Qwen3.8-Flash

qwen3.8-flash

获取 API 密钥API 文档

Qwen3.8-Flash 是千问最新推出的多模态大模型，兼具强大的理解与生成能力和出色的响应速度。模型原生支持百万级上下文窗口，能够一次性处理超长文档、代码仓库和复杂对话。在编程辅助、智能体协作、图文理解等场景中表现尤为出色——无论是自动修复代码、操作桌面应用，还是分析图表与长视频，都能给出准确、高质量的结果。

上下文窗口1.0M

提供商通义千问

创建时间2026/10/20

在线体验

定价

同一模型能力，多条服务通道；按延迟、稳定性与成本灵活选择。

价格单位：$ / 1M tokens

指定服务通道：在请求体加入 provider 字段，例如 "provider": { "channel": "direct" }。可选 direct / stable / economical；不传则使用默认通道。

直连通道

官方直连链路，适合需要原生体验与完整上下文的请求。

输入	输出	缓存命中	缓存写入
0.12/M	0.40/M	0.01/M	0.19/M

介绍

输入

文本 图像

输出

文本

Qwen3.8-Flash API：训练成本只有 Qwen3.7-Plus 的九分之一，编码与办公任务反超

Qwen3.8-Flash 是阿里通义千问团队于 2026 年 8 月 26 日发布的轻量多模态模型。同日开源的 Qwen3.8-Flash-Next 是它的开放权重预览版，官方称其为 Qwen4 架构的早期预览：总参数 125B、每个 token 仅激活约 6B，采用 Gated DeltaNet 线性注意力与全新 Qwen Sparse Attention（QSA）3:1 交替的混合结构。托管版 qwen3.8-flash 在此基础上补齐了生产特性——默认 100 万 token 上下文和官方内置工具。

按官方说法，它的训练成本约为 Qwen3.7-Plus 的九分之一，却在编码和办公任务上全面超过后者：SWE-bench Pro 62.5（Qwen3.7-Plus 为 55.8）、CoWorkBench 73.9（65.1）、JobBench 55.7（27.6）、Toolathlon Verified 73.5（50.6）。视觉侧，OSWorld 2.0 部分得分从 21.5 提升到 52.3，AndroidWorld 达到 84.5。相比上一代 Qwen3.6-Flash，最大输出从 65.5K 提升到 128K token，输入模态新增视频。

需要提前知道的是：思考模式默认开启，思维链最长可达 262,144 token；多轮对话默认保留历史思考内容（preserve_thinking）。思考模式下最大输入为 983,616 token，略低于非思考模式的 991,808 token。

海鲸AI 通过 OpenAI 兼容接口提供 Qwen3.8-Flash，支持文本、图像、视频输入，工具调用，结构化输出与上下文缓存。

获取 API 密钥 · 模型 ID：qwen3.8-flash

---

为什么选择 Qwen3.8-Flash

• Flash 档位打赢上一代 Plus —— SWE-bench Pro 62.5 对 Qwen3.7-Plus 的 55.8，JobBench 55.7 对 27.6
• 6B 激活参数的稀疏 MoE —— 125B 总参数、512 个专家每 token 只激活 10+1 个，推理成本按轻量模型计
• 100 万 token 上下文 + 128K 输出 —— 输出上限是 Qwen3.6-Flash（65.5K）的约 2 倍
• 原生视频输入 —— 文本、图像、视频统一输入，LVBench 76.6
• GUI 智能体能力大幅跃升 —— OSWorld 2.0 部分得分 52.3，是 Qwen3.7-Plus（21.5）的 2.4 倍
• Qwen4 架构先行版 —— QSA 稀疏注意力只让 1/4 的层保存增长的 KV，长上下文更省显存

---

核心能力

01 智能体编码

Qwen3.8-Flash 是 Qwen3.8 系列中编码分数最高的模型之一。官方在 Claude Code 框架下测得 SWE-bench Pro 62.5，高于 DeepSeek-V4-Flash 的 56.0 和 Claude Opus 4.6 的 53.4；SWE-bench Multilingual 81.0，LiveCodeBench v6 91.9。

• 仓库级缺陷修复：DeepSWE 1.1 达 58.7，Qwen3.7-Plus 仅 16.5
• 多语言工程：SWE-bench Multilingual 81.0，比 Qwen3.7-Plus 高 5.2 分
• 算法与竞赛编程：LiveCodeBench v6 91.9

02 办公与工具编排

官方发布时把"办公任务"列为与编码并列的主攻方向。面向真实办公流程的 CoWorkBench 得分 73.9，面向职业任务的 JobBench 得分 55.7，后者是 Qwen3.7-Plus 的 2 倍。

• 多工具协作：Toolathlon Verified Pass@1 73.5
• 指令遵循：IFBench 81.3，高于 Claude Opus 4.6 的 62.5
• 支持 Function Calling、结构化输出、前缀续写，北京与新加坡地域支持联网搜索

03 屏幕理解与 GUI 操作

在 Qwen3.7-Plus 的视觉智能体基础上，Flash 把 GUI 操作能力又推高了一截。OSWorld 2.0 二元/部分得分为 19.4 / 52.3，Qwen3.7-Plus 只有 2.8 / 21.5；AndroidWorld 84.5，ClawEval-MM Pass@3 64.4。

• 桌面与移动端界面自动化
• 设计稿转网页：Vision2Web 64.0（Qwen3.7-Plus 为 42.1）
• 真实场景理解：RealWorldQA 88.5，ERQA 72.3

04 长上下文与视频理解

托管版默认 100 万 token 上下文，可以一次装下大型代码仓库或长视频的抽帧。QSA 把序列分成微块、只对最相关的 2,048 个 token 位置做注意力，48 层中只有 12 层需要保存随长度增长的 KV，其余 36 层是固定大小的状态。

• 长视频理解：LVBench 76.6
• 图表推理：CharXiv RQ（使用代码解释器）90.6，MathVision（使用代码解释器）95.7
• 支持上下文缓存，长前缀重复调用更省

---

最佳使用场景

场景	说明
编码智能体	低成本跑 Claude Code / Cline 类的仓库级修改任务
办公自动化	文档、表格、邮件等多工具串联的工作流
GUI 自动化	读屏幕、规划点击路径，桌面与安卓均可
视频与图像分析	长视频摘要、图表解读、现场图像判断
长文档 / 大仓库问答	100 万 token 上下文一次装下全部材料
高并发生产流量	6B 激活参数，适合需要大量调用的批处理与在线服务

---

Qwen3.8-Flash 与 Qwen3.6-Flash、Qwen3.7-Plus 的差异

能力	Qwen3.8-Flash	Qwen3.6-Flash	Qwen3.7-Plus
模型 ID	qwen3.8-flash	qwen3.6-flash	qwen3.7-plus
发布时间	2026 年 8 月 26 日	—	—
架构	稀疏 MoE（125B 总 / 6B 激活）+ QSA	线性注意力 + 稀疏 MoE	稠密
上下文窗口	100 万 token	100 万 token	100 万 token
最大输出	128K token	65.5K token	128K token
输入模态	文本、图像、视频	文本、图像	文本、图像
SWE-bench Pro	62.5	—	55.8
CoWorkBench	73.9	—	65.1
OSWorld 2.0（部分得分）	52.3	—	21.5
GPQA Diamond	91.7	—	90.3
定位	轻量档位，编码与办公主力	速度优先的轻量模型	高性价比多模态智能体

基准数据来自 Qwen 官方模型卡（Qwen3.8-Flash-Next 开放权重版），为厂商自测成绩，托管版与开放权重版并非完全相同的产品。具体计费以页面上方的实时价格卡片为准。

---

常见问题

Qwen3.8-Flash 什么时候发布的？ 2026 年 8 月 26 日。当天阿里同步开源了 Qwen3.8-Flash-Next（Hugging Face、ModelScope，qwen-community-1.0 许可），托管版 qwen3.8-flash 随后在阿里云百炼与 Qwen Cloud 上线。

相比 Qwen3.6-Flash 和 Qwen3.7-Plus 升级了什么？ 架构换成了 Qwen4 预览架构（Gated DeltaNet + QSA 稀疏注意力 + 稀疏 MoE），最大输出从 65.5K 提升到 128K token，新增视频输入。能力上，它在 SWE-bench Pro、CoWorkBench、JobBench、OSWorld 2.0 等大多数官方基准上超过了更高档位的 Qwen3.7-Plus，而官方称训练成本只有后者的九分之一。

上下文和输出上限是多少？ 上下文 100 万 token；最大输出 128K token（131,072），思考和非思考模式相同。思考模式另有最长 262,144 token 的思维链，此时最大输入为 983,616 token。

思考模式怎么设置？ 默认开启。通过 enable_thinking 开关思考，preserve_thinking 控制多轮对话是否保留之前的思考内容（默认保留）。开放权重版模型卡还提供 reasoning_effort（xhigh 默认，可选 medium、low），但官方提醒：在多轮智能体任务中，调低推理强度并不一定缩短整体完成时间。

支持哪些工具和特性？ 支持 Function Calling、结构化输出、上下文缓存、前缀续写；联网搜索仅在北京与新加坡地域可用。输入支持文本、图像、视频，输出为文本。

该选 Qwen3.8-Flash 还是 Qwen3.7-Plus？ 按官方基准，Qwen3.8-Flash 在编码、办公、GUI 操作上整体领先，且属于更便宜的 Flash 档位，新项目优先考虑它。少数单项上 Qwen3.7-Plus 仍略占优，例如不使用代码解释器时的 CharXiv RQ（85.8 对 84.6）。

有落后的地方吗？ 有。HLE 35.9，低于 Claude Opus 4.6 的 40.0；仓库从零生成的 NL2Repo-Bench 48.1，低于 DeepSeek-V4-Flash 的 54.2。另外，公开的基准几乎都是 Qwen 自测，暂缺独立第三方评测；它的架构是 Qwen4 的预览版，后续版本可能调整。

---

为什么选择海鲸AI 使用 Qwen3.8-Flash API

• 免开通阿里云账号 —— 一个密钥直接调用，无需自建 125B 参数的推理集群
• OpenAI 兼容接口 —— 现有代码改模型名即可接入，视频、图像输入格式与 OpenAI 一致
• 同系列按需切换 —— 与 Qwen3.7-Max、Qwen3.7-Plus 共用密钥，按任务难度路由
• 人民币结算 —— 国产模型按人民币计价

API

API 接入信息

Model ID在推理接口中指定模型

qwen3.8-flash

API Key推理接口的 Bearer Token（鉴权令牌）

前往 API Key 管理

Base URL兼容 OpenAI 协议 · /chat/completions

https://api.haijingai.com/v2/

provider 可选指定服务通道，不传则由系统选择默认通道

"provider": { "channel": "direct" }

qwen3.8-flash 接入示例

海鲸AI 兼容 OpenAI 接口协议，可直接使用 OpenAI SDK 或 HTTP 请求接入，默认开启流式输出。

cURL

curl https://api.haijingai.com/v2/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer <API_KEY>" \
  -d '{
    "model": "qwen3.8-flash",
    "messages": [
      {"role": "system", "content": "你是一个有帮助的助手。"},
      {"role": "user", "content": "你好！"}
    ],
    "provider": { "channel": "direct" },
    "stream": true
  }'
# provider 为可选字段，删除该行即使用默认通道

Python

from openai import OpenAI

client = OpenAI(
    base_url="https://api.haijingai.com/v2",
    api_key="<API_KEY>",
)

stream = client.chat.completions.create(
    model="qwen3.8-flash",
    messages=[
        {"role": "system", "content": "你是一个有帮助的助手。"},
        {"role": "user", "content": "你好！"},
    ],
    stream=True,
    # 可选：指定服务通道，不传则使用默认通道
    extra_body={"provider": {"channel": "direct"}},
)

for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

Node.js

import OpenAI from 'openai'

const client = new OpenAI({
  baseURL: 'https://api.haijingai.com/v2',
  apiKey: '<API_KEY>',
})

const stream = await client.chat.completions.create({
  model: 'qwen3.8-flash',
  messages: [
    { role: 'system', content: '你是一个有帮助的助手。' },
    { role: 'user', content: '你好！' },
  ],
  stream: true,
  // 可选：指定服务通道，不传则使用默认通道
  // @ts-expect-error provider 为海鲸AI 扩展字段，不在 OpenAI SDK 类型定义内
  provider: { channel: 'direct' },
})

for await (const chunk of stream) {
  process.stdout.write(chunk.choices[0]?.delta?.content ?? '')
}