Qwen3.8 Flash 是阿里巴巴通义千问 Qwen3.8 代中速度快、成本低的一档，于 2026 年 8 月 27 日发布。
- 输入
- 文本 图像 视频 $0.15/M
- 输出
- 文本 $0.47/M
- 缓存读取
- $0.016/M
- 上下文
- 984K
- 对比 GPT-4o
- 便宜约 97%
按输入长度分档的价格
整次请求按输入长度所在档位计费。价格单位为美元/百万 token。
| 输入 token 数 | 输入 | 输出 | 思考模式输入 |
|---|
Benchmark 成绩
供应商公布： Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
价格在同类中的位置
价格在 76 个同类模型中的位置
这条线标出该模型的价格在 Synthorai 同类模型中的位置，两端分别是最便宜和最贵的模型。这里是基础价，批量、区域和缓存写入的折扣见价格页。
规格与限制
Token
| 上下文窗口（供应商规格） | 1,000,000 |
|---|---|
| 最大输出（供应商规格） | 131,072 |
提示词缓存
| 缓存方式 | 自动 + 显式 |
|---|---|
| 最小前缀 | 1,024 |
| 有效期 | 显式模式：5 分钟，命中即重置 |
| 写入成本 | 1.25x |
思考
| 供应商参数 | enable_thinking + thinking_budget + preserve_thinking |
|---|---|
| 可选值 | enable_thinking true · false; thinking_budget in tokens; preserve_thinking true · false |
| 默认值 | 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 请求未指定时生效 |
| 可关闭 | 支持 |
| 思考行为 | 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. |
| 参数 | reasoning_effort |
| 取值 | minimal · low · medium · high 这是网关侧的参数，实际以上方的供应商映射为准 |
模型
| 模态 | 文本 + 图像 + 视频 → 文本 |
|---|---|
| 参数量 | 总参数 125B · 激活 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
依据 模型规格来源 ↗
一条提示词，经网关实测
Qwen3.8 Flash 通过 · 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.
输出 330 tok (+262 思考) 延迟 8.9 s
指令遵循（恰好三句，数得出来）、受众适配（对 CFO 说话的口吻），以及下方 token 计数暴露出的隐藏思考计费差额。
Qwen3.8 Flash 通过 · 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.
输出 2123 tok (+1933 思考) 延迟 43.8 s
修复是否真的正确（能运行）、解释的信息密度，以及在一个范围明确的任务上的 token 效率。
Qwen3.8 Flash 通过 · 5/5 fields, guidance null
{ "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": 11, "guidance": null }
输出 519 tok (+463 思考) 延迟 10.5 s
是否严守 schema（不臆造字段）、能否顶住幻觉压力（原文明说暂不给出 guidance），以及结构化输出路径的差异。
Qwen3.8 Flash 通过 · 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.
输出 5958 tok (+5805 思考) 延迟 88.8 s
是否守住约束（字数预算、禁用词表、只能有一个问句）、文风特征，以及长度控制。
30 秒用上 Qwen3.8 Flash
兼容 OpenAI：换掉 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-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(""));关于 Qwen3.8 Flash
- 它基于一套新架构，千问团队称之为未来 Qwen4 底座的实验性预览：混合专家（MoE）模型，总参数 1250 亿、每个 token 激活 60 亿，另有 510 亿参数的 n-gram 嵌入，并把 Gated DeltaNet 层与新的 Qwen Sparse Attention 搭配使用，阿里称这能显著降低长输入的延迟。
- 该架构的开源权重版本是 Qwen3.8-Flash-Next；托管模型被描述为它的生产版本，默认开启 1M token 上下文，并带有阿里的内置工具。
- 它接受文本、图像和视频输入并返回文本，输出最高 131,072 token。
- 思考为混合模式且默认开启：enable_thinking 可按请求关闭，thinking_budget 可设上限，思维轨迹在 reasoning_content 中返回并按输出计费。
- 它也在阿里的 preserve_thinking 支持列表中，智能体因此可以把先前的推理带入后续轮次，而不必重新推导。
- 官方列出的能力包括函数调用、结构化输出、前缀续写、联网搜索和上下文缓存；不支持批量推理。
- 阿里自己的选型建议把它列为从 Qwen3.7 Plus 降本、同时保持相近能力的选择。
- 计价比它之前的 Qwen3.7 Flash 更简单——后者按上下文长度分三档计费，而 Qwen3.8 Flash 在整个窗口内只有一个统一单价，思考与非思考调用同价，缓存命中约为标准输入价的十分之一，无论缓存是自动创建还是显式创建。
- Synthorai 通过 OpenAI 兼容的 chat completions 端点提供该模型。
常见问题
Qwen3.8 Flash API 可以免费试用吗？
可以。新账号有 10 次试用调用，免费额度最高 $1，无需绑卡。按输入 $0.15/M 计算，光这笔额度就够向 Qwen3.8 Flash 发约 833 次请求，每次 ~8K token。
Qwen3.8 Flash 最擅长什么？
1250 亿参数 MoE，每 token 激活 60 亿、文本、图像与视频输入，输出最高 131K、1M 上下文内统一单价。完整介绍见「关于」部分，内容取自供应商的官方发布说明。
Qwen3.8 Flash 的价格是多少？
在 Synthorai 上，Qwen3.8 Flash 的输入价为 $0.15/百万 token，输出价为 $0.47/百万 token。这就是供应商官网价，平台不加价。缓存命中的输入 token 按 $0.016/M 计费。
Qwen3.8 Flash 的上下文长度是多少？
Qwen3.8 Flash 的上下文长度（上下文窗口）是 984K token。单次回复最多输出 131,072 个 token。
Qwen3.8 Flash 支持提示词缓存（prompt caching）吗？
支持：自动缓存默认开启，另有显式模式，可以自己指定缓存哪些内容。缓存命中的输入 token 按 $0.016/M 计费（未命中为 $0.15/M）；提示词的稳定前缀至少要有 1,024 个 token 才能缓存（TTL 显式模式：5 分钟，命中即重置）。 提示词缓存指南 →
如何开通 Qwen3.8 Flash？
把现有 OpenAI SDK 的 base_url 指向 "https://synthorai.io/v1"，model 设为 "qwen3.8-flash" 即可。一个 API key 就能调用网关上的全部模型。
相关模型
对比
规格与厂商 benchmark 均附来源链接。网关支持情况说明的是 Synthorai 的实际实现。归档示例是单次网关请求，不代表模型的一般性能保证。价格来自公开价格接口或构建时使用的快照。