GPT Image 2.5 Flare & Sunburst sind jetzt auf EvoLink verfügbarGPT Image 2.5 testen
EvoLink.AIEvoLink.AI

Qwen3.8 Max API

Greifen Sie über die einheitliche Chat-API von EvoLink auf Qwen3.8 Max von Alibaba Qwen zu – auch gesucht als Qwen 3.8 Max / Qwen3.8-Max –. Testen Sie Coding mit langem Kontext, Tool-Nutzung, strukturierte Ausgabe vor der Integration.

Alibaba QwenTextgenerierungVerfügbar
ab $1.900 / 1 Mio. Eingabe-Token$2.000 offizieller Preis-5%
API-Dokumentation
Langkontext-ReasoningSteuerbares ReasoningFunction Calling + Structured OutputExplizites + implizites CachingChat + Responses + Messages
ProduktionsrouteLive
Kontext
1.05M Kontext · max. 131K Ausgabe
Geeignet für
Engineering im Repository-Maßstab, Multi-Dokument-Synthese, toolintensive Agents
Eingabe
Text + Bilder
Ausgabe
Text · JSON (strukturierte Ausgabe) · Tool-Aufrufe
ModellePreiseReadmeAPI

Qwen3.8 Max auswählen

Premium-Reasoning über drei API-Protokolle für Repository-weite Entwicklung, lange Dokumente, große Evidenzmengen, lang laufende Agenten und komplexe Wissensarbeit mit einem Kontextfenster von 1.048.576 Token.

Qwen3.8 Max

Alibabas Tongyi-Qwen-Flaggschiff Max

Ausgewählt
Modell-ID
qwen3.8-max
Geeignet für

Repository-weite Entwicklung, Synthese mehrerer Dokumente, Tool-intensive Agenten über Chat, Responses oder Messages und schwierige Aufgaben, bei denen weniger Retries und Korrekturen eine Premiumroute rechtfertigen.

Eingabe
$1.900 / 1M-5%
129.2 cr / 1M$2.000offizieller Preis
Ausgabe
$5.700 / 1M-5%
387.6 cr / 1M$6.000offizieller Preis
Cache-Schreiben
$2.375 / 1M-5%
161.5 cr / 1M$2.500offizieller Preis
Cache-Lesen (implizit)
$0.381 / 1M-5%
25.9 cr / 1M$0.400offizieller Preis
Cache-Lesen (explizit)
$0.192 / 1M-4%
13 cr / 1M$0.200offizieller Preis

Alle Tarife gelten pro 1M Tokens, in USD und Credits, und entsprechen der aktuellen Preisgestaltung Ihres Kontos.

Qwen3.8 Max Preise

Schätzen Sie vor der Integration die Kosten einer Qwen3.8 Max-Anfrage. Der Rechner verwendet die aktuellen Tarife Ihres Kontos; offizielle Preise dienen als Vergleich.

Anfragen-Rechner

Geben Sie den Token-Mix einer Anfrage und die Anzahl erfolgreicher Tool-Aufrufe ein.
Cache-Lesemodus

Eine Anfrage nutzt genau einen Modus. Explizit: cache_control senden, Cache-Erstellung zu 125 % des Eingabepreises und Treffer zu 10 %. Implizit: keine Markierung, keine Schreibgebühr und Treffer zu 20 %.

Geschätzte Kosten pro Anfrage

Qwen3.8 Max · Implizit
USD$0.0037
Credits0.2507

Offizielle Schätzung $0.0039 · $0.0002 gespart (5%)

Eingabe-Tokens0.1292 cr
Cache-Schreib-Tokens0 cr
Cache-Lese-Tokens · Implizit0.0052 cr
Ausgabe-Tokens0.1163 cr

Mindestgebühr: 0.01 Credits pro Anfrage. Explizites und implizites Caching haben unterschiedliche Tarife; eine Anfrage nutzt genau einen Modus.

Budget-Leitfaden

Ungefähre Anfragen mit dem aktuellen Token-Mix.
Credits aufladen
$10
Etwa 2592 Anfragen

Für schnelle Tests

$50
Etwa 13562 Anfragen

Für die laufende Entwicklung

$100
Etwa 27124 Anfragen

Für die Produktionsbewertung

Tarife serverseitiger Tools

Nur erfolgreiche serverseitige Aufrufe werden pro Aufruf berechnet; fehlgeschlagene Versuche kosten keine Tool-Gebühr, Tokens werden weiterhin berechnet.
  • Websuche (Turbo)Chat$0.010pro Aufruf0.68 cr pro Aufruf
  • Websuche (Max)Chat$0.010pro Aufruf0.68 cr pro Aufruf
  • WebsucheResponses$0.010pro Aufruf0.68 cr pro Aufruf
  • Websuche (Bild)Responses$0.0080pro Aufruf0.544 cr pro Aufruf
  • BildersucheResponses$0.0080pro Aufruf0.544 cr pro Aufruf
  • PDF-AnalyseChat$0.0033pro Seite0.2244 cr pro Seite

Qwen3.8 Max API für lange Kontexte, Reasoning und Agenten

Nutzen Sie Alibabas Tongyi-Qwen-Flaggschiff über die einheitliche EvoLink API. Qwen3.8 Max stellt dasselbe Modell per OpenAI Chat Completions, OpenAI Responses und Anthropic Messages mit vollständigem Byte-Passthrough bereit. Das Modell bietet ein Kontextfenster mit 1.048.576 Token, steuerbares Reasoning sowie explizites und implizites Prompt-Caching für Repository-weite Entwicklung, lange Dokumente und mehrstufige Tool-Workflows.

Qwen3.8 Max wird auf EvoLink unter der Modell-ID qwen3.8-max über Chat Completions · Responses · Anthropic Messages bereitgestellt – mit demselben API-Key und Guthaben wie jedes andere Modell. Es bietet ein Kontextfenster von 1.05M und bis zu 131K Ausgabe-Tokens, dazu Coding mit langem Kontext, Tool-Nutzung, strukturierte Ausgabe.

Qwen3.8 Max

Qwen3.8 Max Spezifikationen und Fähigkeiten

Die Zahlen stammen aus der EvoLink-Routenkonfiguration; die Fähigkeiten entsprechen dem, was die API heute bereitstellt.

Kontextfenster
1.05M Tokens
Max. Ausgabe
131K Tokens
Eingabe
Text + Bilder
Ausgabe
Text · JSON (strukturierte Ausgabe) · Tool-Aufrufe
Reasoning
Konfigurierbarer Reasoning-Aufwand
Tool-Nutzung
Function Calling mit mehrstufigen Tool-Sequenzen
Prompt-Caching
Explizite + implizite Cache-Stufen
Serverseitige Tools
Websuche (Turbo), Websuche (Max), Websuche, Websuche (Bild), Bildersuche, PDF-Analyse, abgerechnet pro erfolgreichem Aufruf
Protokolle
Chat Completions · Responses · Anthropic Messages
Modell-ID
qwen3.8-max
Parameter
2.4T

Warum Qwen3.8 Max diese Workloads bewältigen kann

Den größten Nutzen bringt das Zusammenspiel aus langem Kontext, anhaltendem Reasoning und wiederverwendbaren Prompt-Präfixen. Kontextkapazität allein verbessert keine Antwort; relevant bleiben passende Evidenz, klare Struktur und ein Ausgabebudget.

1M Token als Arbeitsraum, nicht als Füllziel

Das Fenster mit 1.048.576 Token kann zusammengehörigen Code, Spezifikationen und frühere Tool-Ergebnisse ohne übermäßiges Chunking bereithalten. Retrieval und Kontextkomprimierung bleiben wichtig, weil irrelevante Inhalte Aufmerksamkeit und Verarbeitungskosten binden.

Anhaltendes Reasoning braucht ein Ausgabebudget

Reasoning- und Antwort-Token zählen beide zur Nutzung. Behandeln Sie das Ausgabelimit als Kapazität statt als normale Antwortlänge und setzen Sie mit reasoning_effort ein aufgabengerechtes Budget.

Caching lohnt sich bei stabilen Präfixen

Repository-Anweisungen, System-Prompts, Referenzen und Tool-Schemas bieten das größte Cache-Potenzial, wenn ihre Reihenfolge stabil bleibt. Häufige Modell- oder Strukturänderungen können eine erneute Verarbeitung des langen Präfixes auslösen.

Function Calling, integrierte Tools und Structured Output

Qwen führt Function Calling, integrierte Tools und Structured Output für das Produktionsmodell auf. Prüfen Sie vor größerem Traffic über die EvoLink-Route, ob das genaue Tool- und Schema-Verhalten zu Ihrem Workflow passt.

Wo Qwen3.8 Max in einen produktiven Modell-Stack gehört

Ein Flaggschiffmodell sollte nicht jede Anfrage standardmäßig übernehmen. Es lohnt sich vor allem, wenn langer Kontext, anhaltendes Reasoning oder komplexe Tool-Ketten Retries, Übergaben und manuelle Nacharbeit verringern.

Repository-weite Programmierung

Geeignet für Entwicklungsaufgaben, die Architekturunterlagen, verbundene Dienste, Testhistorie, große Diffs und über viele Dateien verteilte Vorgaben zusammenführen. Messen Sie akzeptierte Patches und Review-Zeit statt isolierter Codequalität.

Analyse langer Dokumente

Zusammengehörige Spezifikationen, Studien, Verträge, Logs oder Wissensquellen bleiben in einem Arbeitskontext. Retrieval und Dokumentstruktur bleiben wichtig: Ein 1M-Token-Fenster macht irrelevanten Kontext nicht nützlich.

Tool-Agenten über drei Protokolle

Passt zu mehrstufiger Tool-Auswahl, strukturierten Ausgaben und wiederholten externen Aktionen über Chat, Responses oder Messages. Nachrichten, Thinking, Tool-Call-IDs, Argumente und Ergebnisse müssen zwischen Turns vollständig erhalten bleiben.

Wann ein leichteres Modell besser ist

Kurze Chats, Klassifikation, Umschreiben, einfache Extraktion und latenzkritische UI-Aktionen benötigen selten maximales Reasoning oder 1M Kontext. Lassen Sie diese Aufgaben auf einer günstigeren Route und eskalieren Sie nur bei entsprechender Schwierigkeit.

Was Qwen3.8 Max bei EvoLink unterscheidet

Dies sind vertragliche Fähigkeiten der EvoLink-Route, keine Benchmark-Aussagen. Prüfen Sie Latenz, Qualität und Cache-Verhalten mit eigenen Aufgaben, bevor das Modell zur Standardroute wird.

Byte-Passthrough über drei Protokolle

OpenAI Chat, OpenAI Responses und Anthropic Messages erreichen dasselbe Modell per Byte-Passthrough. Thinking, Signaturen und Cache-Marker werden im Gateway nicht verlustbehaftet neu serialisiert.

Explizites und implizites Prompt-Caching

Mit cache_control markieren Sie wiederverwendbare Präfixe; explizite Treffer kosten 10 % des Eingabepreises, implizites Caching greift automatisch zu 20 %. Pro Anfrage ist nur ein Modus möglich, und das Gateway behält cache_control-Marker bei.

Steuerbarer Reasoning-Aufwand

Reasoning ist standardmäßig auf xhigh aktiv und kann über reasoning_effort auf medium oder low gestellt werden. Das Gateway reicht das Feld unverändert durch. reasoning_effort und thinking_budget dürfen nicht gemeinsam gesendet werden.

Thinking zwischen Turns erneut senden

preserve_thinking ist standardmäßig aktiv. Jeder assistant-Eintrag mit reasoning_content muss unverändert erneut gesendet werden und darf nicht in content aufgehen. Wiederholtes Reasoning zählt als Eingabe-Token und wird berechnet.

Zwei Wege, Qwen3.8 Max zu nutzen: EvoLink API oder Agent

Nutzen Sie die EvoLink API für Produkt-Backends und Batch-Jobs oder rufen Sie Qwen3.8 Max aus Codex, Claude oder Gemini für Coding- und Analyse-Workflows auf. Beide Wege teilen denselben EvoLink API-Key, das Guthaben, die Modell-ID und die Anfragehistorie.

Option 1

Mit der EvoLink API integrieren

Ideal für: Produkt-Backends, Batch-Jobs, automatisierte Pipelines

Senden Sie OpenAI-kompatible Chat-Completions- (oder Anthropic-Messages-) Anfragen an EvoLink und steuern Sie Modell-ID, System-Prompt, Ausgabebudget, Tools und strukturierte Ausgabe.

  1. 1Erstellen Sie einen EvoLink API-Key in der Konsole
  2. 2Richten Sie Ihr OpenAI- oder Anthropic-SDK auf die EvoLink-Basis-URL und wählen Sie die oben gezeigte Modell-ID
  3. 3Senden Sie eine repräsentative Anfrage und lesen Sie im Feld usage Eingabe-, Cache- und Ausgabe-Tokens ab
  4. 4Setzen Sie max_tokens und Wiederholungen pro Aufgabe; behalten Sie Tool-Call-IDs und -Ergebnisse über Runden hinweg
EvoLink API-Key erstellen
Option 2

Mit einem Agenten aufrufen

Ideal für: Coding-, Review- und Analyseaufgaben in Codex, Claude und Gemini

Geben Sie dem Agenten Aufgabe, Eingaben und Abnahmekriterien. Er baut die Anfrage, ruft Qwen3.8 Max über EvoLink auf und liefert die Antwort samt Token-Verbrauch.

  1. 1Setzen Sie EVOLINK_API_KEY in Ihrer lokalen Umgebung; nie in Code oder Prompt
  2. 2Beschreiben Sie Aufgabe, einzubeziehende Eingaben und das erwartete Ausgabeformat
  3. 3Lassen Sie den Agenten Qwen3.8 Max über EvoLink aufrufen und die Anfrage vor dem Senden zeigen
  4. 4Lassen Sie den Agenten Antwort, Token-Verbrauch und etwaige Fehlermeldungen berichten

Qwen3.8 Max API-Codebeispiel und Fehlerbehandlung

Dieses Beispiel zeigt die kürzeste lauffähige Anfrage: ein OpenAI-kompatibler Chat-Completions-Aufruf mit System-Prompt, Nutzernachricht und Ausgabebudget. Die vollständige Parameter- und Antwortreferenz finden Sie im API-Tab.

Vollständige API-Doku ansehen
cURL
curl -X POST https://api.evolink.ai/v1/chat/completions \
  -H "Authorization: Bearer $EVOLINK_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen3.8-max",
    "messages": [
      { "role": "system", "content": "You are a senior engineer reviewing a pull request." },
      { "role": "user", "content": "Review this diff and list every risky change with file and line:\n<diff>" }
    ],
    "max_completion_tokens": 4096,
    "temperature": 0.2
  }'

# Chat Completions uses max_completion_tokens; Responses uses
# max_output_tokens; Anthropic Messages requires max_tokens.
# The response includes choices[0].message and a usage object (prompt,
# cached, and completion tokens).

Ungültige Anfrage oder nicht unterstützter Parameter

Prüfen Sie Modell-ID, messages-Array und Parameterbereiche anhand der API-Referenz; entfernen Sie Felder, die diese Route nicht unterstützt.

Authentifizierungs- oder Guthabenproblem

Prüfen Sie das Authorization-Bearer-Token und bestätigen Sie das verfügbare Guthaben in der Konsole.

Kontextlänge überschritten

Die Prompt-Tokens übersteigen das Kontextfenster von Qwen3.8 Max. Kürzen Sie oder rufen Sie nur relevante Belege ab und nutzen Sie gecachte Präfixe wieder.

Ratenlimit (429)

Mit Backoff und Jitter erneut versuchen; Anfragen bündeln oder in eine Warteschlange stellen statt parallel zu senden.

Inhalt oder Tool-Aufruf abgelehnt

Prüfen Sie sensible Inhalte, fehlerhafte Tool-Call-Argumente und JSON-Schema-Abweichungen vor dem erneuten Versuch.

Was vor dem Umleiten von Produktionstraffic auf Qwen3.8 Max zu prüfen ist

Auch ein passender Workload kann durch eine falsche ID, das falsche Max-Token-Feld oder verlorenen Agentenstatus scheitern. Prüfen Sie die Anfrageoberfläche, bevor Sie die Modellqualität bewerten.

01

Die Modell-ID qwen3.8-max verwenden

Die EvoLink-Route verwendet qwen3.8-max für Chat Completions, Responses und Anthropic Messages.

Modell-ID
02

Das richtige Max-Token-Feld je Endpunkt verwenden

Chat nutzt max_completion_tokens, Responses nutzt max_output_tokens und Anthropic Messages verlangt max_tokens. Ein falsches Feld kann ignoriert oder upstream abgelehnt werden.

Endpunkte
03

Thinking und Tool-Status vollständig wiederholen

Mehrstufige Agenten benötigen vollständige Nachrichten, Thinking- und Signature-Blöcke, Tool-Call-IDs, Argumente und Ergebnisse. Nur den finalen Text zu behalten unterbricht die Zustandskontinuität.

Tool-Status
04

reasoning_content in jedem Turn zurücksenden

preserve_thinking ist standardmäßig aktiv. Jeder assistant-Eintrag mit reasoning_content muss unverändert zurückgesendet werden und darf nicht in content zusammengeführt werden. Diese Token werden als Eingabe berechnet.

Thinking-Replay
05

Explizite Caches über Chat oder Messages erstellen

Cache-Lesen funktioniert über alle drei Protokolle. Große explizite Caches sind am Responses-Endpunkt upstream jedoch am wenigsten zuverlässig. Markieren Sie cache_control-Präfixe über Chat Completions oder Anthropic Messages und lesen Sie sie über ein beliebiges Protokoll.

Caching

Explizites und implizites Prompt-Caching

Markieren Sie wiederverwendbare Präfixe mit cache_control; Treffer kosten 10 % des Eingabepreises. Ohne Markierung greift implizites Caching automatisch zu 20 %. Explizites Schreiben kostet 125 %, daher muss sich die Wiederverwendung lohnen. Das Gateway behält cache_control-Marker bei.

1M Token Kontext mit steuerbarem Reasoning

Halten Sie zusammengehörigen Code, Spezifikationen, Dokumente und Agentenstatus in einem Kontext und steuern Sie Reasoning mit reasoning_effort. Das Fenster ist Kapazität, kein Füllziel: Verwenden Sie relevante Evidenz und ein passendes Ausgabebudget.

Bei Qwen3.8 Max die Kosten pro akzeptierter Aufgabe vergleichen, nicht nur den Token-Preis

Qwen3.8 Max rechtfertigt eine Premiumroute nur, wenn es bei demselben Produktions-Workload Chunking, Retries, fehlerhafte Tool-Ketten oder manuelle Nacharbeit reduziert. Vergleichen Sie identische Aufgabensätze.

Erfolg im ersten VersuchAkzeptierte ErgebnisseAnzahl der RetriesAusgabe-TokenCache-TrefferrateGültige Tool-AufrufeZeit bis zum akzeptierten ErgebnisKorrektur- und Fallback-Rate

Wenn das Modell mit weniger Retries und Review-Aufwand nutzbare Ergebnisse liefert, kann der kostenbasierte Tokenpreis die Gesamtkosten senken. Bleibt dieser Vorteil aus, sollte die Aufgabe auf einer leichteren Route bleiben.

Qwen3.8 Max nach dem Workload-Test mit führenden Long-Context-Modellen vergleichen

EvoLink

Prüfen Sie zuerst, ob Qwen3.8 Max Retries und Review-Aufwand in Ihren Aufgaben reduziert. Vergleichen Sie danach Preis, Kontext, Caching und Workload-Eignung.

Qwen3.8 Max
Eingabe / Ausgabe$1.9 / $5.7
Kontext1.05M
CachingExplizit + implizit
Geeignet fürRepository-weite Entwicklung, Synthese mehrerer Dokumente, Tool-intensive Agenten über Chat, Responses oder Messages und schwierige Aufgaben, bei denen weniger Retries und Korrekturen eine Premiumroute rechtfertigen.
Claude Opus 5
Eingabe / Ausgabe$4.75 / $23.75
Kontext1M
CachingLesen + Schreiben
Geeignet fürPremium-Basislinie für lang laufende Coding-Agenten, komplexe Reviews und urteilsintensive professionelle Workflows.
Kimi K3
Eingabe / Ausgabe$2.85 / $14.25
Kontext1M
CachingLesen + Schreiben
Geeignet fürMoonshot-Long-Context-Route der Mittelklasse für Repository-weite Entwicklung und die Analyse mehrerer Dokumente.

Weitere Textmodelle auf EvoLink neben Qwen3.8 Max

Claude Opus 5

Claude Opus 5

Premium-Basislinie für lang laufende Coding-Agenten, komplexe Reviews und urteilsintensive professionelle Workflows.

Modell ansehen
Kimi K3

Kimi K3

Moonshot-Long-Context-Route der Mittelklasse für Repository-weite Entwicklung und die Analyse mehrerer Dokumente.

Modell ansehen
DeepSeek V4 Pro

DeepSeek V4 Pro

Kostenbewusste Basislinie für Coding, Reasoning und Agenten mit hohem Volumen und 1M Kontext.

Modell ansehen
GPT-5.6

GPT-5.6

Sol-, Terra- und Luna-Stufen zum Vergleich von Fähigkeit, Latenz und kostenbasiertem Routing.

Modell ansehen

Weiterführende Artikel zu Qwen3.8 Max

Qwen3.8 Max Release und Funktionen

Qwen3.8 Max Release und Funktionen

Produktionsrelease, Unterschiede zu frühen Kanälen, offizielle Fähigkeiten und Open-Weight-Status voneinander abgrenzen.

Leitfaden lesen
Qwen3.8 Max Benchmark-Evidenz

Qwen3.8 Max Benchmark-Evidenz

Offizielle Ergebnisse, Evidenz Dritter und den Produktions-Testplan von EvoLink prüfen.

Leitfaden lesen
Qwen3.8 Max vs Qwen3.7 Max

Qwen3.8 Max vs Qwen3.7 Max

Mit einer reversiblen Checkliste zwischen Beibehalten, Canary und vollständiger Migration wählen.

Leitfaden lesen
Qwen3.8 Max vs Kimi K3

Qwen3.8 Max vs Kimi K3

Coding, Agenten, langen Kontext, Kosten sowie Haupt-, Challenger- und Fallback-Rollen vergleichen.

Leitfaden lesen

Qwen3.8 Max API FAQ

Welche Modell-ID verwendet die Qwen3.8 Max API?

Verwenden Sie bei EvoLink qwen3.8-max für Chat Completions, Responses und Anthropic Messages.

Welche API-Protokolle werden unterstützt?

OpenAI Chat Completions, OpenAI Responses und Anthropic Messages. Alle drei bedienen dasselbe Modell mit vollständigem Byte-Passthrough.

Welches Max-Token-Feld sollte ich verwenden?

Chat nutzt max_completion_tokens, Responses nutzt max_output_tokens und Anthropic Messages verlangt max_tokens. Das native Endpunktfeld ist am sichersten.

Unterstützt das Modell 1M Token Kontext?

Die EvoLink-Route führt ein Kontextfenster von 1.048.576 Token. Nutzen Sie es für tatsächlich zusammengehörige Dateien, Dokumente und Agentenstatus statt zum standardmäßigen Auffüllen.

Wie funktioniert das Reasoning?

Reasoning ist standardmäßig aktiv und über reasoning_effort mit xhigh, medium oder low steuerbar. reasoning_effort und thinking_budget dürfen nicht gemeinsam gesendet werden. Thinking- und Signature-Blöcke bleiben am Messages-Endpunkt erhalten.

Muss reasoning_content in mehrstufigen Chats erneut gesendet werden?

Ja. preserve_thinking ist standardmäßig aktiv. Jeder assistant-Eintrag mit reasoning_content muss unverändert zurückgesendet werden und darf nicht in content aufgehen. Diese Token werden als Eingabe berechnet.

Wie funktioniert Caching und was kostet es?

Explizites Caching über cache_control und automatisches implizites Caching werden unterstützt; eine Anfrage nutzt nur einen Modus. Explizite Treffer kosten 10 %, implizite 20 %. Explizites Schreiben kostet 125 % der Eingabe, implizites Caching hat keine Schreibgebühr.

Kann ich das OpenAI SDK oder Anthropic Messages verwenden?

Ja. Behalten Sie denselben EvoLink API-Schlüssel, wählen Sie qwen3.8-max und verwenden Sie Chat Completions, Responses oder Anthropic Messages.

Eignet sich das Modell als Standard für Echtzeit oder hohes Volumen?

Meist nicht ohne Tests. Maximales Reasoning und lange Ausgaben erhöhen bei einfachen Aufgaben Latenz und Kosten. Kurze Chats, Klassifikation und leichte Extraktion sollten auf einer kleineren Route bleiben.

Wie wird das Modell abgerechnet?

Die Abrechnung umfasst Eingabe, Ausgabe, Cache-Schreiben und Cache-Lesen zum Selbstkostenpreis, wobei Cache-Lesen einen expliziten und impliziten Tarif hat. Live-Backendpreise haben Vorrang.