；上述清單是上線首日介面實際接受的值。
多輪對話一定要回傳 reasoning_content 嗎？
文件說必須回傳，但 API 不會檢查。我們的測試中，省略甚至竄改推理歷史都不會報錯，短鏈任務的正確率也沒有下降；重播推理內容則會按一般輸入計費。在自家評估尚未發現長鏈品質下降前，省略重播是合理的成本控制手段。
於 2026-08-03 透過 Synthorai 閘道實測 qwen3.8-max，比較組為 qwen3.7-max、qwen3.7-plus、qwen3.6-flash、qwen3.5-flash。測試包含：調整值接受度、無效值及 max_tokens 邊界探測；使用自然消耗 45K 個 token 的深度任務觸發 effort 上限；使用固定且可驗證答案的批次測量正確率斷崖（每組 n=4-6，均加鹽）；間隔 2-3 秒的加鹽快取配對與多段等待時間測試；161K-919K 個 token 的資訊定位與溢位探測；以及四份相同語料的 tokenizer 計數。金額來自閘道計量器依牌價記錄的實際計費成本（每 1M 為 $2/$6）。預覽期間的折扣、費率與行為都可能變動，請以自己的使用紀錄再次確認。