Alibaba
Qwen3.8 Flash Nextオープン
Alibaba Qwen3.8 Flash Next experimental high-throughput multimodal preview model.
知能指数
66.8 #221
AAQI 61.5
出力速度
168 t/s
TTFT 210 ms · ITL 6.0 ms/tok
ブレンド価格 (3:1)
$0.19 /1M
入力 $0.12/M · 出力 $0.4/M
コンテキスト
260K
約 650 枚のA4ページ · 最大出力 8,192
Quality Domain Radar
6-Axis Frontier Evaluation vs Category Average & Flagship
Qwen3.8 Flash Next
Claude Mythos Preview (#1)
Average (68)
直接のベンチマーク測定がない場合、レーダー軸はカテゴリスコアから近似されます — 評価方法 を参照。
強みとトレードオフ
強み
- 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
キラーユースケース
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.
開発者向けクイックスタートとAPI
まず
DASHSCOPE_API_KEY を設定 — APIキーを取得curl 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);公式リソースとリンク
API デプロイ
ホストとレイテンシを比較
Groq、Cerebras、Together、DeepInfra、Fireworks、Bedrock、Azure 全体のスループット、TTFT、キャッシュ料金。
GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI
ソース別スコア
カテゴリー別スコア
ベンチマーク結果
ライブスペックとアーキテクチャ
内部構造
- Prompt caching supported — cached input reads at $0.02/1M tokens.
- Native multimodality: text, image, video in a single model.
リリース日
2026年8月18日
パラメータ数
Not disclosed
ライセンス
Open Weights
コンテキストウィンドウ
260,000 tokens
最大出力
8,192 tokens
モダリティ
text + image + video
キャッシュ料金
読み取り $0.02 · 書き込み $0.16 /1M
推論
—
入力価格
$0.12/M
出力価格
$0.4/M
出力速度
168 t/s
最初のトークンまでの時間
210 ms
データ更新日
2026年8月28日
月額請求の見積もり
月額見積もり
$0.00
GPT-4o との節約額を計算中…
引用と埋め込み
GitHub Markdown バッジ
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}
}スコアバッジを埋め込む
GitHub または Hugging Face の README にライブ Podium スコアバッジを追加 — ライブランキングにリンクします。
プレビュー
Markdown
Loading badge snippet...HTML
Loading badge snippet...Alibaba のその他のモデル
代替モデル
機能、価格、ベンチマークスコアに基づく Qwen3.8 Flash Next の最適な代替モデル。