Alibaba
Qwen3.8 Flash Nextاوپن
Alibaba Qwen3.8 Flash Next experimental high-throughput multimodal preview model.
ذہانت
66.8 #221
AAQI 61.5
آؤٹ پٹ رفتار
168 t/s
TTFT 210 ms · ITL 6.0 ms/tok
مخلوط قیمت (3:1)
$0.19 /1M
ان پٹ $0.12/M · آؤٹ پٹ $0.4/M
سیاق
260K
≈ 650 A4 صفحات · زیادہ سے زیادہ آؤٹ پٹ 8,192
Quality Domain Radar
6-Axis Frontier Evaluation vs Category Average & Flagship
Qwen3.8 Flash Next
Claude Mythos Preview (#1)
Average (68)
جہاں براہ راست بینچ مارک پیمائش موجود نہیں، ریڈار محور زمرہ سکورز سے تخمینی ہیں — طریقہ کار دیکھیں۔
طاقتیں اور سمجھوتے
جہاں یہ آگے ہے
- 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
کلر استعمال کے کیسز
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.
ڈویلپر کوک اسٹارٹ اور API
پہلے
DASHSCOPE_API_KEY سیٹ کریں — API کی حاصل کریںcurl 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);سرکاری وسائل اور لنکس
API تعیناتی
ہوسٹس اور لیٹنسی کا موازنہ
Groq، Cerebras، Together، DeepInfra، Fireworks، Bedrock اور Azure پر تھروپٹ، TTFT اور کیش قیمتیں۔
GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI
ذریعے کے لحاظ سے اسکور
زمرے کے لحاظ سے اسکور
بینچ مارک نتائج
لائیو وضاحتیں اور آرکیٹیکچر
اندرونی ڈھانچہ
- Prompt caching supported — cached input reads at $0.02/1M tokens.
- Native multimodality: text, image, video in a single model.
اجرا کی تاریخ
18 اگست، 2026
پیرامیٹرز
Not disclosed
لائسنس
Open Weights
سیاق ونڈو
260,000 tokens
زیادہ سے زیادہ آؤٹ پٹ
8,192 tokens
موڈیلٹیز
text + image + video
کیش قیمتیں
ریڈ $0.02 · رائٹ $0.16 /1M
استدلال
—
ان پٹ قیمت
$0.12/M
آؤٹ پٹ قیمت
$0.4/M
آؤٹ پٹ رفتار
168 t/s
پہلے ٹوکن تک کا وقت
210 ms
ڈیٹا اپڈیٹ
28 اگست، 2026
اندازاً ماہانہ بل
اندازاً ماہانہ اخراجات
$0.00
GPT-4o کے مقابلے میں بچت کا حساب…
حوالہ اور ایمبیڈ
GitHub Markdown بیج
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}
}اسکور بیج شامل کریں
اپنے GitHub یا Hugging Face README میں لائیو Podium اسکور بیج لگائیں — یہ لائیو درجہ بندی پر لے جاتا ہے۔
پیش منظر
Markdown
Loading badge snippet...HTML
Loading badge snippet...Alibaba کے مزید ماڈلز
متبادل ماڈلز
صلاحیت، قیمت اور بینچ مارک اسکورز کی بنیاد پر Qwen3.8 Flash Next کے قریب ترین متبادل۔