Qwen 3.8 Flash API：$0.15/$0.47，以及那些照样收费的推理 token

Qwen 3.8 Flash 每百万输入 token $0.15、输出 $0.47——是 Flash 档里最低的输出价。 它同时也是推理模型，这才是坑人的地方：max_tokens 给小了，你会拿回一个空字符串，而那些没看见的 token 照样算钱。

模型 ID：    bailian/qwen3.8-flash   （别名：qwen3.8-flash）
价格：       每百万输入 $0.15 / 输出 $0.47
上下文：     1,131,072 token
最大输出：   131,072 token
模态：       文本 + 图片 → 文本
端点：       /v1/chat/completions、/v1/responses
参数：       temperature、top_p、max_tokens、stop、tools、
             tool_choice、response_format、reasoning

读取自 2026 年 9 月 6 日的实时 Ofox /v1/models 端点。下面的行为也是同一天在该端点上实测的。

第一个撞上的坑：空响应

我们传 max_tokens: 30，拿回来一个空字符串。 不是报错——是一次成功的、计了费的响应：

{"content": "",
 "usage": {"prompt_tokens": 66, "completion_tokens": 30,
           "completion_tokens_details": {"reasoning_tokens": 30}}}

30 个补全 token，全是推理 token，可见内容一个字没有。模型在吐出第一个字符之前就把预算想光了。

两条修法，都在同一个 prompt 上实测过：

调高上限有效，因为模型总共只需要 27 个 token，30 的上限把它拦在了半路。

关掉推理更有效。 对这么简单的一个 prompt，effort: none 用 1 个 token 而不是 27 个给出了同样的答案——27 倍的差距。上了量的短输出任务上，这就是每百万 $0.47 和它的一个零头之间的区别。

任何推理模型上都通用的一条：max_tokens 必须同时覆盖推理和答案，而推理不管你看不看得见都按输出价计费。 把 max_tokens 当成答案长度来估，正是一个好模型看起来坏掉的原因。

$0.47 在 Flash 档里的位置

全部费率来自 2026 年 9 月 6 日的实时 Ofox 目录：

Qwen 3.8 Flash 和 GLM-5.3 Flash 基本打平——输入价一样，输出差三分钱。在这两个之间，价格不是决定因素，应该拿你自己的任务各跑一遍。

跟档里其余几个比，差距就很大了。 Qwen 3.8 Flash 的输出比 DeepSeek V4 Flash 便宜 2.8 倍，比 Gemini 3.8 Flash 便宜 16 倍。

这个差距没告诉你的两件事：

• DeepSeek V4 Flash 有独立分数，Qwen 3.8 Flash 没有。 DeepSeek V4 Flash 0731 在 vals.ai SWE-Bench Verified 上是 88.80%，高于 Claude Opus 4.8；而 Qwen 3.8 Flash 根本不在那个榜上。你花更少的钱，买的是一个公开证据更少的模型——这可能完全没问题，但值得知道。
• DeepSeek V4 Flash 允许 384,000 token 的补全，Qwen 是 131,072。如果你要生成很长的单次输出，这个上限比费率更要紧。

实际花多少

按 $0.15 / $0.47，把上面那条推理注意事项算进去：

前两行是同一个任务，区别只在推不推理——在这种形态的负载上大约 4.3 倍。这是你在把这个模型选进高频管线之前该记住的数字。

怎么调

curl -X POST https://api.ofox.io/v1/chat/completions \
  -H "Authorization: Bearer $OFOX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "bailian/qwen3.8-flash",
    "messages": [{"role": "user", "content": "Classify the sentiment: ..."}],
    "reasoning": {"effort": "none"},
    "max_tokens": 50
  }'

头几次调用读一下 usage.completion_tokens_details.reasoning_tokens。如果在不需要斟酌的任务上它占了 completion_tokens 很大一块，那 effort: none 就是白捡的钱。

这个模型除了文本还接受图片输入，所以廉价视觉任务也覆盖得到——打标、类 OCR 的抽取、截图分类——费率远低于上面那些支持视觉的 Flash 模型。

什么时候别用它

• 你需要一个独立 benchmark 来支撑选型。 Qwen 3.8 Flash 不在 vals.ai SWE-Bench 也不在 Artificial Analysis 指数上。DeepSeek V4 Flash 是 $0.44 / $1.32，有公开的 88.80%。
• 你要生成很长的单次响应。 131,072 的补全上限只有 DeepSeek V4 Flash 的三分之一。
• 任务本身确实难。 这是 Flash 档的模型。如果复杂推理的准确率决定你的结果，前沿模型对比讲了多花的钱买到什么。
• 你已经在用 GLM-5.3 Flash。 每百万输出差三分钱，不构成迁移理由。

相关

• Qwen 3.8 Max 价格与接入——同系列的旗舰，$2.00 / $6.00。
• Qwen 3.8 Max vs DeepSeek V4 Flash——上一档里同样的「便宜 vs 旗舰」问题。
• Qwen 3.8 27B 本地运行——如果你想要便宜 Qwen 的理由其实是想自部署。

来源

• https://ofox.io/models/bailian/qwen3.8-flash
• https://ofox.io/models/deepseek/deepseek-v4-flash-0731
• https://ofox.io/models/z-ai/glm-5.3-flash

价格、上下文长度、补全上限、支持的参数与端点读取自 2026 年 9 月 6 日的实时 Ofox /v1/models 端点。推理 token 的行为来自同一天对 bailian/qwen3.8-flash 的三次实时 /v1/chat/completions 调用，prompt 相同，只改 max_tokens 和 reasoning.effort。这是一天之内、单条线路上的小样本，不是规格——把管线规模定下来之前请在你自己的负载上量一遍。DeepSeek V4 Flash 的 SWE-Bench 数字来自 vals.ai，榜单更新于 2026-08-26。