Qwen3.8 Max 是阿里巴巴於 2026 年 8 月 3 日發布的通義千問旗艦模型。
- 輸入
- 文字 影像 $2/M
- 輸出
- 文字 $6/M
- 快取讀取
- $0.25/M
- 上下文
- 984K
- 相較 GPT-4o
- 便宜約 60%
Benchmark 成績
廠商公布: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
價格在同類中的位置
價格在 66 個同類模型中的位置
這條線顯示該模型的價格，在 Synthorai 上同類模型裡處於什麼位置。兩端標出了最便宜和最貴的那個。這裡是基礎價，批次、區域與快取寫入的折扣見價格頁。
規格與限制
Token
| 上下文視窗(廠商規格) | 983,616 |
|---|---|
| 最大輸出(廠商規格) | 131,072 |
提示詞快取
| 快取方式 | 自動 + 顯式 |
|---|---|
| 最低前綴 | 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
| 參數 | reasoning_effort |
|---|---|
| 取值 | minimal · low · medium · high 具體接受哪些由廠商決定 |
模型
| 模態 | 文字 + 影像 → 文字 |
|---|---|
| 參數量 | 總參數 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
單一提示詞 — 經由閘道測量
Qwen3.8 Max 通過 · 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.
輸出 378 tok (+305 思考) 延遲 8.6 s
指令遵循（恰好三句，可數）、受眾適配（面向 CFO 的語氣），以及下方 token 計量所暴露的隱藏思考計費缺口。
Qwen3.8 Max 通過 · 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.
輸出 1616 tok (+1411 思考) 延遲 34.7 s
修復是否真的正確（可執行）、解釋的資訊密度，以及在一個邊界明確的任務上的 token 效率。
Qwen3.8 Max 通過 · 5/5 fields, guidance null
{ "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": 11, "guidance": null }
輸出 1199 tok (+1141 思考) 延遲 24.4 s
schema 服從度（不臆造欄位）、幻覺壓力（guidance 明確被暫緩給出），以及結構化輸出路徑的差異。
Qwen3.8 Max 通過 · 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.
輸出 2744 tok (+2591 思考) 延遲 46.3 s
約束服從度（字數預算、禁用詞表、唯一的那句問句）、文風指紋，以及長度控制。
30 秒用上 Qwen3.8 Max
OpenAI 相容:換掉 base_url,SDK 不用改。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(""));關於 Qwen3.8 Max
- 官方描述稱它是原生視覺語言的 Max 模型，採用混合專家（MoE）架構、參數規模 2.4 兆，是千問系列迄今能力最強的模型。
- 它接受文字和圖像輸入並回傳文字，因此一次請求就能把提示詞與截圖、圖表或掃描件放在一起，不必再把圖像繞到另一個視覺模型上。
- 思考是預設行為的一部分：模型會在 reasoning_content 欄位裡單獨回傳思維軌跡，這意味著即便回答很短也會消耗推理 token，把 max_tokens 設得很小時可能出現請求成功但回答為空的情況。
- 函式呼叫、嚴格 JSON schema 結構化輸出、以及在末幀帶 usage 的串流都可用，接進既有的 OpenAI 相容整合無需特殊處理。
- 上下文接近一百萬 token，單次回應最高 131,072 token，是上一代 Max 輸出上限的兩倍，這也是把長文生成遷到它上面最具體的理由。
- 計價按快取行為分檔而非按上下文長度：標準輸入價、自動快取命中的更低價，以及顯式建立與讀取快取各自獨立的價格，因此複用穩定前綴的智慧體迴圈能實質受益。
- 阿里列出的可用區域為北京與新加坡。
- Synthorai 透過 OpenAI 相容的 chat completions 端點提供該模型。
常見問題
Qwen3.8 Max API 可以免費試用嗎?
可以,新帳號可獲得 10 次試用呼叫和最高 $1 的免費額度,無需信用卡。以輸入 $2/M 計算,光是這筆額度就足以對 Qwen3.8 Max 發出約 62 次 ~8K token 的請求。
Qwen3.8 Max 最擅長什麼?
2.4 兆參數 MoE，原生視覺語言、文字與圖像輸入，輸出最高 131K、按快取分檔計價，利好提示密集型迴圈。完整能力請見「關於」一節,內容取自廠商官方發布說明。
Qwen3.8 Max 的價格是多少?
在 Synthorai 上,Qwen3.8 Max 輸入 $2/百萬 token、輸出 $6/百萬 token,即廠商牌價,無平台加價。快取命中的輸入 token 以 $0.25/M 計費。
Qwen3.8 Max 支援提示詞快取(prompt caching)嗎?
支援:自動快取預設開啟,另有顯式模式可獲得確定的折扣。快取命中的輸入 token 以 $0.25/M 計費(未命中 $2/M);提示詞需有 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 Max?
把現有 OpenAI SDK 的 base_url 指向 "https://synthorai.io/v1",model 設為 "qwen3.8-max" 即可。一組 API key 通用閘道上的所有模型。
相關模型
對比
本頁每個值都轉錄自廠商自己的文件(連結見上),並帶有核對日期。價格在全目錄範圍內比較;各廠商定義不同的規格值,只說明差異而不作圖表對比。此處沒有任何由我們測量的資料,也不做評分。