मुख्य सामग्री पर जाएँ
  • 1M context
  • Responses API

Qwen3.8 Flash Next QuickSilver Pro पर

qwen3.8-flash-next
Alibaba / Qwenलाइव उपलब्धता—

Qwen3.8 Flash Next Qwen4 architecture का Alibaba का open-weight preview है — एक 6B-active mixture-of-experts मॉडल, family की पूरी 1M-token context window और 131K अधिकतम output के साथ। QuickSilver Pro पर यह $0.12 input / $0.376 output प्रति million tokens है, Alibaba की अपनी list price से ~20% कम, जो है $0.15 / $0.47।

  • 1M context
  • अधिकतम 131K output
  • Tools
  • Streaming
  • JSON Schema output नहीं

आप चुकाते हैं · input / output प्रति 1M

$0.12 / $0.376

20% कम

input और output दोनों पर, Alibaba की तुलना में

Pricing तुलना ($/1M tokens)

बार की लंबाई = दिखाई गई सबसे ऊँची क़ीमत के मुक़ाबले क़ीमत

ProviderInputOutputQSP की तुलना में
QuickSilver Pro$0.12$0.376सबसे कम कीमत
Alibaba(qwen/qwen3.8-flash)$0.15$0.4720% कम
OpenAI (GPT-4o mini)$0.15$0.6037% कम

एक नज़र में

Context
1M tokens
Input / 1M
$0.12
Output / 1M
$0.376
Default में सोचता है
नहीं
अधिकतम output
131K
Latency · लाइव
—

Repo-scale context पर next-generation Qwen चलाने का सबसे सस्ता तरीका — 1M-token window वाला 6B-active MoE।

Qwen3.8 Flash Next कब सही चुनाव है?

catalog की क्षमताओं और प्रकाशित क़ीमतों से तैयार, benchmark से नहीं।

कब इस्तेमाल करें

Qwen3.8 Flash Next उन high-volume agent और coding workloads के लिए चुनें जहाँ प्रति call लागत और working set का आकार सबसे अहम हैं: long-context refactors, document pipelines, और cache-heavy agents जो एक ही context को बार-बार पढ़ते हैं। इसकी 6B-active routing latency और कीमत कम रखती है, जबकि Qwen4-preview stack agentic कामों को लक्षित करता है, और पूरी 1M-token window उसी route पर serve होती है जो इसे वाकई लागू करता है।

  • लंबे दस्तावेज़ और codebases, 1M tokens तक के context के साथ
  • Tools call करने वाले agents
  • Chat Completions के साथ Responses API clients भी

कब कोई और model चुनें

सबसे कठिन single-shot reasoning के लिए Qwen3.8 Max या GLM 5.3 पर जाएँ। Preview-lineage release होने के कारण upstream revisions के साथ इसका व्यवहार बदल सकता है — अगर आपको frozen target चाहिए तो अपने evals pin करें। Output का बिल $0.376 प्रति million पर बनता है, इसलिए output-heavy generation के लिए फ़ैसला करने से पहले DeepSeek V4 Flash और Qwen3.8 27B से तुलना करें।

Models में विकल्पों की तुलना करें

Quickstart (curl)

API key पाएँ →
curl https://api.quicksilverpro.io/v1/chat/completions \
  -H "Authorization: Bearer $QSP_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen3.8-flash-next",
    "messages": [{"role": "user", "content": "Hello!"}]
  }'
import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.quicksilverpro.io/v1",
    api_key=os.environ["QSP_KEY"],
)
response = client.chat.completions.create(
    model="qwen3.8-flash-next",
    messages=[{"role": "user", "content": "Hello!"}],
)
print(response.choices[0].message.content)
import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api.quicksilverpro.io/v1",
  apiKey: process.env.QSP_KEY,
});
const response = await client.chat.completions.create({
  model: "qwen3.8-flash-next",
  messages: [{ role: "user", content: "Hello!" }],
});
console.log(response.choices[0].message.content);
curl https://api.quicksilverpro.io/v1/responses \
  -H "Authorization: Bearer $QSP_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen3.8-flash-next",
    "input": "Hello!"
  }'
python (OpenAI SDK)
import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.quicksilverpro.io/v1",
    api_key=os.environ["QSP_KEY"],
)
response = client.chat.completions.create(
    model="qwen3.8-flash-next",
    messages=[{"role": "user", "content": "Hello!"}],
)
print(response.choices[0].message.content)

OpenAI-संगत। base_url बदलकर एक लाइन में migration।

Gateway का व्यवहार

इस मॉडल के लिए compatibility नोट्स।

prompt
1M tokens तक के prompts।
max_tokens
131K output tokens तक।
  • /v1/chat/completions: समर्थित
  • /v1/responses: समर्थित
  • streaming: समर्थित
  • tools: समर्थित
  • image input: इस मॉडल के लिए सूचीबद्ध नहीं
  • JSON Schema: इस मॉडल के लिए सूचीबद्ध नहीं
  • reasoning: इस मॉडल के लिए सूचीबद्ध नहीं

क़ीमत कहाँ से आती है

Catalog v87 · कोई अलग long-context tier नहीं

Provider reference
$0.15 / $0.47
Catalog में सत्यापित
Prompt cache · तुलना नहीं
$0.0128 read · $0.16 5m write

usage.cost = prompt_tokens × $0.12/1M + completion_tokens × $0.376/1M

/pricing.json

Base दरें; cached prompt tokens ऊपर दी गई cache दरों पर बिल होते हैं।

FAQ

सामान्य प्रश्न

Qwen3.8 Flash Next Alibaba के next-generation Qwen4 attention stack पर बनी एक शुरुआती open-weight release है, जिसे 6B-active MoE footprint पर long-context agentic workloads के लिए tune किया गया है। यह पूरी Qwen4 line से पहले ship हुई है, इसलिए इसे frozen production target नहीं, तेज़ी से बदलता preview मानें।

Qwen3.8 Flash Next

Qwen3.8 Flash Next को double credits के साथ आज़माएँ — $50 तक bonus credits

मुफ़्त आज़माएँ

$0.12 / $0.376input / output प्रति 1M tokens

आज़माएंमुफ़्त आज़माएँ