GPT Image 2.5 Flare & Sunburst sont disponibles sur EvoLinkEssayer GPT Image 2.5
EvoLink.AIEvoLink.AI

Qwen3.8 Max API

Accédez à Qwen3.8 Max de Alibaba Qwen — aussi recherché sous Qwen 3.8 Max / Qwen3.8-Max — via l'API de chat unifiée d'EvoLink. Testez le codage à long contexte, l'usage d'outils, la sortie structurée avant d'intégrer.

Alibaba QwenGénération de texteDisponible
à partir de $1.900 / 1M tokens d’entrée$2.000 prix officiel-5%
Documentation API
Raisonnement à long contexteRaisonnement contrôlableFunction calling + sortie structuréeCache explicite + impliciteChat + Responses + Messages
Route productionLive
Contexte
1.05M de contexte · 131K de sortie max.
Idéal pour
Ingénierie à l’échelle d’un dépôt, synthèse multi-documents, agents à forts appels d’outils
Entrée
Texte + images
Sortie
Texte · JSON (sortie structurée) · appels d'outils
ModèlesTarifsReadmeAPI

Choisir Qwen3.8 Max

Une route de raisonnement premium accessible via trois protocoles API, conçue pour le code à l’échelle d’un dépôt, les longs documents, les grands corpus de preuves, les agents de longue durée et les tâches complexes profitant d’un contexte de 1 048 576 tokens.

Qwen3.8 Max

Modèle phare Max d’Alibaba Tongyi Qwen

Sélectionné
ID du modèle
qwen3.8-max
Idéal pour

Ingénierie sur un dépôt complet, synthèse multi-document, agents riches en outils via Chat, Responses ou Messages et tâches difficiles où moins de retries et de corrections justifient une route premium.

Entrée
$1.900 / 1M-5%
129.2 cr / 1M$2.000prix officiel
Sortie
$5.700 / 1M-5%
387.6 cr / 1M$6.000prix officiel
Écriture cache
$2.375 / 1M-5%
161.5 cr / 1M$2.500prix officiel
Lecture cache (implicite)
$0.381 / 1M-5%
25.9 cr / 1M$0.400prix officiel
Lecture cache (explicite)
$0.192 / 1M-4%
13 cr / 1M$0.200prix officiel

Tous les tarifs sont par 1M de tokens, en USD et en crédits, et reflètent la tarification actuelle de votre compte.

Tarifs Qwen3.8 Max

Estimez le coût d'une requête Qwen3.8 Max avant l'intégration. Le calculateur utilise les tarifs actuels de votre compte ; les prix officiels servent de référence.

Calculateur de requête

Saisissez la répartition des tokens d'une requête et le nombre d'appels d'outils réussis.
Mode de lecture du cache

Une requête utilise un seul mode. Explicite : envoyez cache_control, créez le cache à 125 % du tarif d’entrée puis payez 10 % à chaque hit. Implicite : rien à envoyer, aucune écriture facturée et hits à 20 %.

Coût estimé par requête

Qwen3.8 Max · Implicite
USD$0.0037
Crédits0.2507

Estimation officielle $0.0039 · économie $0.0002 (5%)

Tokens d'entrée0.1292 cr
Tokens écrits en cache0 cr
Tokens lus en cache · Implicite0.0052 cr
Tokens de sortie0.1163 cr

Facturation minimale : 0.01 crédit par requête. Le cache explicite et le cache implicite ont des tarifs différents ; une requête utilise un seul mode.

Guide budgétaire

Nombre approximatif de requêtes avec la répartition actuelle.
Ajouter des crédits
$10
Environ 2592 requêtes

Pour des tests rapides

$50
Environ 13562 requêtes

Pour le développement courant

$100
Environ 27124 requêtes

Pour l'évaluation en production

Tarifs des outils côté serveur

Seuls les appels côté serveur réussis sont facturés à l'appel ; les tentatives échouées n'ont pas de frais d'outil, mais les tokens restent facturés.
  • Recherche web (turbo)Chat$0.010par appel0.68 cr par appel
  • Recherche web (max)Chat$0.010par appel0.68 cr par appel
  • Recherche webResponses$0.010par appel0.68 cr par appel
  • Recherche web (image)Responses$0.0080par appel0.544 cr par appel
  • Recherche d'imagesResponses$0.0080par appel0.544 cr par appel
  • Analyse PDFChat$0.0033par page0.2244 cr par page

API Qwen3.8 Max pour le raisonnement long contexte et les agents

Accédez au modèle phare Max d’Alibaba Tongyi Qwen via l’API unifiée EvoLink. Qwen3.8 Max sert le même modèle avec OpenAI Chat Completions, OpenAI Responses et Anthropic Messages en byte passthrough complet, une fenêtre de 1 048 576 tokens, un raisonnement contrôlable et un cache de prompts explicite ou implicite pour l’ingénierie à l’échelle d’un dépôt, les longs documents et les workflows d’outils multi-étapes.

Qwen3.8 Max est servi sur EvoLink sous l'ID de modèle qwen3.8-max via Chat Completions · Responses · Anthropic Messages, avec la même clé API et le même solde que tous les autres modèles. Il offre une fenêtre de contexte de 1.05M et jusqu'à 131K tokens de sortie, ainsi que le codage à long contexte, l'usage d'outils, la sortie structurée.

Qwen3.8 Max

Spécifications et capacités de Qwen3.8 Max

Les chiffres proviennent de la configuration de route EvoLink ; les capacités sont celles que l'API expose aujourd'hui.

Fenêtre de contexte
1.05M tokens
Sortie max.
131K tokens
Entrée
Texte + images
Sortie
Texte · JSON (sortie structurée) · appels d'outils
Raisonnement
Effort de raisonnement configurable
Usage d'outils
Appels de fonctions avec séquences d'outils multi-étapes
Cache de prompt
Paliers de cache explicite + implicite
Outils côté serveur
Recherche web (turbo), Recherche web (max), Recherche web, Recherche web (image), Recherche d'images, Analyse PDF, facturés par appel réussi
Protocoles
Chat Completions · Responses · Anthropic Messages
ID du modèle
qwen3.8-max
Paramètres
2.4T

Pourquoi Qwen3.8 Max peut traiter ces charges

La valeur vient de la combinaison du contexte long, du raisonnement continu et des préfixes réutilisables. La capacité seule n’améliore pas une réponse : preuves pertinentes, structure claire et budget de sortie restent nécessaires.

1M tokens comme espace de travail, pas comme cible

La fenêtre de 1 048 576 tokens conserve code, spécifications et résultats d’outils liés sans découpage excessif. Retrieval et compactage restent importants, car le contenu inutile consomme attention et coût.

Le raisonnement continu exige un budget de sortie

Les tokens de raisonnement et de réponse finale comptent dans l’usage. Traitez la limite comme une capacité, pas comme une longueur normale, et fixez un budget adapté avec reasoning_effort.

Le cache est rentable avec des préfixes stables

Instructions du dépôt, prompts système, références et schémas d’outils offrent le meilleur potentiel si leur ordre reste stable. Des changements fréquents peuvent imposer de retraiter le long préfixe.

Function calling, outils intégrés et Structured Output

Qwen répertorie function calling, outils intégrés et Structured Output pour le modèle de production. Validez le comportement exact des outils et schémas via la route EvoLink avant d’augmenter le trafic.

La place de Qwen3.8 Max dans une pile de modèles en production

Un modèle phare ne doit pas devenir la route par défaut pour chaque requête. Il est surtout pertinent lorsque le contexte long, le raisonnement continu ou les chaînes d’outils réduisent reprises, transferts et corrections humaines.

Code à l’échelle d’un dépôt

Utilisez-le lorsque la tâche dépend de documents d’architecture, de services liés, de l’historique des tests, de grands diffs et de contraintes réparties entre fichiers. Mesurez les correctifs acceptés et le temps de revue plutôt que la qualité d’un extrait isolé.

Analyse de longs documents

Conservez spécifications, études, contrats, journaux et preuves liées dans un même contexte. La recherche d’information et la structure restent essentielles : une fenêtre 1M ne rend pas le contenu hors sujet utile.

Agents avec outils sur trois protocoles

Adapté à la sélection d’outils multi-étapes, aux sorties structurées et aux actions externes répétées via Chat, Responses ou Messages. Préservez messages, thinking, IDs d’appel, arguments et résultats entre les tours.

Quand préférer un modèle plus léger

Chat court, classification, réécriture, extraction simple et actions UI sensibles à la latence ont rarement besoin du raisonnement maximal ou d’un contexte 1M. Gardez-les sur une route moins chère et n’escaladez que si la difficulté le justifie.

Ce qui distingue Qwen3.8 Max sur EvoLink

Il s’agit de capacités contractuelles de la route EvoLink, pas de conclusions de benchmark. Vérifiez latence, qualité et comportement du cache sur vos tâches avant d’en faire une route par défaut.

Byte passthrough sur trois protocoles

OpenAI Chat, OpenAI Responses et Anthropic Messages atteignent le même modèle par byte passthrough : thinking, signatures et marqueurs de cache ne sont pas re-sérialisés avec perte dans le gateway.

Cache de prompts explicite et implicite

cache_control marque les préfixes réutilisables avec des lectures à 10 % du tarif d’entrée ; le cache implicite agit automatiquement à 20 %. Les deux modes sont exclusifs par requête et le gateway conserve les marqueurs.

Effort de raisonnement contrôlable

Le raisonnement est actif en xhigh par défaut et réglable sur medium ou low avec reasoning_effort. Le gateway transmet le champ sans forcer son état. N’envoyez pas reasoning_effort et thinking_budget ensemble.

Le thinking doit être rejoué entre les tours

preserve_thinking est actif par défaut. Chaque reasoning_content de l’assistant doit être renvoyé inchangé et ne peut pas être fusionné dans content. Le raisonnement rejoué est facturé en tokens d’entrée.

Deux façons d'utiliser Qwen3.8 Max : API EvoLink ou Agent

Utilisez l'API EvoLink pour les backends produit et les traitements par lots, ou appelez Qwen3.8 Max depuis Codex, Claude ou Gemini pour vos workflows de code et d'analyse. Les deux voies partagent la même clé API EvoLink, le même solde, le même ID de modèle et le même historique de requêtes.

Option 1

Intégrer avec l'API EvoLink

Idéal pour : backends produit, traitements par lots, pipelines automatisés

Envoyez à EvoLink des requêtes Chat Completions compatibles OpenAI (ou Anthropic Messages) et contrôlez l'ID de modèle, le prompt système, le budget de sortie, les outils et la sortie structurée.

  1. 1Créez une clé API EvoLink dans la console
  2. 2Pointez votre SDK OpenAI ou Anthropic vers l'URL de base EvoLink et sélectionnez l'ID de modèle affiché ci-dessus
  3. 3Envoyez une requête représentative et lisez le champ usage pour les tokens d'entrée, en cache et de sortie
  4. 4Définissez max_tokens et les réessais par tâche ; conservez les ID et résultats des appels d'outils entre les tours
Créer une clé API EvoLink
Option 2

L'appeler avec un Agent

Idéal pour : tâches de code, de revue et d'analyse dans Codex, Claude et Gemini

Donnez à l'Agent la tâche, les entrées à inclure et les critères d'acceptation. Il assemble la requête, appelle Qwen3.8 Max via EvoLink et renvoie la réponse avec la consommation de tokens.

  1. 1Définissez EVOLINK_API_KEY dans votre environnement local ; jamais dans le code ni dans un prompt
  2. 2Décrivez la tâche, les entrées à inclure et le format de sortie attendu
  3. 3Demandez à l'Agent d'appeler Qwen3.8 Max via EvoLink et d'afficher la requête avant l'envoi
  4. 4Laissez l'Agent rapporter la réponse, la consommation de tokens et tout corps d'erreur

Exemple de code API Qwen3.8 Max et gestion des erreurs

Cet exemple montre la requête exécutable la plus courte : un appel Chat Completions compatible OpenAI avec un prompt système, un message utilisateur et un budget de sortie. Ouvrez l'onglet API pour la référence complète des paramètres et réponses.

Voir la documentation API complète
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).

Requête invalide ou paramètre non pris en charge

Vérifiez l'ID de modèle, le tableau messages et les plages de paramètres dans la référence API ; retirez les champs que cette route ne prend pas en charge.

Problème d'authentification ou de solde

Vérifiez le jeton Bearer Authorization et confirmez le solde disponible dans la console.

Longueur de contexte dépassée

Les tokens du prompt dépassent la fenêtre de contexte de Qwen3.8 Max. Réduisez ou ne récupérez que les éléments pertinents et réutilisez les préfixes en cache.

Limite de débit (429)

Attendez et réessayez avec un délai aléatoire ; regroupez ou mettez en file d'attente les requêtes au lieu de rafales parallèles.

Contenu ou appel d'outil rejeté

Vérifiez le contenu sensible, les arguments d'appel d'outil mal formés et les écarts de schéma JSON avant de réessayer.

À vérifier avant d’envoyer du trafic de production vers Qwen3.8 Max

Une charge adaptée peut échouer à cause d’un mauvais identifiant, d’un champ maximum incorrect ou d’un état d’agent perdu. Vérifiez la surface de requête avant d’évaluer la qualité du modèle.

01

Utiliser l’ID qwen3.8-max

La route EvoLink utilise qwen3.8-max pour Chat Completions, Responses et Anthropic Messages.

ID du modèle
02

Utiliser le bon champ maximum par endpoint

Chat utilise max_completion_tokens, Responses max_output_tokens et Anthropic Messages exige max_tokens. Un mauvais champ peut être ignoré ou rejeté upstream.

Endpoints
03

Rejouer thinking et état des outils au complet

Les agents multi-tours doivent conserver messages, blocs thinking et signature, IDs d’appel, arguments et résultats. Garder uniquement le texte final rompt la continuité d’état.

État des outils
04

Renvoyer reasoning_content à chaque tour

preserve_thinking est actif par défaut. Chaque reasoning_content de l’assistant doit être renvoyé inchangé et ne peut pas être fusionné dans content. Ces tokens sont facturés en entrée.

Replay du thinking
05

Créer les caches explicites via Chat ou Messages

Les lectures fonctionnent sur les trois protocoles, mais créer un grand cache explicite avec Responses est la voie upstream la moins fiable. Marquez les préfixes cache_control via Chat Completions ou Anthropic Messages, puis lisez-les depuis tout protocole.

Cache

Cache de prompts explicite et implicite

Marquez les préfixes réutilisables avec cache_control : les lectures coûtent 10 % du tarif d’entrée. Sans marqueur, le cache implicite s’applique à 20 %. Une écriture explicite coûte 125 %, elle doit donc être assez réutilisée. Le gateway conserve les marqueurs cache_control.

Contexte 1M avec raisonnement contrôlable

Conservez code, spécifications, documents et état d’agent liés dans un même contexte et contrôlez le raisonnement avec reasoning_effort. La fenêtre est une capacité, pas une cible : récupérez les preuves utiles et fixez un budget de sortie adapté.

Comparez le coût par tâche acceptée de Qwen3.8 Max, pas seulement le prix du token

Qwen3.8 Max ne justifie une route premium que s’il réduit découpage, retries, chaînes d’outils en échec ou reprise humaine sur la même charge. Comparez des ensembles de tâches identiques.

Réussite au premier essaiLivrables acceptésNombre de retriesTokens de sortieTaux de cache hitAppels d’outils validesDélai jusqu’au résultat acceptéCorrection humaine et fallback

Si le modèle fournit des résultats utilisables avec moins de retries et de revue, un tarif au coût peut réduire le coût total. Sinon, gardez la charge sur une route plus légère.

Comparer Qwen3.8 Max aux principaux modèles à long contexte après les tests de charge

EvoLink

Vérifiez d’abord si Qwen3.8 Max réduit retries et temps de revue sur vos tâches. Comparez ensuite tarifs, contexte, cache et adéquation pour choisir la route de production.

Qwen3.8 Max
Entrée / sortie$1.9 / $5.7
Contexte1.05M
CacheExplicite + implicite
Idéal pourIngénierie sur un dépôt complet, synthèse multi-document, agents riches en outils via Chat, Responses ou Messages et tâches difficiles où moins de retries et de corrections justifient une route premium.
Claude Opus 5
Entrée / sortie$4.75 / $23.75
Contexte1M
CacheLecture + écriture
Idéal pourRéférence premium pour les agents de code longue durée, les revues complexes et les workflows exigeant beaucoup de jugement.
Kimi K3
Entrée / sortie$2.85 / $14.25
Contexte1M
CacheLecture + écriture
Idéal pourRoute Moonshot à long contexte pour les grands dépôts et le raisonnement multi-document à un tarif intermédiaire.

Autres modèles texte sur EvoLink en plus de Qwen3.8 Max

Claude Opus 5

Claude Opus 5

Référence premium pour les agents de code longue durée, les revues complexes et les workflows exigeant beaucoup de jugement.

Voir le modèle
Kimi K3

Kimi K3

Route Moonshot à long contexte pour les grands dépôts et le raisonnement multi-document à un tarif intermédiaire.

Voir le modèle
DeepSeek V4 Pro

DeepSeek V4 Pro

Référence économique pour le code, le raisonnement et les agents à fort volume avec un contexte 1M.

Voir le modèle
GPT-5.6

GPT-5.6

Les niveaux Sol, Terra et Luna permettent de comparer capacités, latence et souplesse de routage par coût.

Voir le modèle

Pour aller plus loin avec Qwen3.8 Max

Sortie et fonctions de Qwen3.8 Max

Sortie et fonctions de Qwen3.8 Max

Distinguez version de production, canaux précoces, capacités officielles et statut des poids ouverts.

Lire le guide
Preuves de benchmark Qwen3.8 Max

Preuves de benchmark Qwen3.8 Max

Examinez résultats officiels, preuves tierces et plan de tests de production EvoLink.

Lire le guide
Qwen3.8 Max vs Qwen3.7 Max

Qwen3.8 Max vs Qwen3.7 Max

Choisissez entre maintien, canary ou migration grâce à une checklist réversible.

Lire le guide
Qwen3.8 Max vs Kimi K3

Qwen3.8 Max vs Kimi K3

Comparez code, agents, long contexte, coût et rôles principal, challenger et fallback.

Lire le guide

FAQ sur l’API Qwen3.8 Max

Quel est l’ID du modèle pour l’API Qwen3.8 Max ?

Utilisez qwen3.8-max sur EvoLink pour Chat Completions, Responses et Anthropic Messages.

Quels protocoles API sont pris en charge ?

OpenAI Chat Completions, OpenAI Responses et Anthropic Messages. Les trois servent le même modèle avec un byte passthrough complet.

Quel champ de tokens maximum utiliser ?

Chat utilise max_completion_tokens, Responses max_output_tokens et Anthropic Messages exige max_tokens. Le champ natif de l’endpoint reste le choix le plus sûr.

Le modèle prend-il en charge un contexte de 1M tokens ?

La route EvoLink expose une fenêtre de 1 048 576 tokens. Utilisez-la pour des fichiers, documents et états d’agent réellement liés, sans chercher à la remplir par défaut.

Comment fonctionne le raisonnement ?

Il est actif par défaut et contrôlé par reasoning_effort : xhigh, medium ou low. N’envoyez pas reasoning_effort et thinking_budget ensemble. Le gateway conserve les blocs thinking et signature sur Messages.

Faut-il renvoyer reasoning_content dans un échange multi-tour ?

Oui. preserve_thinking est actif par défaut. Chaque reasoning_content de l’assistant doit être renvoyé inchangé et ne peut pas être fusionné dans content. Ces tokens sont facturés en entrée.

Comment fonctionne le cache et combien coûte-t-il ?

Le cache explicite via cache_control et le cache implicite automatique sont pris en charge, avec un seul mode par requête. Les hits explicites coûtent 10 %, les implicites 20 %. L’écriture explicite coûte 125 % de l’entrée ; l’implicite n’a pas de coût d’écriture séparé.

Puis-je utiliser le SDK OpenAI ou Anthropic Messages ?

Oui. Gardez la même clé API EvoLink, sélectionnez qwen3.8-max et utilisez Chat Completions, Responses ou Anthropic Messages.

Est-ce un bon choix par défaut pour le temps réel ou le haut volume ?

Généralement pas sans test. Le raisonnement maximal et les longues sorties augmentent latence et coût des tâches simples. Gardez chat court, classification et extraction légère sur une route plus petite.

Comment le modèle est-il facturé ?

Entrée, sortie, écriture et lecture du cache sont facturées au coût, avec un tarif explicite et un tarif implicite pour la lecture. Les tarifs live du backend sont prioritaires.