Alibaba
Qwen3.8 Flash Nextمفتوح
Alibaba Qwen3.8 Flash Next experimental high-throughput multimodal preview model.
الذكاء
66.8 #221
AAQI 61.5
سرعة الإخراج
168 t/s
TTFT 210 ms · ITL 6.0 ms/tok
السعر الممزوج (3:1)
$0.19 /1M
إدخال $0.12/M · إخراج $0.4/M
السياق
260K
≈ 650 صفحة A4 · أقصى إخراج 8,192
Quality Domain Radar
6-Axis Frontier Evaluation vs Category Average & Flagship
Qwen3.8 Flash Next
Claude Mythos Preview (#1)
Average (68)
محاور الرادار تقريبية من درجات الفئات عند غياب قياسات مباشرة — راجع المنهجية.
نقاط القوة والمقايضات
أين يتفوق
- Open weights — self-host, fine-tune and audit with no vendor lock-in
- 168 tok/s output — fast enough for real-time agents
- Sub-400ms time-to-first-token
- Very low blended price — $0.19/1M mixed tokens
حالات استخدام قاتلة
Real-time agents
Low-latency loops for voice, gaming and interactive copilots.
High-volume batch jobs
Classification, extraction and summarization at minimal cost per call.
Vision & document OCR
Extracts structure from scans, charts, screenshots and mixed-media inputs.
بداية سريعة للمطورين و API
عيّن
DASHSCOPE_API_KEY أولاً — احصل على مفتاح APIcurl https://dashscope-intl.aliyuncs.com/compatible-mode/v1/chat/completions \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "content-type: application/json" \
-d '{
"model": "qwen3-8-flash-next",
"messages": [{"role": "user", "content": "Refactor this function for O(n) time and explain the change."}]
}'import os
from openai import OpenAI
client = OpenAI(
base_url="https://dashscope-intl.aliyuncs.com/compatible-mode/v1",
api_key=os.environ["DASHSCOPE_API_KEY"],
)
resp = client.chat.completions.create(
model="qwen3-8-flash-next",
messages=[{"role": "user", "content": "Refactor this function for O(n) time and explain the change."}],
)
print(resp.choices[0].message.content)const res = await fetch("https://dashscope-intl.aliyuncs.com/compatible-mode/v1/chat/completions", {
method: "POST",
headers: {
Authorization: `Bearer ${process.env.DASHSCOPE_API_KEY}`,
"content-type": "application/json",
},
body: JSON.stringify({
model: "qwen3-8-flash-next",
messages: [{ role: "user", content: "Refactor this function for O(n) time and explain the change." }],
}),
});
console.log((await res.json()).choices[0].message.content);الموارد والروابط الرسمية
نشر API
مقارنة المضيفين ووقت الاستجابة
الإنتاجية وTTFT وتسعير ذاكرة التخزين المؤقت عبر Groq وCerebras وTogether وDeepInfra وFireworks وBedrock وAzure.
GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI
الدرجات حسب المصدر
الدرجات حسب الفئة
نتائج الاختبارات
المواصفات الحية والبنية
تحت الغطاء
- Prompt caching supported — cached input reads at $0.02/1M tokens.
- Native multimodality: text, image, video in a single model.
تاريخ الإصدار
18 أغسطس 2026
المعلمات
Not disclosed
الترخيص
Open Weights
نافذة السياق
260,000 tokens
أقصى إخراج
8,192 tokens
الوسائط
text + image + video
أسعار التخزين المؤقت
قراءة $0.02 · كتابة $0.16 /1M
الاستدلال
—
سعر الإدخال
$0.12/M
سعر الإخراج
$0.4/M
سرعة الإخراج
168 t/s
الزمن حتى أول رمز
210 ms
آخر تحديث
28 أغسطس 2026
الفاتورة الشهرية المقدرة
الإنفاق الشهري المقدر
$0.00
جارٍ حساب التوفير مقابل GPT-4o…
اقتباس وتضمين
شارة Markdown لـ GitHub
Loading badge markdown...BibTeX
@misc{llmpodium2026qwen38flashnext,
title = {Benchmark Analysis and Intelligence Evaluation of Qwen3.8 Flash Next},
author = {LLMPodium Research},
year = {2026},
url = {https://llmpodium.com/models/qwen3-8-flash-next}
}تضمين شارة النتيجة
أضف شارة Podium Score المباشرة إلى ملف README على GitHub أو Hugging Face — ترتبط بالترتيب المباشر.
معاينة
Markdown
Loading badge snippet...HTML
Loading badge snippet...المزيد من Alibaba
النماذج البديلة
أقرب البدائل لـ Qwen3.8 Flash Next استناداً إلى القدرات والأسعار ونتائج الاختبارات.