Qwen3.7 Flash هو نموذج سريع وفعال من حيث التكلفة للغاية من عائلة Qwen3.7 التابعة لشركة Alibaba، ويأتي ضمن المستوى عالي الإنتاجية أسفل Qwen3.7-Plus وQwen3.7-Max. وهو متعدد الوسائط بشكل أصلي من جانب الإدخال — حيث يقبل النصوص والصور والفيديو مع إخراج نصي — ويوفر نافذة سياقية تصل إلى مليون توكن مع إخراج يصل إلى 64 ألف توكن، وبالتالي تظل المستندات الطويلة ولقطات الشاشة وإطارات الفيديو في متناول اليد حتى مع تسعير المستوى Flash. بسعر يبلغ حوالي 0.03 دولار لكل مليون توكن إدخال على المستوى الأساسي، فهو أحد أرخص نماذج السياق التي تبلغ مليون توكن والمتعددة الوسائط المتاحة، مما يجعله خيارًا طبيعيًا للتصنيف والاستخراج والتوجيه والتلخيص والعملاء الخفيفين وأي خط أنابيب يعمل بحجم كبير جدًا. وهو يدعم وضع التفكير، واستدعاء الأدوات الأصلي، والمخرجات المنظمة عبر response_format، وعناصر التحكم المعتادة في أخذ العينات (temperature / top_p / seed / logprobs). لاحظ أن التسعير متدرج حسب طول المطالبة: تزداد التكاليف تدريجيًا فوق 32 ألف توكن ومرة أخرى فوق 256 ألف توكن إدخال، لذا فإن تجميع الطلبات القصيرة يكون أرخص بشكل ملحوظ من تمديد الطلبات الطويلة. استخدم Flash كحصان العمل ذي الحجم الكبير وارتقِ إلى Qwen3.7-Plus أو Max عندما تحتاج المهمة بالفعل إلى قدرات أكبر.
Qwen3.7 Flash هو نموذج لغوي كبير متعدد الوسائط تم تطويره بواسطة فريق Qwen ويتاح عبر OrcaRouter. يعالج النصوص والصور ومقاطع الفيديو، ويدعم نافذة سياقية تصل إلى 1,000,000 رمز (token)، مع حد أقصى…
يتميز Qwen3.7 Flash بقدرته الفائقة على الفهم متعدد الوسائط مع سياق طويل جدًا. تشمل حالات الاستخدام الرئيسية: معالجة وتلخيص نصوص الفيديو الطويلة أو تسجيلات المحاضرات؛ تحليل الصور الطبية إلى جانب التاريخ المرضي للمريض أو المستندات القانونية؛ بناء روبوتات الدردشة التي يمكنها تذكر تاريخ المحادثة بالكامل (حتى 1M من الرموز)؛ وتنفيذ التوليد المعزز بالاسترجاع على مستودعات المستندات المؤسسية الكبيرة حيث يتناسب السياق الكامل مع موجه واحد. كما أن سعة الإخراج البالغة 65,536 رمزًا تناسب مهامًا مثل إنشاء تقارير مفصلة أو تعليمات برمجية مع تعليقات موسعة. نظرًا لأنه متغير "Flash"، فمن المرجح أنه أكثر فعالية من حيث التكلفة والوقت مقارنة بالنماذج الأكبر للمهام التي لا تتطلب أعلى عمق في التفكير. ومع ذلك، بالنسبة للمهام النصية البحتة ذات متطلبات السياق المعتدلة، قد تكون النماذج الأصغر (مثل نموذج نصي سريع) أرخص وأسرع. تجعل الطبيعة متعددة الوسائط من Qwen3.7 Flash خيارًا قويًا للتطبيقات التي تتضمن وسائط مختلطة، مثل تحليل منتجات التجارة الإلكترونية من الصور والوصف، أو مساعدي مراقبة الفيديو في الوقت الفعلي.
على الرغم من أن Qwen3.7 Flash مُحسَّن من حيث السرعة والتكلفة مقارنةً بالنماذج الرائدة الأكبر، إلا أنه قد يكون مبالغًا فيه لحالات الاستخدام البسيطة. إذا كان تطبيقك يعالج فقط تسلسلات نصية قصيرة (على سبيل المثال، بضع مئات من الرموز لكل رسالة)، فإن نموذجًا أصغر حجمًا مخصصًا للنص فقط بتكلفة أقل لكل رمز سيكون أكثر اقتصادًا. وبالمثل، إذا كنت لا تحتاج أبدًا إلى تحليل الصور أو مقاطع الفيديو، فإن نموذج النص البحت من OrcaRouter سيتجنب دفع ثمن قدرات الرؤية غير المستخدمة. المهام التي تتطلب قدرًا ضئيلًا من التفكير، مثل التصنيف المباشر أو الترجمة البسيطة، يمكن معالجتها بواسطة نماذج أخف وزنًا وبزمن استجابة أقل. للتطوير والنمذجة الأولية، استخدام نموذج أرخص أثناء التكرار يوفر الاعتمادات. سياق 1M-token هو أصل رئيسي عند الحاجة، ولكن إذا كان متوسط موجهك أقل من 10k رمزًا، فقد لا تكون تكلفة معالجة مدخلات الدفعات الكبيرة مبررة. قيّم حجم عبء العمل النموذجي لديك ومتطلبات الوسائط قبل الالتزام بـ Qwen3.7 Flash.
قد لا يكون Qwen3.7 Flash الخيار الأفضل للمهام التي تتطلب دقة رياضية فائقة، أو استدلالاً رمزياً متعدد الخطوات، أو خبرة متخصصة في مجال معين غير موجودة في بيانات تدريبه. من المحتمل أن إصدار "Flash" يضحي ببعض العمق لصالح السرعة، لذا فإن معايير الاستدلال المعقدة قد تكون أفضل مع النماذج الأكبر غير-Flash. بالإضافة إلى ذلك، إذا كان تطبيقك يتطلب معالجة صوتية فورية (مثل تحويل الكلام إلى نص)، فإن مدخلات Qwen3.7 Flash تقتصر على النص والصورة والفيديو؛ فهو لا يقبل التدفقات الصوتية مباشرة. بالنسبة للمهام التي تتطلب تنسيقاً متسقاً عبر مخرجات طويلة جداً، فإن الحد الأقصى لإخراج النموذج والذي يبلغ 65,536 رمزاً يعتبر سخياً، لكن التوليدات الطويلة جداً قد تكون عرضة للتكرار أو الانحراف عن الموضوع. يجب اختبار التطبيقات الحساسة للسلامة من حيث التوافق، حيث لا توجد تقييمات سلامة محددة مقدمة في الحقائق. المهام متعددة الوسائط التي تنطوي على صور/فيديوهات منخفضة الجودة أو غامضة للغاية قد تنتج نتائج غير موثوقة.
لا توجد نتائج اختبارات أداء (benchmark) مقدمة في الحقائق المتاحة حول Qwen3.7 Flash. لذلك، لا يمكن الاستشهاد بأرقام محددة. بشكل عام، تم تصميم متغيرات "فلاش" من نماذج اللغة الكبيرة للاستدلال الأسرع والتكلفة الأقل، مع انخفاض معتدل في الدقة مقارنة بنظيراتها الأكبر. يجب على المستخدمين المهتمين بالتقييم الكمي تشغيل اختباراتهم الخاصة باستخدام واجهة برمجة تطبيقات OrcaRouter على المهام التمثيلية، مثل اختبارات معالجة اللغة الطبيعية القياسية، واختبارات الفهم متعدد الوسائط، ودقة استرجاع السياق الطويل. عند المقارنة مع النماذج الأخرى، من الشائع النظر إلى مقاييس مثل MMLU وHumanEval أو معايير متعددة الوسائط (مثل MMMU وChartQA). بدون نتائج منشورة، يجب تحديد نقاط القوة والضعف في النموذج تجريبيًا. قد تقدم OrcaRouter بيانات وصفية إضافية أو لوحات أداء. بالنسبة لقرارات الإنتاج، يُوصى بإجراء اختبار A/B على بياناتك الخاصة.
لا ترد الأرقام المحددة لزمن الاستجابة أو الإنتاجية لنموذج Qwen3.7 Flash في الحقائق المتاحة. ومع ذلك، باعتباره نموذج "Flash"، فهو مُحسَّن بشكل عام لتقديم استجابات أسرع من النماذج الأكبر غير السريعة من نفس العائلة. تعتمد السرعة الفعلية على عوامل مثل طول الإدخال، وعدد الرموز المخرجة، وحجم الدفعة، والبنية التحتية للأجهزة التي يستخدمها OrcaRouter. يمكن للمستخدمين توقع وقت أقصر للرمز الأول للاستعلامات القصيرة، ومعدل رموز معقول في الثانية لاستجابات البث. بالنظر إلى سعة السياق البالغة 1 مليون رمز، ستستغرق معالجة المدخلات الطويلة وقتًا أطول بسبب آلية الانتباه في النموذج. بالنسبة للتطبيقات الحساسة لزمن الاستجابة، فإن استخدام سياق أصغر (حتى مع وجود حد أعلى) سيحسن أوقات الاستجابة. الاختبار عبر واجهة OrcaRouter API بأحجام بيانات تمثيلية هو أفضل طريقة لقياس الأداء الفعلي. تدعم واجهة API البث، مما يسمح بعرض تدريجي للرموز المخرجة، مما يقلل من زمن الاستجابة المتصور للمستخدمين النهائيين.
نقاط القوة: السياق الذي يبلغ 1M-token يتيح معالجة مستندات طويلة جدًا في مسار واحد، متجنبًا تعقيد التقسيم إلى أجزاء أو النوافذ المنزلقة. الدعم متعدد الوسائط (نص، صورة، فيديو) يسمح بتفاعلات غنية دون نماذج منفصلة. سعة الإخراج البالغة 65,536-token سخية لتوليد تقارير شاملة أو كود. بكونه إصدار flash، فمن المحتمل أن يوازن بين السرعة والتكلفة بشكل ملائم للعديد من أعباء العمل الإنتاجية. القيود: لا توجد معايير محددة مقدمة، لذا فإن قدرته على الاستدلال والدقة بالنسبة للنماذج كاملة الحجم غير معروفة. القدرات متعددة الوسائط قد لا تضاهي نماذج الرؤية المخصصة في المهام الدقيقة. حدود معالجة الفيديو غير محددة—قد يحتاج المستخدمون إلى معالجة مسبقة للفيديو إلى إطارات صور. لا يوجد ذكر لإدخال الصوت أو دعم استخدام الأدوات. كما هو الحال مع أي نموذج، يجب مراجعة المخرجات للتأكد من صحتها وسلامتها، خاصة في المجالات الحساسة. عدم الكشف عن بيانات التدريب يجعله غير معروف من حيث التحيز والمتانة.
لا توجد معلومات محددة حول التسعير لكل رمز (per-token) لنموذج Qwen3.7 Flash في الحقائق المتاحة. بشكل عام، تعتمد OrcaRouter في تسعيرها على عدد رموز الإدخال ورموز الإخراج التي تتم معالجتها، وتختلف التكاليف حسب فئة النموذج. كونه نموذجًا من نوع "Flash"، فمن المرجح أن يكون سعره أقل من النماذج الرائدة (مثل Qwen3.7 Max) ليعكس المفاضلة بين السرعة والكفاءة. يجب الحصول على تفاصيل التسعير من صفحة التسعير الرسمية أو لوحة التحكم الخاصة بـ OrcaRouter. عند تقدير التكاليف، لاحظ أن نافذة السياق البالغة 1 مليون رمز يمكن أن تؤدي إلى أعداد كبيرة من رموز الإدخال إذا قمت بملئها. على سبيل المثال، إدخال بحجم 500 ألف رمز سيكلف نسبة أعلى بشكل متناسب مقارنة بإدخال بحجم 10 آلاف رمز. يجب على المستخدمين ذوي الميزانية المحدودة تعديل استخدام السياق بالحجم المناسب — أي تضمين الرموز الضرورية فقط. يتم قياس استخدام API لكل رمز، لذا فإن استراتيجيات التخزين المؤقت التي نوقشت في القسم التالي يمكن أن تساعد في تقليل تكاليف الإدخال المتكررة.
المقايضة الأساسية هي بين حجم السياق والتكلفة. ورغم أن النموذج يدعم ما يصل إلى مليون رمز (1M tokens)، إلا أن معالجة المدخلات الطويلة جدًا تزيد الفاتورة بشكل خطي. بالنسبة للمهام التي لا تحتاج إلى السياق الكامل، فإن اقتطاع المحتوى القديم أو تلخيصه يقلل النفقات. وبالمثل، فإن توليد مخرجات طويلة جدًا (حتى 65 ألف رمز) سيكلف أكثر من الردود القصيرة. وبمقارنة Qwen3.7 Flash مع النماذج الأصغر والنصية فقط: إذا كان عبء عملك لا يتطلب قدرات متعددة الوسائط أو سياقًا طويلًا، فقد يكون النموذج الأرخص أكثر حكمة. نظرًا لعدم نشر أي أسعار، لا يمكننا تقديم مقارنات دقيقة. ومع ذلك، فإن النماذج الفلاش (flash models) عادةً ما تكون أرخص بنسبة 10-50% لكل رمز مقارنة بنظيراتها كاملة الحجم، مع سرعة مماثلة. فكّر في استخدام التخزين المؤقت (caching) لتجنب إعادة معالجة بادئات الإدخال المتطابقة. قد تقدم OrcaRouter خصومات على التخزين المؤقت للمطالبات (غير محدد). للإنتاج، راقب استهلاك الرموز عبر مقاييس استخدام OrcaRouter واضبط المعاملات مثل max_tokens وطول السياق للتحكم في التكاليف.
قد يوفر OrcaRouter تخزينًا مؤقتًا تلقائيًا لبادئات الإدخال لتقليل التكلفة والزمن، ولكن سياسة التخزين المؤقت الخاصة بـ Qwen3.7 Flash غير مفصلة في المعلومات المقدمة. يقدم العديد من مزودي واجهات برمجة التطبيقات خصمًا على الرموز المميزة عند إعادة استخدام نفس بادئة المطالبة عبر طلبات متعددة، غالبًا مع نافذة حداثة. إذا تم تمكين التخزين المؤقت، يمكن معالجة المطالبات المتكررة للنظام أو السياق المشترك بتكلفة أقل. يجب على المستخدمين مراجعة وثائق OrcaRouter أو رؤوس استجابة واجهة برمجة التطبيقات (مثل ما إذا كانت تتضمن مؤشر إصابة التخزين المؤقت) لتحديد ما إذا كان التخزين المؤقت قابلاً للتطبيق. بالنسبة للمدخلات متعددة الوسائط، يكون التخزين المؤقت أقل فعالية بسبب تنوع المحتوى البصري. لتعظيم فوائد التخزين المؤقت، قم بهيكلة المطالبات الخاصة بك مع رسالة نظام ثابتة وتقليل التباين في البادئة. إذا لم يكن التخزين المؤقت متاحًا، فكر في تجميع الطلبات أو استخدام مكتبة طلبات مخصصة تدعم آليات التخزين المؤقت للمطالبات.
لاستدعاء Qwen3.7 Flash باستخدام مكتبة OpenAI Python، قم بتعيين عنوان URL الأساسي ومفتاح API لـ OrcaRouter. مثال على مقتطف الشيفرة: ```python import openai client = openai.OpenAI( api_key="your-orcarouter-api-key", base_url="https://api.orcarouter.ai/v1" ) response = client.chat.completions.create( model="qwen/qwen3.7-flash", messages=[ {"role": "user", "content": "Hello, what can you do?"} ], max_tokens=1024, temperature=0.7 ) print(response.choices[0].message.content) ``` بالنسبة للمدخلات متعددة الوسائط التي تحتوي على صور أو فيديوهات، قم بتضمين الوسائط كجزء من مصفوفة المحتوى مع النوع "image_url" (للصور) أو كائن منظم للفيديو (تعتمد التفاصيل على مواصفات OrcaRouter). يجب أن يكون معرف النموذج بالضبط "qwen/qwen3.7-flash". جميع معلمات OpenAI القياسية (stream, top_p, stop, etc.) مدعومة. تأكد من أن مفتاح API الخاص بك لديه حق الوصول إلى هذا النموذج.
عند استخدام واجهة برمجة تطبيقات OrcaRouter المتوافقة مع OpenAI، يدعم Qwen3.7 Flash معاملات إكمال الدردشة القياسية: - model: سلسلة نصية، يجب أن تكون "qwen/qwen3.7-flash" - messages: مصفوفة من كائنات الرسائل تحتوي على role و content - max_tokens: عدد صحيح يصل إلى 65,536 (أقصى مخرجات للنموذج) - temperature: عدد عشري (0 إلى 2، عادةً 0.0-1.0) - top_p: عدد عشري لأخذ العينات النووية - stream: قيمة منطقية لتدفق الرموز - stop: سلسلة نصية أو مصفوفة من السلاسل النصية لرموز الإيقاف المخصصة - presence_penalty, frequency_penalty: ضبط التكرار - logprobs: طلب احتمالات سجل الرموز - user: سلسلة نصية لتتبع الطلبات بالنسبة للإدخالات متعددة الوسائط، يمكن أن يكون حقل المحتوى قائمة بأجزاء المحتوى (نص أو image_url). قد تتطلب معالجة الفيديو معاملات إضافية غير مغطاة هنا. تدعم واجهة برمجة التطبيقات أيضًا استدعاء الوظائف ووضع JSON إذا قامت OrcaRouter بتطبيقها؛ راجع الوثائق. لا توجد تفاصيل حول استخدام الأدوات في البيانات المقدمة. القيم الافتراضية لـ temperature و top_p هي عادةً 1.0 و 0.0 على التوالي.
يتطلب الانتقال من أي نموذج متوافق مع OpenAI (بما في ذلك نماذج GPT من OpenAI) إلى Qwen3.7 Flash على OrcaRouter تغييرات طفيفة: قم بتحديث عنوان URL الأساسي إلى https://api.orcarouter.ai/v1، واضبط معلمة النموذج على "qwen/qwen3.7-flash"، واحصل على مفتاح API من OrcaRouter. يبقى تنسيق الرسالة متطابقًا للمحادثات النصية فقط. بالنسبة للمدخلات متعددة الوسائط، تأكد من اتباع مخطط OrcaRouter المحدد للصور والفيديوهات—قد يختلف هذا قليلاً عن تنسيق OpenAI. إذا كنت تستخدم سابقًا نماذج نصية فقط، يمكنك الآن إدخال محتوى مرئي. قد تحتاج إلى ضبط max_tokens إذا كان نموذجك السابق له حد أصغر (OpenAI GPT-4o-mini لديه 16 ألف مخرج؛ هذا النموذج لديه 65 ألف). أيضًا، نافذة السياق أكبر بكثير (1 مليون مقابل 128 ألف نموذجيًا)، لذا يمكنك إرسال مطالبات أطول. اختبر مجموعة فرعية من بياناتك للتحقق من جودة الاستجابة وزمن الوصول. قد يكون لواجهة برمجة تطبيقات OrcaRouter حدود معدل مختلفة؛ تحقق من الوثائق.
يتم التعامل مع المصادقة عبر مفتاح API يوفره OrcaRouter. يجب تضمين مفتاح API في رأس HTTP Authorization كرمز Bearer: "Authorization: Bearer your-api-key". في عميل OpenAI Python، قم بتمرير المفتاح عبر معامل api_key. تأكد من أن المفتاح قد حصل على صلاحية الوصول إلى نموذج "qwen/qwen3.7-flash"؛ بعض المفاتيح مقيدة بنماذج أو مستويات معينة. لا تشارك مفتاح API الخاص بك علنًا. للإنتاج، استخدم متغيرات البيئة أو مدير أسرار آمن. قد يدعم OrcaRouter أيضًا طرق مصادقة إضافية (مثل OAuth) لكن نقطة النهاية المتوافقة مع OpenAI تستخدم عادةً مصادقة مفتاح API. إذا تلقيت خطأ 401 Unauthorized، تحقق من صحة المفتاح ونشاطه. يجب الحفاظ على سرية مفتاح API؛ إذا تم اختراقه، قم بتدويره عبر لوحة تحكم OrcaRouter.
كلا من Qwen3.7 Flash و GPT-4o-mini هما نموذجان متعدد الوسائط تم تحسينهما للسرعة والتكلفة، ولكن توجد اختلافات رئيسية بناءً على الحقائق المتاحة. يوفر Qwen3.7 Flash نافذة سياق ضخمة تبلغ 1 مليون رمز (token)، بينما يدعم GPT-4o-mini 128 ألف رمز. للمهام التي تتطلب سياقات طويلة جدًا أو معالجة فيديوهات كبيرة، يتمتع Qwen3.7 Flash بميزة واضحة. الحد الأقصى للإخراج لـ GPT-4o-mini هو 16,384 رمزًا؛ بينما يسمح Qwen3.7 Flash بما يصل إلى 65,536 رمزًا. لا تقدم هذه الصفحة نتائج معايير لأي منهما. بشكل عام، يستفيد GPT-4o-mini من الضبط الدقيق الواسع والدعم البيئي الشامل، بينما قد يتفوق Qwen3.7 Flash في فهم اللغات الآسيوية بسبب بيانات تدريبه (غير مؤكد). التوافق مع واجهة API يعني أن التبديل بينهما على OrcaRouter يكون سهلاً. لم يتم تحديد التسعير، لذا فإن مقارنة التكلفة تعتمد على أسعار OrcaRouter. اختر بناءً على احتياجات طول السياق وطول الاستجابة المطلوب.
Qwen3.7 Flash هو أحد المتغيرات من عائلة Qwen 3.7 المصممة للاستدلال الأسرع والتكلفة المنخفضة، وعادةً ما يضحي ببعض الدقة مقارنةً بالنموذج الرائد Qwen3.7 Max. على الرغم من عدم تقديم فروق محددة في المعايير، فإن نماذج Max تحقق عمومًا نتائج أعلى في مهام الاستدلال والرياضيات، بينما تركز نماذج Flash على الإنتاجية. حجم النافذة السياقية وأقصى إخراج متماثلان لكلا النموذجين (1 مليون إدخال، 65 ألف إخراج)، لذا فإن الاختلافات الرئيسية تكمن في الأداء لكل رمز وزمن الوصول. إذا كان تطبيقك يتحمل دقة أقل قليلاً ولكنه يتطلب زمن وصول منخفض أو معالجة متزامنة عالية، فإن Flash مناسب. أما بالنسبة للمهام التي تتطلب أعلى جودة، مثل توليد الأكواد المعقدة أو الاستدلال المتقدم، فقد يكون Max يستحق التكلفة الإضافية. معرفات النماذج على OrcaRouter مختلفة: أحدهما "qwen/qwen3.7-flash" والآخر على الأرجح "qwen/qwen3.7-max". يجب على المستخدمين تقييم كلا النموذجين على بياناتهم المحددة لتحديد الأنسب.
Qwen3.7 Flash، الذي يتم الوصول إليه عبر OrcaRouter، يقدم خدمة API مُدارة بدون تكاليف بنية تحتية، بينما يتطلب LLaVA-Next (نموذج متعدد الوسائط مفتوح المصدر) استضافة ذاتية. يؤثر هذا على التكلفة وقابلية التوسع والصيانة. يدعم Qwen3.7 Flash ما يصل إلى 1 مليون رمز سياق و65 ألف رمز إخراج، وهو أكبر عمومًا من نافذة السياق لـ LLaVA-Next. ومع ذلك، يمكن ضبط LLaVA-Next بدقة على بيانات مخصصة، وهي خيار غير متاح لـ Qwen3.7 Flash عبر API حسب ما هو مذكور. بدون معايير مرجعية، لا يمكننا مقارنة الدقة. LLaVA-Next قوي في الإجابة عن الأسئلة البصرية؛ في حين أن Qwen3.7 Flash قد يغطي لغات أوسع. يتولى OrcaRouter إدارة وقت التشغيل والسعة، بينما تتطلب الاستضافة الذاتية موارد GPU. بالنسبة للنمذجة السريعة والصيانة المنخفضة، فإن نموذج API جذاب. للتحكم الكامل والتدريب المتخصص، قد يكون النموذج مفتوح المصدر أفضل. الملكية الفكرية لنموذج API مملوكة لـ Qwen، لذا قد تكون لمخرجاتها شروط استخدام مختلفة.
متوافق مع OpenAI — أبقِ على SDK الحالي
https://api.orcarouter.ai/v1import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key=os.environ["ORCAROUTER_API_KEY"],
)
response = client.chat.completions.create(
model="qwen/qwen3.7-flash",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoninglogprobsmax_tokenspresence_penaltyreasoningresponse_formatseedtemperaturetool_choicetoolstop_logprobstop_p| الفئة | الإدخال / 1M توكن | الإخراج / 1M توكن | قراءة الذاكرة المؤقتة / 1M | كتابة الذاكرة المؤقتة / 1M |
|---|---|---|---|---|
| ≤ 32K | $0.030 | $0.130 | $0.0060 | $0.038 |
| ≤ 256K | $0.100 | $0.400 | $0.020 | $0.125 |
| ≤ ∞ | $0.200 | $0.800 | $0.040 | $0.250 |
| يتم تحديد الفئة حسب عدد رموز الإدخال لكل طلب | ||||
تقدير بناءً على السعر المُعلن
تسعير متدرّج — يستخدم هذا التقدير أسعار المستوى الأساسي.
تقدير فقط — يعتمد العدد الفعلي للرموز على مُجزّئ الرموز الخاص بالمزوّد.
ما يتحدث عنه المطورون هذا الأسبوع
GET /api/public/models/qwen/qwen3.7-flashفتح @misc{orcarouter_qwen3_7_flash,
title = {Qwen3.7 Flash API},
author = {Qwen},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/qwen/qwen3.7-flash}
}Qwen. (2026). Qwen3.7 Flash API. OrcaRouter. https://www.orcarouter.ai/models/qwen/qwen3.7-flash