Modelo mais recente: Qwen3.8-Flash

Aprenda sobre o Qwen3.8-Flash modelo – sua arquitetura de próxima geração, recursos, especificações e como começar

Qwen3.8-Flash apresenta uma arquitetura de próxima geração (uma prévia do Qwen4) com 125B de parâmetros totais e apenas 6B ativados por token. Treinado por menos de 1/9 do custo de Qwen3.7-Plus, ele oferece desempenho inovador, superando Claude Opus 4.6 em codificação e tarefas de escritório. Suporta nativamente contexto 1M, compreensão multimodal de texto, imagens e vídeo e é excelente em codificação de agentes, automação de escritório de longo horizonte e compreensão multimodal.

ID do modelo: qwen3.8-flash

Destaques

Arquitetura de última geração — Atualizações sistemáticas ao longo de atenção, residual, incorporação e otimização: a atenção híbrida GDN + QSA "lembra" e "recupera" com eficiência, alcançando uma aceleração de 7,6x com pré-preenchimento de 1 milhão de token; Gated Residual expande o fluxo de informações em 4 ramificações paralelas; A incorporação de N-gram adiciona parâmetros de 51B com computação extra quase zero; o otimizador Muon melhora ainda mais a convergência.

Codificação Agentic — SWE-bench Pro 62.5 (ultrapassando Claude Opus 4.6 53.4), DeepSWE 1.1 em 58.7, SWE-bench Multilingual 81.0. Pode construir e iterar ferramentas de codificação de forma autônoma, concluindo projetos reais de vários dias de forma independente.

Uso de escritório e ferramentas — CoWorkBench 73.9 (automação de escritório de longo horizonte), JobBench 55.7 (tarefas profissionais), Toolathlon 73.5 (uso de ferramentas no mundo real). Abrange centenas de cenários profissionais nas áreas jurídica, financeira e de design, planejando e iterando continuamente por meio de ciclos fechados de feedback em milhares de interações.

Agente multimodal — AndroidWorld 84.5 (uso móvel), MathVision 95.7 (matemática visual), LVBench 76.6 (compreensão de vídeo longo). A compreensão visual nativa percorre todo o fluxo de planejamento-execução-verificação, compreensão entre páginas de documentos longos e detecção autônoma de problemas de interface.

Para dados completos de avaliação, consulte o blog de lançamento.

Capacidades e especificações

Para obter detalhes sobre preços, consulte o Model Marketplace.

Início rápido

import os
from openai import OpenAI

client = OpenAI(
  api_key=os.getenv("DASHSCOPE_API_KEY"),
  base_url="https://maas.qwencloudapi.com/compatible-mode/v1"
)

response = client.chat.completions.create(
  model="qwen3.8-flash",
  messages=[
    {"role": "user", "content": "Solve the longest increasing subsequence problem using dynamic programming, and analyze the time complexity."}
  ]
)
print(response.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.DASHSCOPE_API_KEY,
  baseURL: "https://maas.qwencloudapi.com/compatible-mode/v1"
});

const response = await client.chat.completions.create({
  model: "qwen3.8-flash",
  messages: [
    { role: "user", content: "Solve the longest increasing subsequence problem using dynamic programming, and analyze the time complexity." }
  ]
});
console.log(response.choices[0].message.content);

curl -X POST https://maas.qwencloudapi.com/compatible-mode/v1/chat/completions \
  -H "Authorization: Bearer $DASHSCOPE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen3.8-flash",
    "messages": [
      {"role": "user", "content": "Solve the longest increasing subsequence problem using dynamic programming, and analyze the time complexity."}
    ]
  }'

Uso

Pensando

O modo de pensamento está ativado por padrão. Usar reasoning_effort para controlar a intensidade do raciocínio:

max e high são mapeados automaticamente para xhigh. No modo de pensamento, temperature o padrão é 0,6; valores menores são ajustados automaticamente para 0,6. Para desativar totalmente o pensamento, defina enable_thinking=false — o modelo responde diretamente e não retorna mais reasoning_content.

Compreensão multimodal

Qwen3.8-Flash compreende imagens, vídeos e texto em conjunto, adequado para cenários de agentes onde informações visuais informam decisões.

• Compreensão da imagem: aprovado image_url conteúdo e o modelo analisa a imagem diretamente. Suporta análise de captura de tela, restauração de design, OCR de documentos e muito mais. Imagens de alta resolução são compactadas por padrão; usar vl_high_resolution_images e max_pixels para aumentar o orçamento do token visual e preservar mais detalhes.
• Compreensão do vídeo: passe um URL de vídeo e o modelo extrai automaticamente os frames para análise. Usar fps para controlar a taxa de quadros, equilibrando a captura de detalhes e o custo. Adequado para moderação de conteúdo, resumos de tutoriais, notas de reuniões e muito mais.

Consulte Compreensão de imagem e vídeo para obter detalhes.

Chamada e pensamento de função

Quando o pensamento é ativado durante a chamada de função, o modelo primeiro raciocina sobre quais ferramentas chamar e como usar os resultados retornados e, em seguida, gera a resposta; a resposta inclui reasoning_content antes de cada chamada de ferramenta. Na chamada de ferramenta multivoltas, passe reasoning_content novamente junto com o resto - omiti-lo reduz a precisão.

Em conversas multivoltas, o modelo não lê reasoning_content do histórico por padrão; preserve_thinking está habilitado por padrão para qwen3.8-flash, anexando o raciocínio à próxima entrada.

Veja Pensando e chamada de função para ver as regras completas.

Cache de contexto

O cache de contexto armazena em cache o prefixo comum de solicitações sobrepostas, evitando computação redundante para reduzir custos e acelerar respostas sem afetar a qualidade da resposta:

Consulte Cache de contexto para obter detalhes de uso e cobrança.

Use em ferramentas de codificação

Para usar Qwen3.8-Flash em ferramentas de codificação como Claude Code, Codex e OpenCode, recomendamos assinar o Token Plan — uma única assinatura baseada em créditos que suporta Qwen3.8-Flash e muitos outros modelos, mais econômicos do que o faturamento pré-pago.