Qwen3.8 Flash Next API
ID модели в запросах:ru-3/qwen3.8-flash-next
Qwen3.8 Flash Next от Qwen через один OpenAI-совместимый API Nodul Router: ключ с лимитами, журнал запросов, оплата в рублях.
- Контекст
- 262 144
- Макс. ответ
- 131 072
Цены за 1 млн токенов, ₽Цены за 1 млн токенов, PnP
| Регион | Попробовать | Вход | Выход | Чтение кэша | ID модели в запросах |
|---|---|---|---|---|---|
| Россия · ru-3 | Попробовать | 22,94 ₽0,23 PnP | 67,43 ₽0,68 PnP | 2,30 ₽0,03 PnP | ru-3/qwen3.8-flash-next |
Цены розничные, без НДС (5 %). Для компаний — персональные цены по договору: чем больше объем, тем ниже цена.Узнать свою цену
Цены со скидкой по ссылке партнера, без НДС (5 %). Зарегистрироваться
Цены со скидкой вашей компании, без НДС (5 %).Ваши условия
Быстрый старт
curl https://router.nodul.ru/api/v1/chat/completions \ -H "Authorization: Bearer $NODUL_ROUTER_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "ru-3/qwen3.8-flash-next", "messages": [{"role":"user","content":"Hello!"}] }'
import os from openai import OpenAI client = OpenAI( base_url="https://router.nodul.ru/api/v1", api_key=os.environ["NODUL_ROUTER_API_KEY"], ) response = client.chat.completions.create( model="ru-3/qwen3.8-flash-next", messages=[{"role": "user", "content": "Hello!"}], ) print(response.choices[0].message.content) print("cost, PnP:", response.usage.model_extra.get("cost"))
import OpenAI from "openai"; const client = new OpenAI({ baseURL: "https://router.nodul.ru/api/v1", apiKey: process.env.NODUL_ROUTER_API_KEY, }); const response = await client.chat.completions.create({ model: "ru-3/qwen3.8-flash-next", messages: [{ role: "user", content: "Hello!" }], }); console.log(response.choices[0].message.content); console.log("cost, PnP:", response.usage?.cost);
package main import ( "bytes" "encoding/json" "fmt" "net/http" "os" ) func main() { body := []byte(`{"model":"ru-3/qwen3.8-flash-next","messages":[{"role":"user","content":"Hello!"}]}`) req, _ := http.NewRequest("POST", "https://router.nodul.ru/api/v1/chat/completions", bytes.NewReader(body)) req.Header.Set("Authorization", "Bearer "+os.Getenv("NODUL_ROUTER_API_KEY")) req.Header.Set("Content-Type", "application/json") resp, err := http.DefaultClient.Do(req) if err != nil { panic(err) } defer resp.Body.Close() if resp.StatusCode != http.StatusOK { var e struct{ Error struct{ Message string } } _ = json.NewDecoder(resp.Body).Decode(&e) fmt.Fprintln(os.Stderr, resp.Status, e.Error.Message) os.Exit(1) } var out struct { Choices []struct{ Message struct{ Content string } } Usage struct{ Cost json.Number } } if err := json.NewDecoder(resp.Body).Decode(&out); err != nil { panic(err) } fmt.Println(out.Choices[0].Message.Content) fmt.Println("cost, PnP:", out.Usage.Cost) }
<?php $body = '{"model":"ru-3/qwen3.8-flash-next","messages":[{"role":"user","content":"Hello!"}]}'; $ch = curl_init('https://router.nodul.ru/api/v1/chat/completions'); curl_setopt_array($ch, [ CURLOPT_POST => true, CURLOPT_HTTPHEADER => [ 'Authorization: Bearer ' . getenv('NODUL_ROUTER_API_KEY'), 'Content-Type: application/json', ], CURLOPT_POSTFIELDS => $body, CURLOPT_RETURNTRANSFER => true, ]); $response = json_decode(curl_exec($ch), true); if (curl_getinfo($ch, CURLINFO_HTTP_CODE) !== 200) { fwrite(STDERR, $response['error']['message'] ?? 'request failed'); exit(1); } echo $response['choices'][0]['message']['content'], PHP_EOL; echo 'cost, PnP: ', $response['usage']['cost'], PHP_EOL;
Описание
Qwen3.8 Flash Next от Alibaba (команда Qwen) — открытая мультимодальная модель с рассуждением, ранний образец архитектуры будущего Qwen4. Из 125 млрд параметров на токен работают около 6 млрд. Здесь принимает текст и изображения, доступна в регионе Россия.
Для чего подходит Qwen3.8 Flash Next
Модель ориентирована на агентную разработку, работу с инструментами и офисные задачи: правки в репозитории, длинные цепочки действий, разбор документов и скриншотов. Через Router она принимает текст и изображения, вызывает инструменты, отдает структурированный вывод и рассуждает.
Это вариант для тех, кому нужна модель региона Россия с сильными, по данным разработчика, результатами в агентных задачах и коде.
Модель удобна и как рабочая лошадка для повседневных сценариев: ассистент в IDE, автоматизация офисных процессов, разбор диаграмм и скриншотов интерфейса. Разработчик отдельно выделяет управление мобильным приложением и компьютером.
Не стоит брать ее, если на вход нужно подавать видео или звук: в нашем каталоге в этом варианте их нет. Для самых сложных задач, где важен максимум качества, у семейства есть старшие модели Max.
Сильные стороны
- Агентный код и инструменты. По данным разработчика, на SWE-bench Pro, DeepSWE 1.1 и Toolathlon Verified она опережает в его таблице предыдущую модель Qwen3.7 Plus, DeepSeek-V4-Flash-0731 и плотную Qwen3.8 27B; на SWE-bench Multilingual у нее 81.0 против 73.8 у Qwen3.8 27B и 75.8 у Qwen3.7 Plus (для DeepSeek в этом тесте нет данных).
- Эффективная архитектура. Разработчик объясняет скорость на длинном контексте гибридом Gated DeltaNet и разреженного внимания Qwen Sparse Attention: оно выбирает важные блоки контекста вместо полного перебора.
- Стоимость обучения и скорость. Разработчик пишет, что обучение потребовало примерно в девять раз меньше ресурсов, чем у предыдущей модели, а при большой доле повторно используемого кэша префикса на контексте в 1 млн токенов скорость обработки запроса (prefill) в 8.6 раза выше, чем у Qwen3.7 Plus. Это замеры разработчика на его стенде, а не на нашем маршруте.
- Следование инструкциям. По данным разработчика, на IFBench у нее 81.3 против 79.5 у Qwen3.8 27B и 62.5 у Claude Opus 4.6.
- Рассуждения. По умолчанию модель думает перед ответом. Разработчик поддерживает три уровня усилия: low, medium, xhigh.
- Работа с изображениями. По данным разработчика, на RealWorldQA у нее 88.5 и на LVBench (длинное видео) 76.6, но видео через Router в этом варианте недоступно.
- Открытые веса. Веса опубликованы на Hugging Face, их можно запускать и дообучать самостоятельно.
Ограничения и спорные моменты
- Это предварительная версия архитектуры. Разработчик называет ее ранним превью Qwen4. Производственный вариант Qwen3.8 Flash, по словам разработчика, добавляет расширенный контекст по умолчанию и встроенные инструменты.
- Почти все цифры от самого разработчика. Независимых замеров именно этой модели мы не нашли, часть тестов внутренние (CoWorkBench, RecreationBench).
- Не лидер везде. В таблице разработчика на NL2Repo-Bench впереди DeepSeek-V4-Flash-0731, а на HLE впереди Claude Opus 4.6.
- Экзаменационные вопросы. На HLE по таблице разработчика у нее 35.9 против 40.0 у Claude Opus 4.6 в максимальном режиме, поэтому для сложных междисциплинарных вопросов сравните ее с флагманами.
- Самостоятельный запуск тяжелый. Карточка на Hugging Face указывает 125 млрд параметров плюс 51 млрд таблицы эмбеддингов, а разработчик рекомендует специализированные серверы вроде vLLM или SGLang.
Бенчмарки
Все числа ниже опубликованы разработчиком для открытой Qwen3.8-Flash-Next; условия запусков (оболочки, температура, контекст) он описывает в сносках к таблице.
| Тест | Результат | Источник | Дата |
|---|---|---|---|
| SWE-bench Pro (агентное программирование), по данным разработчика | 62.5 против 56.0 у DeepSeek-V4-Flash-0731 и 55.8 у Qwen3.7 Plus | блог Qwen | авг. 2026 |
| DeepSWE 1.1, по данным разработчика | 58.7 против 54.4 у DeepSeek-V4-Flash-0731 | блог Qwen | авг. 2026 |
| SWE-bench Multilingual, по данным разработчика | 81.0 | блог Qwen | авг. 2026 |
| Toolathlon Verified (использование инструментов), по данным разработчика | 73.5 против 70.3 у DeepSeek-V4-Flash-0731 | блог Qwen | авг. 2026 |
| IFBench (следование инструкциям), по данным разработчика | 81.3 против 79.5 у Qwen3.8 27B и 62.5 у Claude Opus 4.6 | Hugging Face | авг. 2026 |
| GPQA Diamond, по данным разработчика | 91.7 | Hugging Face | авг. 2026 |
| LiveCodeBench v6, по данным разработчика | 91.9 | блог Qwen | авг. 2026 |
| AndroidWorld (управление телефоном), по данным разработчика | 84.5 | блог Qwen | авг. 2026 |
Чем Qwen3.8 Flash Next отличается от соседей
Qwen3.8 — поколение моделей Alibaba, а семейство Flash — его быстрая линейка. Разбор общих сильных сторон Flash смотрите на странице Qwen3.8 Flash.
- От Qwen3.8 Flash. Flash Next — открытая версия, на основе которой сделан Flash. Здесь нет видео, а сама модель доступна в регионе Россия. Берите Flash Next, если важен регион Россия, и Flash, если нужны видео и более длинный контекст.
- От Qwen3.8 27B. Это плотная модель на 27 млрд параметров. По данным разработчика, Flash Next опережает ее на большинстве агентных тестов, а на SWE-bench Pro разрыв небольшой (62.5 против 61.7).
Альтернативы в каталоге
- Qwen3.8 Flash: та же линейка с видео и более длинным контекстом по умолчанию, если регион Россия не обязателен.
- Qwen3.8 27B: плотная модель региона Россия, если нужна более предсказуемая и простая архитектура.
- DeepSeek V4.1 Flash: быстрая модель региона Россия с текстом и изображениями.
- GLM 5.3 Flash: еще один быстрый вариант региона Россия для агентных сценариев.
Частые вопросы
Чем Flash Next отличается от обычной Qwen3.8 Flash?
Flash Next — открытая версия архитектуры, Qwen3.8 Flash — ее производственный вариант с расширенным контекстом по умолчанию и встроенными инструментами, как пишет разработчик. Результаты в анонсе подписаны именем Flash Next.
Принимает ли она изображения, видео и звук?
Через Router в этом варианте принимаются текст и изображения. Видео и звук не поддерживаются.
Умеет ли она вызывать инструменты и рассуждать?
Да. В каталоге у нее есть вызов инструментов, структурированный вывод и рассуждения.
Можно ли запустить ее у себя?
Да, веса открыты на Hugging Face. Но модель большая, и разработчик советует серверы vLLM, SGLang или TokenSpeed.
Как управлять рассуждением?
По карточке модели, она по умолчанию думает перед ответом, а уровень усилия задается параметром reasoning_effort (low, medium, xhigh). Разработчик предупреждает: в многошаговых агентных задачах низкий уровень не всегда сокращает общее время, потому что из-за недостаточного анализа растет число повторов.
Источники
Все параметры API · 15
frequency_penaltymax_tokensnpresence_penaltyreasoningreasoning_effortresponse_formatseedstopstreamstructured_outputstemperaturetool_choicetoolstop_p

