Qwen3.8 Max
Utilisez l’API Qwen3.8 Max via Chat Completions et Responses compatibles avec OpenAI. Contexte de 1 M, chat PDF, recherche web par appel et un playground en direct.
A codebase you don't know is a risk, not a hurdle. The plan should burn down that risk in order: understand, run, trace, spike, then make the change small enough that "production-ready" is a property you can demonstrate, not a hope.
Here are the first five steps, with the evidence you collect at each.
Step 1 — Get it building and the baseline green (half day)
Read the README, the manifest(s), the CI config, and any architecture docs. Boot the app locally, run the full test suite, run the linter/typechecker.
Evidence: The exact commands that reproduce a clean build and a passing test suite from a fresh checkout (recorded output, not memory of it). A one-page map you wrote yourself: where the entry points are, the layers, the build/test toolchain, and the main risks to your feature (e.g. "this touches cron jobs and payments").
Step 2 — Trace the smallest end-to-end slice that resembles your feature (half day)
Don't start with your feature. Pick a neighboring one that already works and follow it from entry to persistence. Note the conventions along the way: how errors surface, how config is injected, how logging is done, how tests are written.
Evidence: An annotated trace — file → function → what it does — for that slice. A written list of "conventions I must follow" (not intuitions; things you observed in real code). A named shortlist of the 3–5 files you will actually touch. If you can't produce this trace, you're not ready to write code.
Step 3 — Spike the core path (day 2)
Build the ugly version: hardcoded values, no error handling, no tests. The purpose is to confirm the path you traced in step 2 is real and to surface what you didn't know you didn't know.
Evidence: A working spike demonstrating the feature's central data path, alongside a list of every assumption the spike broke and what you corrected. That correction list is the most valuable document in this whole plan.
Step 4 — Write the contract before the code (half of day 2 / day 3)
Once the spike proves the path, pin down what production needs: the inputs/outputs, the error cases, where it sits in the conventions from step 2. Then write the tests — they'll be red, but they're the specification.
Evidence: A one-to-two-page design doc, an agreed interface/API shape (with the team if there is one), and a red test suite that encodes intended behavior. If you can't write the contract without consulting the code, you haven't finished step 2.
Step 5 — Implement in small, verified increments (days 3–4)
Replace the spike with the real thing in small commits, each one keeping the suite green, leaning on the existing patterns. Run lint/tests/typecheck per commit — CI, not just locally — and exercise the actual path against a real instance (staging or a local environment that isn't stubbed).
Evidence: A branch with progressive commits, each green in CI; coverage on the new code; something that proves it works against reality (a test result, a log trace, a screenshot); and a review by at least one person who knows the codebase. The review counts as evidence — an unfamiliar codebase has tribal knowledge you cannot extract from the files alone.
Steps 6+ would be the things that actually make it "shipped": a migration plan and its rollback, feature flagging, observability, the release and post-release verification. But the first five get you to a reviewed, green, working slice in staging — which is the point at which you can say "this will work in production" with evidence behind it, instead of a guess.
Exécuter ouvre AI Chat avec ce prompt. Connexion et crédits requis.
Détails du modèle
Utilisez la même clé de modèle dans le Playground, les requêtes API et les workflows internes.
- ID du modèle
- qwen3.8-max
- Fournisseur
- Qwen
- Protocole
- OpenAI Chat Completions · OpenAI Responses
- Fenêtre de contexte
- 1,000,000 tokens
- Sortie maximale
- 131,072 tokens
- Token d’entrée
- 85.7143 crédits / 1 M de tokens
- Token de sortie
- 257.1429 crédits / 1 M de tokens
- Lecture du cache
- 10.7143 crédits / 1 M de tokens
- Écriture du cache
- 107.1429 crédits / 1 M de tokens
- web_search
- 0.0571 credits / appel
- image_search
- 0.6857 credits / appel
- web_search_image
- 0.3429 credits / appel
Ce que l’API Qwen3.8 Max peut faire
Qwen3.8 Max est le modèle de chat à long contexte d’Alibaba. Sur AIReiter, l’identifiant public du modèle est qwen3.8-max.
Environ 1 million de tokens d’entrée et jusqu’à 131 072 tokens de sortie. Les longs documents, les chats multi-fichiers et les threads prolongés tiennent dans une seule requête.
POST /api/v1/chat/completions avec les mêmes champs messages, temperature et stream que ceux utilisés par les SDK OpenAI. C’est le chemin par défaut pour les dialogues.
Ajoutez une URL de fichier publique dans messages[].content avec le type file. Le PDF n’est pas un outil facturé ; il est facturé uniquement via les tokens.
POST /api/v1/responses pour web_search, web_search_image et image_search. L’objet JSON usage.x_tools indique combien de fois chaque outil a été exécuté.
Tarifs de l’API Qwen3.8 Max
Les tarifs en direct des tokens et des outils sont sur https://aireiter.com/pricing. Les chiffres de cette page sont mis à jour à partir de la base de données du modèle.
Facturation des tokens
L’entrée, la sortie, la lecture du cache et l’écriture du cache ont chacun leur propre prix par 1 M de tokens. Le playground sur cette page affiche les tarifs actuels d’AIReiter à côté des prix publics officiels.
Outils intégrés facturés par appel
web_search, web_search_image et image_search ajoutent des frais par appel en plus des tokens. web_extractor et code_interpreter sont tarifés à zéro et n’ajoutent aucun crédit.
Comment estimer les crédits
Crédits = frais de tokens + nombre d’outils x prix par appel. Si vous multipliez uniquement les tokens par les prix des tokens, le total sera inférieur dès que usage.x_tools a un nombre supérieur à zéro.
Exemples de l’API Qwen3.8 Max
Remplacez YOUR_API_KEY par une clé provenant de https://aireiter.com/keys. Notes complètes sur le protocole : https://docs.aireiter.com/en/overview
Chat Completions
curl https://aireiter.com/api/v1/chat/completions \ -H "Authorization: Bearer YOUR_API_KEY" \ -H "Content-Type: application/json" \ -d '{"model":"qwen3.8-max","messages":[{"role":"user","content":"Hello"}]}'
Responses avec web_search
curl https://aireiter.com/api/v1/responses \ -H "Authorization: Bearer YOUR_API_KEY" \ -H "Content-Type: application/json" \ -d '{"model":"qwen3.8-max","input":"What happened today?","tools":[{"type":"web_search"}]}'
Essayez Qwen3.8 Max en 3 étapes
- 01
Créer une clé API
Connectez-vous et créez une clé sur https://aireiter.com/keys. Envoyez-la sous la forme Authorization: Bearer.
- 02
Commencez avec Chat Completions
POST /api/v1/chat/completions pour le chat ordinaire et les PDF. Conservez stream à true si vous souhaitez voir les tokens au fur et à mesure de leur génération.
- 03
Ajouter des outils dans Responses
POST /api/v1/responses avec des outils tels que {"type":"web_search"}. Lisez usage.x_tools dans la réponse, puis consultez https://aireiter.com/pricing pour le tarif par appel.
FAQ
01Qu'est-ce que l'API Qwen3.8 Max ?
C'est le modèle de chat Qwen3.8 Max d'Alibaba, fourni via AIReiter. Vous l'appelez avec l'identifiant public de modèle qwen3.8-max via un HTTP compatible avec OpenAI, ou essayez-le dans le playground de cette page.
02L'API Qwen3.8 Max est-elle compatible avec OpenAI ?
Oui. Chat Completions est POST /api/v1/chat/completions. Les outils intégrés utilisent POST /api/v1/responses. Les SDK OpenAI fonctionnent si vous définissez l'URL de base sur https://aireiter.com/api/v1 et le modèle sur qwen3.8-max.
03Combien coûte l'API Qwen3.8 Max ?
Vous payez les tarifs par jeton pour l'entrée, la sortie et le cache, plus des frais par appel lorsque web_search, web_search_image ou image_search s'exécutent. Les tarifs actuels sont sur https://aireiter.com/pricing et dans la ligne de prix en haut de cette page.
04Quelle est la fenêtre de contexte de Qwen3.8 Max ?
Environ 1 million de jetons d'entrée. La sortie maximale est de 131 072 jetons par requête.
05Comment utiliser la recherche web avec Qwen3.8 Max ?
Utilisez l'API Responses, pas Chat Completions. Envoyez tools: [{"type":"web_search"}] (ou web_search_image / image_search). Le champ usage.x_tools dans la réponse indique le nombre d'appels facturés.
06Le chat PDF coûte-t-il un supplément avec Qwen3.8 Max ?
Aucun frais supplémentaire par page. Ajoutez une URL publique de PDF dans les messages Chat Completions en tant que type file. La facturation reste basée sur les jetons. Les outils de recherche intégrés sont les éléments qui ajoutent des frais par appel.
需要更快更便宜时
Gérer les clés API →同一系列里,Flash 是拿来跑量的那一档。
写代码、跑智能体、读长文档,用 Qwen3.8 Flash。每百万 token 大约输入 $0.057、输出 $0.193。