Qwen 3.8 Flash через API: подключение, цена и массовые задачи

Qwen 3.8 Flash — младшая и самая дешёвая модель линейки Qwen 3.8 в каталоге Zukko. Она подходит для текстовых задач на объёме: суммаризации, извлечения полей, разметки. Ниже — как подключить qwen 3.8 flash через api, сколько это стоит на реальном объёме, где у модели ограничения и как понять, подходит ли она именно вам.

Цена и характеристики Qwen 3.8 Flash

Цены — в долларах за 1M токенов, на 2026-10-06.

Запись в кэш у Qwen отдельно не списывается, а чтение учитывается, если поставщик сообщает о нём в ответе.

Официальная цена вендора за Qwen 3.8 Flash — $0.15 / $0.47. Индекс силы — это Intelligence Index от Artificial Analysis, сводный балл по бенчмаркам: у Flash 40, у Max 45.

Что из этого следует на практике:

• Только текст. Картинки на вход Qwen 3.8 Flash не принимает. Если нужны изображения, внутри линейки есть Qwen 3.8 Max.
• Кэш не снижает цену. Чтение кэша стоит столько же, сколько обычный вход, — $0.038, а запись отдельно не списывается. Повторяющийся системный промпт оплачивается полностью при каждом запросе, зато и переплаты за запись нет.
• Длинный контекст дешёвый. Документ на 500 000 токенов на входе обойдётся в 500 000 × 0.038 / 1 000 000 = $0.019.

Актуальный список и цены — GET https://api.zukko.pro/v1/models или страница «Модели» в кабинете.

Как подключить Qwen 3.8 Flash через API

Ключ fetch_... создаётся в кабинете, base URL для OpenAI-совместимого формата — https://api.zukko.pro/v1. Если вы ещё ни разу не подключались, начните с быстрого старта↗.

curl

curl https://api.zukko.pro/v1/chat/completions \
  -H "Authorization: Bearer fetch_ваш_ключ" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen3.8-flash",
    "messages": [
      {"role": "system", "content": "Сократи текст до трёх предложений."},
      {"role": "user", "content": "Текст для сокращения..."}
    ]
  }'

Python: извлечение полей в JSON

import json
from openai import OpenAI

client = OpenAI(base_url="https://api.zukko.pro/v1", api_key="fetch_ваш_ключ")

PROMPT = (
    "Извлеки из описания товара поля brand, color, size. "
    "Верни только JSON-объект, без пояснений. Если поля нет — null."
)

resp = client.chat.completions.create(
    model="qwen3.8-flash",
    messages=[
        {"role": "system", "content": PROMPT},

Ответ модели — текст, поэтому JSON нужно проверять: на большом объёме часть ответов может не распарситься, и их стоит отправлять на повтор.

Python: стриминг

Для длинных ответов удобно получать текст по частям. Сервер в конце стрима присылает отдельный чанк с usage и пустым choices, поэтому проверка обязательна:

stream = client.chat.completions.create(
    model="qwen3.8-flash",
    messages=[{"role": "user", "content": "Составь краткое содержание отчёта: ..."}],
    stream=True,
)
for chunk in stream:
    if chunk.choices:
        print(chunk.choices[0].delta.content or "", end="", flush=True)

Подробнее о параметрах запроса — в документации по chat/completions↗.

Сколько стоит массовая обработка на Qwen 3.8 Flash

Пример: суммаризация 10 000 документов. Допущения: на запрос уходит 3 000 входных токенов (инструкция плюс текст документа) и 300 выходных (краткое содержание).

Формула:

Для Qwen 3.8 Flash:

• вход: 10 000 × 3 000 = 30 000 000 токенов → 30 × $0.038 = $1.14
• выход: 10 000 × 300 = 3 000 000 токенов → 3 × $0.088 = $0.264
• итого: $1.404

Тот же объём на соседних моделях:

Честный вывод из таблицы: по цене и индексу Qwen 3.8 Flash — в середине группы дешёвых моделей, а не на краю. Gemini 3.8 Flash на этом объёме дешевле при близком индексе, DeepSeek V4.1 Flash — ещё дешевле. Это повод сравнить модели на своих данных, а не выбирать по названию. У GLM 5.3 Flash контекст 128K, поэтому для очень длинных документов она не подойдёт, а у Qwen 3.8 Flash — 1M.

Для каких задач брать Qwen 3.8 Flash

Разумные сценарии:

• Суммаризация и сокращение текстов, где ответ заметно короче входа.
• Извлечение полей из описаний, писем, заявок — с проверкой JSON в коде.
• Разметка и классификация с коротким ответом.
• Длинные документы, которые целиком не помещаются в 128K.
• Связка с Qwen 3.8 Max: основной поток на Flash, а запросы, с которыми Flash не справилась на вашей проверке, — на Max, в одном формате и с одним ключом.

Чего не стоит ожидать: работы с изображениями (нужна Max или другая модель с картинками) и экономии на кэше.

Как проверить, что модель справляется

Индекс силы — общий ориентир, а качество на вашей задаче проверяется только вашими примерами:

1. Соберите 50–100 реальных входов с эталонными ответами.
2. Прогоните их через Qwen 3.8 Flash и одну-две соседние модели из таблицы.
3. Посчитайте долю правильных ответов и фактическую стоимость по usage.
4. Выберите самую дешёвую модель, у которой точность вас устраивает.

На 100 примерах по 3 000 входных и 300 выходных токенов прогон на Qwen 3.8 Flash стоит 100 × (3 000 × 0.038 + 300 × 0.088) / 1 000 000 = 100 × 0.0001404 = около $0.014.

Сравнение с GLM — в статье Qwen против GLM↗, обзор DeepSeek, Qwen и GLM вместе — в статье о китайских моделях через API↗. Чтобы начать, создайте ключ в кабинете и запустите пробный прогон.

Частые вопросы

Принимает ли Qwen 3.8 Flash картинки?

Нет, только текст. Для изображений в линейке Qwen есть qwen3.8-max — картинки на вход у неё поддерживаются.

Есть ли смысл включать кэш для Qwen 3.8 Flash?

По цене — нет: чтение кэша стоит $0.038, ровно как обычный вход. Длинный системный промпт будет оплачиваться полностью при каждом запросе, это стоит учесть в расчёте.

Чем Qwen 3.8 Flash отличается от Qwen 3.8 Max?

По каталогу: Flash дешевле ($0.038 / $0.088 против $0.1 / $0.263), у неё ниже индекс силы (40 против 45) и нет картинок на вход. Контекст у обеих 1M.

Можно ли вызывать Qwen 3.8 Flash через Anthropic SDK?

Да, шлюз принимает любую модель в обоих форматах. Для массовых скриптов обычно проще OpenAI SDK с base URL https://api.zukko.pro/v1.