跳转到主要内容
千问AI平台 home page
文档
快速入门

最新模型：Qwen3.8-Flash

了解千问最新模型 Qwen3.8-Flash 的架构创新、能力、规格与接入方式

Qwen3.8-Flash 采用下一代架构（Qwen4 架构预览），总参数 125B 仅激活 6B，以不到 Qwen3.7-Plus 九分之一的训练成本，在编程与办公任务上实现超越 Claude Opus 4.6 的前沿性能。原生支持百万级上下文、图文视频多模态理解，在智能体编程、长程办公自动化和多模态理解方面表现尤为突出。 Model ID：qwen3.8-flash

核心亮点

下一代架构 — 沿注意力、残差、嵌入和优化四个维度系统升级：GDN + QSA 混合注意力高效"记忆"并精准"检索"，1M 上下文预填充加速 7.6 倍；门控残差将信息流扩展为 4 条并行通道；N-gram Embedding 以 51B 额外参数近乎零额外计算扩展模型容量；Muon 优化器进一步提升收敛效率。 智能体编程 — SWE-bench Pro 62.5（超越 Claude Opus 4.6 的 53.4），DeepSWE 1.1 达 58.7，多语言软件工程 81.0。能自主搭建并迭代编程工具，独立完成跨越数天的真实项目。 办公与工具调用 — CoWorkBench 73.9（长程办公自动化），JobBench 55.7（专业任务），Toolathlon 73.5（真实工具调用）。覆盖法律、金融、设计等数百种专业场景，在数千轮交互中持续规划与闭环迭代。 多模态智能体 — AndroidWorld 84.5（移动端操控），MathVision 95.7（视觉数学），LVBench 76.6（长视频理解）。原生视觉理解贯穿规划、执行与验证全流程，能跨页理解超长文档并自主发现界面问题。 以上完整评测数据详见发布博客。

模型能力与规格

能力支持能力支持
文本生成✓深度思考✓
函数调用✓结构化输出✓
图像理解✓视频理解✓
上下文缓存✓批量推理✓
联网搜索✓PDF 理解✓
代码解释器✓网页抓取✓
以文搜图✓以图搜图✓
参数值参数值
上下文长度1,000,000 token最大思维链长度262,144 token
最大输入长度991,808 token最大输出长度131,072 token
最大输入长度（思考模式）983,616 token最大输出长度（思考模式）131,072 token
定价详情见模型市场。

快速接入

import os
from openai import OpenAI

client = OpenAI(
  api_key=os.getenv("DASHSCOPE_API_KEY"),
  base_url="https://dashscope.aliyuncs.com/compatible-mode/v1"
)

response = client.chat.completions.create(
  model="qwen3.8-flash",
  messages=[
    {"role": "user", "content": "用动态规划解决最长递增子序列问题，给出时间复杂度分析。"}
  ]
)
print(response.choices[0].message.content)

使用说明

深度思考

默认开启思考模式，通过 reasoning_effort 调节推理力度：
值说明适用场景
xhigh（默认）最大推理深度数学证明、架构设计、复杂编程
medium平衡推理与速度日常开发、文档生成
low快速响应简单问答、信息提取
max 和 high 会自动映射为 xhigh。思考模式下 temperature 默认 0.6，传入更小值会自动调整为 0.6。如需整体关闭思考，可设置 enable_thinking=false，模型将直接作答、不再返回 reasoning_content。

多模态理解

Qwen3.8-Flash 支持图片、视频和文本的联合理解，适合需要视觉信息参与决策的 Agent 场景。
  • 图片理解：在消息中传入 image_url 类型内容，模型直接分析图片内容。支持截图分析、设计稿还原、文档 OCR 等任务。高分辨率图像默认会被压缩，可通过 vl_high_resolution_images、max_pixels 调整视觉 token 上限以保留更多细节。
  • 视频理解：传入视频 URL，模型自动抽帧分析。通过 fps 控制抽帧频率，在细节捕获与成本间取得平衡。适合视频内容审核、教程摘要、会议记录等场景。
  • PDF 理解：以 file_url 或 Base64 file_data 传入 PDF，模型解析其中文字与图片。
详细用法参见图像与视频理解与PDF 理解。

工具调用与思考链

开启思考后进行工具调用，模型会先推理应调用哪些工具、如何使用返回结果，再生成回答；响应中工具调用前会包含 reasoning_content，多轮工具调用时需将其一并回传，省略会降低准确性。 多轮对话中，模型默认不读取历史消息里的 reasoning_content；qwen3.8-flash 的 preserve_thinking 默认开启，会将思考过程拼接到下一轮输入。 详细规则参见思考模式与函数调用。

上下文缓存

上下文缓存将重叠请求的公共前缀进行缓存，避免重复计算，在不影响回答质量的前提下降低成本、加快响应：
模式说明
隐式缓存自动开启，系统识别公共前缀缓存，不保证命中
显式缓存手动创建，确定性命中，更低延迟
会话缓存Responses API 专用，请求头添加 x-dashscope-session-cache: enable
详细用法与计费参见上下文缓存。

在编程工具中使用

在 Claude Code、Codex、OpenCode 等编程工具中使用 Qwen3.8-Flash，推荐订阅 Token Plan——以 Credits 统一计量、支持 Qwen3.8-Flash 及其他多种模型，较按量计费更优惠。