Qwen3.8 Max

对比

发布于 2026-08-03

chat图像理解代码推理工具调用提示词缓存

Qwen3.8 Max 是阿里巴巴于 2026 年 8 月 3 日发布的通义千问旗舰模型。

输入: 文本图像 $2/M
输出: 文本 $6/M
缓存读取: $0.25/M
上下文: 984K
对比 GPT-4o: 便宜约 60%

Benchmark 成绩

高于同类均值无更高分31 ~~/ 40~~8 ~~/ 40~~

Qwen3.8 Max 其他参测模型同类均值 ★ 没有模型得分更高

SWE-Bench Pro

67.7%

AndroidBench

75.1%

Cybergym

78.5%

HealthBench

没有模型得分更高 60.2%

JobBench

53.4%

PLawBench

没有模型得分更高 73.2%

GPQA Diamond

92.6%

Agents' Last Exam

27%

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

输入$2/M

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

输出$6/M

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

缓存读取$0.25/M

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

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）	983,616
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

参数	reasoning_effort
取值	minimal · low · medium · high 具体接受哪些值由供应商决定

模型

模态	文本 + 图像 → 文本
参数量	总参数 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

依据模型规格来源 ↗

一条提示词，经网关实测

面向 CFO 的推理修复含 bug 的函数按 schema 提取按约束条件写作

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

Qwen3.8 Max 通过 · 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.

输出 378 tok (+305 思考) 延迟 8.6 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。

提示词 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. 检查修复通过测试

Qwen3.8 Max 通过 · 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.

输出 1616 tok (+1411 思考) 延迟 34.7 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。

提示词 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. 检查合法 JSON，严格符合 schema

Qwen3.8 Max 通过 · 5/5 fields, guidance null

{ "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": 11, "guidance": null }

输出 1199 tok (+1141 思考) 延迟 24.4 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。

提示词 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. 检查 120 词，0 个禁用词

Qwen3.8 Max 通过 · 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.

输出 2744 tok (+2591 思考) 延迟 46.3 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 Max

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-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(""));

关于 Qwen3.8 Max

官方描述称它是原生视觉语言的 Max 模型，采用混合专家（MoE）架构、参数规模 2.4 万亿，是千问系列迄今能力最强的模型。
它接受文本和图像输入并返回文本，因此一次请求就能把提示词与截图、图表或扫描件放在一起，不必再把图像绕到另一个视觉模型上。
思考是默认行为的一部分：模型会在 reasoning_content 字段里单独返回思维轨迹，这意味着即便回答很短也会消耗推理 token，把 max_tokens 设得很小时可能出现请求成功但回答为空的情况。
函数调用、严格 JSON schema 结构化输出、以及在末帧带 usage 的流式都可用，接进既有的 OpenAI 兼容集成无需特殊处理。
上下文接近一百万 token，单次响应最高 131,072 token，是上一代 Max 输出上限的两倍，这也是把长文生成迁到它上面最具体的理由。
计价按缓存行为分档而非按上下文长度：标准输入价、自动缓存命中的更低价，以及显式创建与读取缓存各自独立的价格，因此复用稳定前缀的智能体循环能实质性受益。
阿里列出的可用区域为北京与新加坡。
Synthorai 通过 OpenAI 兼容的 chat completions 端点提供该模型。

常见问题

Qwen3.8 Max 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 $2/M 计算，光这笔额度就够向 Qwen3.8 Max 发约 62 次请求，每次 ~8K token。

Qwen3.8 Max 最擅长什么？

2.4 万亿参数 MoE，原生视觉语言、文本与图像输入，输出最高 131K、按缓存分档计价，利好提示密集型循环。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 Max 的价格是多少？

在 Synthorai 上，Qwen3.8 Max 的输入价为 $2/百万 token，输出价为 $6/百万 token。这就是供应商官网价，平台不加价。缓存命中的输入 token 按 $0.25/M 计费。

Qwen3.8 Max 的上下文长度是多少？

Qwen3.8 Max 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 Max 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 $0.25/M 计费（未命中为 $2/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 Max？

把现有 OpenAI SDK 的 base_url 指向 "https://synthorai.io/v1"，model 设为 "qwen3.8-max" 即可。一个 API key 就能调用网关上的全部模型。

对比

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 与任意模型对比 →

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。

获取 API key 算算你的成本 →