GPT 2.6, Veo 3.1, Seedance 2.5, Kling 4 in deAPI!
Web-search and web-contents are now available via API
Browse all Models
Browse all
Browse all
Browse all

LLM · Vision

Qwen3.8 Max API, wypróbuj za darmo

Qwen3.8 Max to flagowy duży model językowy z serii Qwen od Alibaby, zapowiedziany w sierpniu 2026. Czyta tekst i obrazy, rozumuje przed odpowiedzią i mieści do 1 mln tokenów kontekstu. deAPI udostępnia go na endpoincie zgodnym z OpenAI, więc OpenAI SDK działa po zmianie base URL, klucza i identyfikatora modelu.

  • Tekst i obrazy na wejściu, okno kontekstowe 1 000 000 tokenów
  • Wynik według JSON schema, wywołania narzędzi i streaming
  • reasoning_effort na siedmiu poziomach, od none do max

Bez karty kredytowej · Darmowe kredyty są ważne 30 dni · Potem doładowujesz konto i płacisz za użycie, bez abonamentu

Qwen3.8 Max LLM · Vision

model: "qwen3.8-max"
reasoning_effort: "low"

system: You are a senior SQL engineer. Explain in two sentences, then give the fixed query.

user

Why are customers with no orders missing from the result?

SELECT c.name, COUNT(o.id) AS orders
FROM customers c
LEFT JOIN orders o ON o.customer_id = c.id
WHERE o.created_at >= '2026-01-01'
GROUP BY c.name;
assistant reasoning_content · 165 tokenów

The WHERE clause filters after the join, so when a customer has no orders, o.created_at is NULL and the condition evaluates to UNKNOWN, discarding that row. Move the date filter into the ON clause so it only restricts which orders get matched, preserving unmatched customers.

SELECT c.name, COUNT(o.id) AS orders
FROM customers c
LEFT JOIN orders o
       ON o.customer_id = c.id
      AND o.created_at >= '2026-01-01'
GROUP BY c.name;
tokeny: 126 wejściowych + 292 wyjściowe (165 na rozumowanie) · 9,0 s Koszt w deAPI: 0,0022 $ (stan na listopad 2026)

Zastosowania Qwen3.8 Max

Cztery zadania, do których model pasuje, każde z liczbą na poparcie. Wszystkie działają na tym samym kluczu deAPI co transkrypcja, OCR i generowanie obrazów.

  1. Faktury, paragony i formularze. Wyślij zdjęcie lub skan jako image_url razem z JSON schema. Dla wygenerowanej niemieckiej faktury poniżej model zwrócił wszystkie 10 pól w obu z dwóch przebiegów, z datami w formacie ISO i kwotami jako liczbami. Pierwszy przebieg trwał 10,8 sekundy.

  2. Agenci kodujący. Karta modelu Alibaby podaje 86,6 w Terminal Bench 2.1 (harness Claude Code, średnia z 10 przebiegów) i 67,7 w SWE-bench Pro (harness Claude Code). Narzędzia do kodowania, które obsługują OpenAI Chat Completions API, możesz skierować na https://oai.deapi.ai/v1.

  3. Długie transkrypcje i dokumenty. Okno kontekstowe mieści 1 000 000 tokenów, prompt i odpowiedź łącznie, a jedna odpowiedź może mieć do 131 072. Alibaba podaje 92,9 w MRCR v2 (256K, 8-needle), teście wyszukiwania informacji w długim kontekście. Zrób transkrypcję całego dnia rozmów sprzedażowych modelem WhisperLargeV3Ct2 i w jednym zapytaniu poproś o obiekcje, ustalone dalsze kroki i cytaty.

  4. Agenci, którzy wywołują deAPI. Opisz endpointy deAPI jako narzędzia. Poproszony o rozdziały filmu z YouTube, model wywołał transcribe_video z include_ts: true (jeden przebieg). Twój kod wykonuje to wywołanie i odsyła transkrypcję.

Niemiecka faktura od Nordlicht Studio GmbH z trzema pozycjami i sumą 2677,50 EUR
Odpowiedź: message.content
{
  "invoice_number": "NS-2026-0418",
  "issue_date": "2026-11-03",
  "due_date": "2026-11-17",
  "seller": "Nordlicht Studio GmbH",
  "seller_vat_id": "DE298765431",
  "net": 2250.0,
  "vat": 427.5,
  "total": 2677.5,
  "currency": "EUR",
  "iban": "DE44 1001 0010 0123 4567 89"
}
Przykład z fakturą: obraz na wejściu, JSON na wyjściu System: „Extract invoice fields. Dates as YYYY-MM-DD, amounts as numbers.” Użytkownik: „Extract the fields from this invoice.” JSON schema z 10 polami, temperatura 0. Tokeny: 1070 wejściowych + 394 wyjściowe (222 na rozumowanie), 10,8 s przy pierwszym wywołaniu.

Cennik Qwen3.8 Max API

Płacisz za tokeny z tego samego doładowanego salda co za każdy inny model w deAPI. Tokeny rozumowania wchodzą w skład completion_tokens w usage. Bez abonamentu.

Wejście (tekst i obrazy) 2,20 $ ≈ 2,2 mln tokenów
Wejście z cache (powtórzony początek promptu) 0,275 $ ≈ 18 mln tokenów
Wyjście (odpowiedź i rozumowanie) 6,60 $ ≈ 0,7 mln tokenów
Pytanie z góry strony, jedno wywołanie 0,0022 $ ≈ 2 200 wywołań
Przykład z fakturą, jedno wywołanie 0,005 $ ≈ 1 000 wywołań

Co zawiera darmowe konto

  • 5 $ kredytów po dodaniu karty płatniczej
  • Około 1 000 wywołań takich jak przykład z fakturą
  • Kredyty ważne 30 dni, potem doładowujesz konto i płacisz za użycie
Odbierz 5 $ na start

Ceny dla qwen3.8-max w USD, listopad 2026. Liczby tokenów z pytania na górze strony i z przykładu z fakturą. Limity kontekstu i wyjścia z GET https://oai.deapi.ai/v1/models.

Qwen3.8 Max vs Qwen3.8 Flash vs Kimi K3

Wejście Tekst, obraz Tekst, obraz Tekst, obraz
Kontekst 1 000 000 tokenów 1 000 000 tokenów 1 000 000 tokenów
Maks. wyjście 131 072 tokeny 131 072 tokeny 131 072 tokeny
reasoning_effort od none do max, 7 poziomów od none do max, 7 poziomów od none do max, 7 poziomów
Cena za 1 mln, wejście / wyjście 2,20 $ / 6,60 $ 0,165 $ / 0,517 $ 3,30 $ / 16,50 $

Typy wejścia i limity z GET /v1/models. Każdy poziom reasoning_effort został wysłany do każdego modelu raz, 16 listopada 2026, i przyjęty. Ceny w USD, listopad 2026.

Przykładowe zapytanie do API Qwen3.8 Max

Jedno zapytanie POST na https://oai.deapi.ai/v1/chat/completions z kluczem deAPI jako tokenem Bearer. W OpenAI SDK ustawiasz base_url, klucz deAPI i identyfikator modelu, a reszta wywołania Chat Completions zostaje bez zmian. W miejsce YOUR_API_KEY wstaw klucz z panelu.

Identyfikator modelu
qwen3.8-max
Endpoint
POST https://oai.deapi.ai/v1/chat/completions
Wejście
Tekst i obrazy jako części image_url: data URL w base64 albo publiczny link HTTPS. Pliki PDF i audio są odrzucane.
Kontekst i wyjście
Okno kontekstowe 1 000 000 tokenów (prompt i odpowiedź łącznie), do 131 072 tokenów na odpowiedź
Rozumowanie
reasoning_effort: none, minimal, low, medium, high, xhigh lub max. Rozumowanie wraca w reasoning_content, a tokeny rozumowania wliczają się do max_tokens.
Opcje wyniku
response_format z json_schema (strict) lub json_object, tools, stream
curl https://oai.deapi.ai/v1/chat/completions \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "qwen3.8-max",
    "reasoning_effort": "none",
    "messages": [
      {"role": "system", "content": "Sort support tickets. Reply with one word: billing, bug, feature or other."},
      {"role": "user", "content": "I was charged twice for the November top-up."}
    ]
  }'
import base64, json
from openai import OpenAI

client = OpenAI(base_url="https://oai.deapi.ai/v1", api_key="YOUR_API_KEY")

with open("invoice.png", "rb") as f:
    image = "data:image/png;base64," + base64.b64encode(f.read()).decode()

schema = {
    "type": "object",
    "additionalProperties": False,
    "required": ["invoice_number", "issue_date", "due_date", "seller",
                 "seller_vat_id", "net", "vat", "total", "currency", "iban"],
    "properties": {
        "invoice_number": {"type": "string"},
        "issue_date": {"type": "string"},
        "due_date": {"type": "string"},
        "seller": {"type": "string"},
        "seller_vat_id": {"type": "string"},
        "net": {"type": "number"},
        "vat": {"type": "number"},
        "total": {"type": "number"},
        "currency": {"type": "string"},
        "iban": {"type": "string"},
    },
}

response = client.chat.completions.create(
    model="qwen3.8-max",
    temperature=0,
    messages=[
        {"role": "system", "content": "Extract invoice fields. "
         "Dates as YYYY-MM-DD, amounts as numbers."},
        {"role": "user", "content": [
            {"type": "text", "text": "Extract the fields from this invoice."},
            {"type": "image_url", "image_url": {"url": image}},
        ]},
    ],
    response_format={"type": "json_schema",
                     "json_schema": {"name": "invoice", "strict": True, "schema": schema}},
)

invoice = json.loads(response.choices[0].message.content)
print(invoice["total"], invoice["currency"])  # 2677.5 EUR
print(response.usage)

Czym jest Qwen3.8 Max?

Qwen3.8 Max to model sparse Mixture-of-Experts, który Alibaba zapowiedziała 3 sierpnia 2026 jako najmocniejszy model w swojej serii Qwen. Alibaba podaje jego rozmiar jako 2,4 biliona parametrów, z czego 95 miliardów jest aktywnych na token. Model czyta tekst i obrazy, pisze tekst i potrafi rozumować przed odpowiedzią. W deAPI wywołujesz go jak każdy model czatu OpenAI i płacisz za tokeny.

  1. Załóż darmowe konto

    Zarejestruj się i odbierz 5 $ kredytów.

  2. Skieruj klienta na deAPI

    Ustaw base_url na https://oai.deapi.ai/v1 i użyj klucza deAPI.

  3. Wyślij zapytanie

    Jako model podaj qwen3.8-max, a odpowiedź odczytaj z choices[0].message.content.

Qwen3.8 Max: najczęstsze pytania

Tak. deAPI udostępnia go pod adresem https://oai.deapi.ai/v1 z identyfikatorem modelu qwen3.8-max, w formacie zapytań i odpowiedzi OpenAI Chat Completions API. Jeśli twój kod już używa OpenAI SDK, zmieniasz trzy wartości: base_url, klucz API i model. Zanim przełączysz ruch, uruchom własne testy.
Nowe konto deAPI dostaje 5 $ kredytów po dodaniu karty płatniczej, co wystarcza na około 1 000 wywołań takich jak przykład z fakturą na tej stronie. Kredyty są ważne 30 dni. Potem doładowujesz konto i płacisz za użycie, bez abonamentu.
2,20 $ za milion tokenów wejściowych i 6,60 $ za milion tokenów wyjściowych (listopad 2026). Tokeny rozumowania liczą się jako wyjście, a zobaczysz je w usage.completion_tokens_details.reasoning_tokens.
Tak. Dodaj do wiadomości użytkownika część image_url: data URL w base64 albo publiczny link HTTPS. Pliki PDF i audio są odrzucane: PDF-y przepuść przez OCR API albo wyślij strony jako obrazy, a audio najpierw przetranskrybuj.
W deAPI okno kontekstowe ma 1 000 000 tokenów, prompt i odpowiedź łącznie, a jedna odpowiedź może mieć do 131 072 tokenów. Większa wartość max_tokens jest odrzucana z błędem.
Karta modelu Alibaby podaje 92,6 w GPQA Diamond, 86,6 w Terminal Bench 2.1 i 67,7 w SWE-bench Pro (oba z harnessem Claude Code), 82,8 w IFBench oraz 92,9 w MRCR v2 (256K, 8-needle). To liczby Alibaby; sprawdź model na własnych danych za darmowe kredyty.
Ustaw reasoning_effort na none. Na zapytanie o zgłoszenie z przykładu cURL model z none odpowiedział „billing”, zużywając 1 token wyjściowy. Z high dał tę samą odpowiedź przy 63 tokenach wyjściowych, z czego 59 poszło na rozumowanie (po jednym przebiegu). Poziomy pośrednie to minimal, low i medium, a powyżej high są xhigh i max.
Alibaba publikuje wagi Qwen3.8-2.4T-A95B, czyli wyłącznie tekstowego checkpointu, na którym opiera się Qwen3.8 Max, na Hugging Face na własnej licencji Qwen3.8-Max License. Licencja pozwala na użytek komercyjny i dodaje warunki dla dużych usług, więc przeczytaj ją, zanim zaczniesz samodzielnie hostować wagi. Wywołania przez deAPI podlegają regulaminowi deAPI.

Wyślij pierwsze zapytanie do Qwen3.8 Max za darmowe 5 $

Rejestracja przez e-mail albo Google. Bez abonamentu, płacisz za użycie.