Alibaba
Qwen3.8 Flash
Qwen3.8 Flash — новая быстрая мультимодальная модель от Alibaba. Контекстное окно составляет миллион токенов.
- Вход
- 14,26 ₽
- Выход
- 48,11 ₽
- Кэш
- 1,78 ₽
- Доступность
- 100%
alibaba/qwen3.8-flashДанные каталога получены .
Цена
- Текстовый диалог · вход
- 14,26 ₽ / 1 млн токенов
- Текстовый диалог · выход
- 48,11 ₽ / 1 млн токенов
- Текстовый диалог · вход из кэша
- 1,78 ₽ / 1 млн токенов
Цена указана в рублях для выбранной операции и её параметров.
Перед оплачиваемым запросом создаётся резерв. Итоговый расход привязан к сохранённым параметрам и тарифу запроса. При неизвестном результате резерв удерживается до проверки; такой запрос не следует повторять с новым идентификатором.
О модели
Qwen3.8 Flash — новая быстрая мультимодальная модель от Alibaba. Контекстное окно составляет миллион токенов. Поддерживает сценарии программирования, агентные рабочие процессы, визуальное понимание, работу с длинными документами, кодовыми базами и видео.
- Релиз
Характеристики
- 7 октября: 100%100%7 октября
- 8 октября: 100%100%8 октября
- 9 октября: 99,9%99,9%9 октября
- Тип модели
- Текст
- Вход модели
- Текст, Изображения, Видео
Данные, которые модель принимает вместе с запросом.
- Выход модели
- Текст
Форматы результата, которые создаёт модель.
- Контекстное окно
- 991 808 токенов
Контекстное окно по данным каталога. Лимит ответа и допустимый объём запроса проверяйте отдельно.
- Максимальный ответ
- 131 072 токенов
Максимальный размер ответа по данным каталога. Фактический предел запроса зависит от подключённой операции.
- Операции
- Текстовый диалог, Понимание изображений
- Возможности модели
- Потоковый ответ, Понимание изображений, Рассуждения, Вызов инструментов, Вызов функций, Структурированный ответ, Ответ в JSON, Входные изображения, Входное видео
Контрольные показатели
Artificial Analysis
24 показателей
Агентная работа
- AA-Briefcase1 597 Elo
Агентная работа со знаниями
Проверено
- AA-Briefcase1 583 Elo
Агентная работа со знаниями (Elo)
Проверено
- AutomationBench-AA55,9 %
Автоматизация рабочего процесса со штрафами за нарушение ограничений
Проверено
- AutomationBench-AA55,9 %
Автоматизация рабочих процессов со штрафом за нарушение ограничений
Проверено
- GDPval-AA v21 632 Elo
Экономически значимые задачи (Elo)
Проверено
- GDPval-AA v21 612 Elo
Экономически значимые рабочие задачи
Проверено
Работа с документами
- AA-LCR v1.179,7 %
Рассуждение в длинном контексте, обновлённая проверка
Проверено
- GDP.pdf15,6 %
Профессиональные PDF-документы: доля полностью верных ответов
Проверено
Рассуждение по документу
- AA-LCR v1.179,7 %
Рассуждение на длинном контексте с обновлённой оценкой
Проверено
- GDP.pdf15,6 %
Профессиональное рассуждение по PDF: доля прохождения всех проверок
Проверено
Архивные методики
- AA-LCR (версия не указана, архивный)79,7 %
Рассуждение в длинном контексте
Проверено
- GPQA Diamond (архивный)92,3 %
Научные вопросы уровня аспирантуры
Проверено
Устаревшие тесты
- AA-LCR (версия не указана, архивный)79,7 %
Оценка рассуждений на длинном контексте
Проверено
- GPQA Diamond (архивный)92,3 %
Научные рассуждения уровня выпускника
Проверено
Другие показатели
- Индекс программирования73,1 индекс
Сводная оценка Artificial Analysis по программированию
Проверено
- Индекс программирования73,1 индекс
Сводная оценка Artificial Analysis по программированию
Проверено
- Индекс интеллекта39,8 индекс
Сводная оценка Artificial Analysis по всем её тестам
Проверено
- Индекс интеллекта39,8 индекс
Сводная оценка Artificial Analysis по всем её тестам
Проверено
Рассуждения
- HLE38 %
Humanity’s Last Exam — вопросы экспертного уровня
Проверено
- HLE38 %
Humanity’s Last Exam — вопросы экспертного уровня
Проверено
Программирование
- SciCode50,6 %
Программирование на Python для научных расчётов
Проверено
- SciCode50,6 %
Программирование на Python для научных вычислений
Проверено
- Terminal-Bench v4.025,3 %
Практические задачи по программированию и работе в терминале
Проверено
- Terminal-Bench v4.025,3 %
Практические задачи программирования и работы в терминале
Проверено
Оценки относятся к этой версии модели и методике источника. Качество и скорость конкретного запроса они не гарантируют.
API-запрос
Операция доступна через API. Ключ храните в переменной окружения на своём сервере. REQUEST_ID: уникальный идентификатор запроса. При повторе сохраняйте его и тело запроса.
import json
import os
from urllib.request import Request, HTTPRedirectHandler, build_opener
class NoRedirect(HTTPRedirectHandler):
def redirect_request(self, req, fp, code, msg, headers, newurl):
return None
opener = build_opener(NoRedirect)
def post(url, payload):
request = Request(url, data=json.dumps(payload).encode("utf-8"), headers={
"Authorization": "Bearer " + os.environ["KVANTORA_API_KEY"],
"Content-Type": "application/json",
"Idempotency-Key": os.environ["REQUEST_ID"],
}, method="POST")
with opener.open(request, timeout=120) as response:
return json.load(response)
payload = {
"model": "alibaba/qwen3.8-flash",
"messages": [
{
"role": "user",
"content": "Объясни задачу кратко."
}
]
}
print(post("https://api.kvantora.ai/v1/chat/completions", payload))
