Qwen3.8 Max

比較

發布於 2026-08-03

chat圖像理解程式碼推理工具呼叫提示詞快取

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: 文字圖像 $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

高於平均沒有模型更高31 ~~/ 40~~8 ~~/ 40~~

Qwen3.8 Max 其他有成績的模型其他模型平均 ★ 沒有模型分數更高

SWE-Bench Pro

67.7%

AndroidBench

75.1%

Cybergym

78.5%

HealthBench

沒有模型分數更高 60.2%

JobBench

53.4%

PLawBench

沒有模型分數更高 73.2%

GPQA Diamond

92.6%

Agents' Last Exam

27%

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

輸入$2/M

$0.1 · Dola Seed 2.0 Mini GPT-5.4 Pro · $30

輸出$6/M

$0.275 · DeepSeek V4 Flash GPT-5.4 Pro · $180

快取讀取$0.25/M

$0.006 · DeepSeek V4.1 Flash Claude Fable 5 · $1

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）	983,616
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

參數	reasoning_effort
參數值	minimal · low · medium · high 實際接受哪些值由供應商決定

模型

模態	文字 + 圖像 → 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

依據模型規格來源 ↗

一段提示詞，經閘道實測

寫給 CFO 的推理修正有 bug 的函式依 schema 擷取資料依照限制條件撰寫

提示詞 Explain to a CFO, in exactly three sentences, why our LLM bill doubled after we enabled reasoning. 檢查恰好 3 句

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

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。

提示詞 This function is supposed to return the longest run of consecutive equal items, but callers report it is off by one on single-element inputs and misses runs that end at the last index. Fix it and explain the bug in one paragraph. 檢查修正後通過測試

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。

提示詞 Extract a JSON object with fields {company, quarter, revenue_usd_m, growth_pct, guidance} from this text. Use null for anything not stated; add no other fields. 檢查有效的 JSON，完全符合 schema

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

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。

提示詞 Write a 120-word product announcement for an API gateway feature that caches prompts across providers. Forbidden words: "seamless", "unlock", "game-changer", "revolutionize", "empower". Exactly one sentence must be a question. 檢查 120 詞，0 個禁用詞

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

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 Max

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-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，新帳號有 10 次試用呼叫和最高 $1 的免費額度，免綁卡。以輸入價 $2/M 計算，光是這筆額度就夠你對 Qwen3.8 Max 發出約 62 次請求，每次約 8K token。

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。完整介紹請見「關於」一節，內容取自供應商官方的發布說明。

Qwen3.8 Max 的價格是多少？

在 Synthorai 上，Qwen3.8 Max 的輸入價是每百萬 token $2，輸出價是每百萬 token $6。這就是供應商官網價，平台不加價。快取命中的輸入 token 以 $0.25/M 計費。

Qwen3.8 Max 的上下文長度是多少？

Qwen3.8 Max 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 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，可以自行指定快取哪些內容。快取命中的輸入 token 以 $0.25/M 計費（未命中為 $2/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 Max？

把現有 OpenAI SDK 的 base_url 指向 "https://synthorai.io/v1"，model 設為 "qwen3.8-max" 就可以了。一把 API 金鑰就能呼叫閘道上的所有模型。

比較

vs GPT-6.1 Terra vs GPT-6.1 Sol vs Claude Sonnet 5.5 vs GPT-6 Sol vs GPT-6 Luna vs Claude Opus 5.5 與任意模型比較 →

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。

取得 API 金鑰算算你的成本 →