Qwen3.8 Flash 是阿里巴巴通義千問 Qwen3.8 世代中速度快、成本低的一檔，於 2026 年 8 月 27 日發布。
- 輸入
- 文字 圖像 影片 $0.15/M
- 輸出
- 文字 $0.47/M
- 快取讀取
- $0.016/M
- 上下文
- 984K
- 相較 GPT-4o
- 便宜約 97%
依輸入長度分級的價格
整次請求依輸入長度所在級距計費。價格單位為美元/百萬 token。
| 輸入 token 數 | 輸入 | 輸出 | 思考模式輸入 |
|---|
Benchmark 成績
供應商公布： Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
價格在同類中的位置
價格在 76 個同類模型中的位置
這條線標出這個模型的價格，在 Synthorai 的同類模型裡落在什麼位置；兩端分別是最便宜和最貴的模型。這裡列的是基礎價，批次、區域和快取寫入的折扣請見價格頁。
規格與限制
Token
| 上下文視窗（供應商規格） | 1,000,000 |
|---|---|
| 最大輸出（供應商規格） | 131,072 |
提示詞快取
| 快取方式 | 自動 + 顯式 |
|---|---|
| 最小前綴 | 1,024 |
| 存活時間 | 顯式模式：5 分鐘，命中即重置 |
| 寫入成本 | 1.25x |
思考
| 供應商參數 | enable_thinking + thinking_budget + preserve_thinking |
|---|---|
| 可接受的值 | enable_thinking true · false; thinking_budget in tokens; preserve_thinking true · false |
| 預設值 | 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 請求未指定時生效 |
| 可關閉 | 支援 |
| 思考行為 | 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. |
| 參數 | reasoning_effort |
| 參數值 | minimal · low · medium · high 這是閘道的參數，實際以上方的供應商對應為準 |
模型
| 模態 | 文字 + 圖像 + 影片 → 文字 |
|---|---|
| 參數量 | 總參數 125B · 啟用 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
依據 模型規格來源 ↗
一段提示詞，經閘道實測
Qwen3.8 Flash 通過 · 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.
輸出 330 tok (+262 思考) 延遲 8.9 s
是否照指令做（剛好三句，數得出來）、語氣是否貼合對象（寫給 CFO 看），以及下方 token 計量顯示出的隱藏思考計費落差。
Qwen3.8 Flash 通過 · 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.
輸出 2123 tok (+1933 思考) 延遲 43.8 s
修正是否真的正確（跑得起來）、說明的資訊密度，以及在範圍明確的任務上的 token 效率。
Qwen3.8 Flash 通過 · 5/5 fields, guidance null
{ "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": 11, "guidance": null }
輸出 519 tok (+463 思考) 延遲 10.5 s
是否遵守 schema（不自創欄位）、面對幻覺誘因的表現（題目明確不給 guidance），以及結構化輸出路徑的差異。
Qwen3.8 Flash 通過 · 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.
輸出 5958 tok (+5805 思考) 延遲 88.8 s
是否遵守限制（字數上限、禁用詞清單、只能有一句問句）、文字風格的特徵，以及長度控制。
30 秒上手 Qwen3.8 Flash
相容 OpenAI：換掉 base_url，SDK 不用換。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(""));關於 Qwen3.8 Flash
- 它建立在一套新架構上，千問團隊稱之為未來 Qwen4 底座的實驗性預覽：混合專家（MoE）模型，總參數 1250 億、每個 token 啟用 60 億，另有 510 億參數的 n-gram 嵌入，並將 Gated DeltaNet 層與新的 Qwen Sparse Attention 搭配使用，阿里表示這能顯著降低長輸入的延遲。
- 該架構的開源權重版本是 Qwen3.8-Flash-Next；託管模型被描述為它的正式生產版本，預設開啟 1M token 上下文，並附帶阿里的內建工具。
- 它接受文字、圖像與影片輸入並回傳文字，輸出最高 131,072 token。
- 思考為混合模式且預設開啟：enable_thinking 可依請求關閉，thinking_budget 可設定上限，思維軌跡於 reasoning_content 回傳並按輸出計費。
- 它也在阿里的 preserve_thinking 支援清單中，因此智慧代理可以把先前的推理帶入後續輪次，而不必重新推導。
- 官方列出的能力包括函式呼叫、結構化輸出、前綴續寫、聯網搜尋與上下文快取；不支援批次推理。
- 阿里自己的選型建議將它列為從 Qwen3.7 Plus 降低成本、同時維持相近能力的選擇。
- 計價比它之前的 Qwen3.7 Flash 更簡單——後者依上下文長度分三檔計費，而 Qwen3.8 Flash 在整個視窗內只有一個統一單價，思考與非思考呼叫同價，快取命中約為標準輸入價的十分之一，無論快取是自動建立還是顯式建立。
- Synthorai 透過 OpenAI 相容的 chat completions 端點提供此模型。
常見問題
Qwen3.8 Flash API 可以免費試用嗎？
可以，新帳號有 10 次試用呼叫和最高 $1 的免費額度，免綁卡。以輸入價 $0.15/M 計算，光是這筆額度就夠你對 Qwen3.8 Flash 發出約 833 次請求，每次約 8K token。
Qwen3.8 Flash 最擅長什麼？
1250 億參數 MoE，每 token 啟用 60 億、文字、圖像與影片輸入，輸出最高 131K、1M 上下文內統一單價。完整介紹請見「關於」一節，內容取自供應商官方的發布說明。
Qwen3.8 Flash 的價格是多少？
在 Synthorai 上，Qwen3.8 Flash 的輸入價是每百萬 token $0.15，輸出價是每百萬 token $0.47。這就是供應商官網價，平台不加價。快取命中的輸入 token 以 $0.016/M 計費。
Qwen3.8 Flash 的上下文長度是多少？
Qwen3.8 Flash 的上下文長度（上下文視窗）是 984K token。單次回覆最多輸出 131,072 個 token。
Qwen3.8 Flash 支援提示詞快取（prompt caching）嗎？
支援：自動快取預設開啟，另有顯式模式，可以自行指定快取哪些內容。快取命中的輸入 token 以 $0.016/M 計費（未命中為 $0.15/M）；提示詞要有 1,024 個 token 以上的穩定前綴，才能命中快取（TTL 顯式模式：5 分鐘，命中即重置）。 提示詞快取指南 →
如何開通 Qwen3.8 Flash？
把現有 OpenAI SDK 的 base_url 指向 "https://synthorai.io/v1"，model 設為 "qwen3.8-flash" 就可以了。一把 API 金鑰就能呼叫閘道上的所有模型。
相關模型
比較
規格與廠商 benchmark 均附來源連結。閘道支援情況說明的是 Synthorai 的實際實作。封存範例是單次閘道請求，不代表模型的一般效能保證。價格來自公開價格介面或建置時使用的快照。