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
厂商公布: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
价格在同类中的位置
价格在 66 个同类模型中的位置
这条线显示该模型的价格，在 Synthorai 上同类模型里处于什么位置。两端标出了最便宜和最贵的那个。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(厂商规格) | 983,616 |
|---|---|
| 最大输出(厂商规格) | 131,072 |
提示词缓存
| 缓存方式 | 自动 + 显式 |
|---|---|
| 最低前缀 | 1,024 |
| 存活时间 | 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 具体接受哪些由厂商决定 |
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
单个 Prompt —— 通过网关实测
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，可数）、受众适配（面向 CFO 的语气），以及下方 token 计量所暴露的隐藏思考计费缺口。
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（可运行）、解释的信息密度，以及在一个边界明确的任务上的 token 效率。
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
schema 服从度（不臆造字段）、幻觉压力（guidance 明确被暂缓给出），以及结构化输出路径的差异。
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
约束服从度（字数预算、禁用词表、唯一的那句问句）、文风指纹，以及长度控制。
30 秒用上 Qwen3.8 Max
OpenAI 兼容: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。新账号可获得 10 次试用调用和最高 $1 的免费额度,无需绑卡。按输入 $2/M 计算,仅这笔额度就足够对 Qwen3.8 Max 发起约 62 次 ~8K token 的请求。
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。完整能力请见「关于」部分,内容取自厂商官方发布说明。
Qwen3.8 Max 的价格是多少?
在 Synthorai 上,Qwen3.8 Max 输入 $2/百万 token、输出 $6/百万 token,即厂商牌价,无平台加价。缓存命中的输入 token 按 $0.25/M 计费。
Qwen3.8 Max 支持提示词缓存(prompt caching)吗?
支持:自动缓存默认开启,另有显式模式可获得确定性折扣。缓存命中的输入 token 按 $0.25/M 计费(未命中 $2/M);提示词需有 1,024 token 以上的稳定前缀才能命中缓存(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。一把 API key 通用网关上的全部模型。
相关模型
对比
本页每个值都转录自厂商自己的文档(链接见上),并带有核对日期。价格在全目录范围内比较;各厂商定义不同的规格值,只说明差异而不作图表对比。此处没有任何由我们测量的数据,也不做评分。