Qwen3.5 Flash สแนปชอต 2026-02-23 — เวอร์ชันที่ถูกตรึงของ qwen3.5-flash ความสามารถเหมือนเดิม
qwen/qwen3.5-flash-2026-02-23 เป็นรุ่นเฉพาะของโมเดล Qwen3.5 Flash จากตระกูล Qwen โดย Alibaba เป็นโมเดลแบบมัลติโมดัลที่รองรับอินพุตข้อความ รูปภาพ และวิดีโอ หน้าต่างบริบทคือ 1,048,576 โทเค็น…
โมเดลนี้สามารถทำงานที่เกี่ยวข้องกับข้อความได้หลากหลายตามลักษณะของโมเดลภาษาขนาดใหญ่ เช่น การสรุปความ การแปลภาษา การตอบคำถาม การเขียนเชิงสร้างสรรค์ การสร้างโค้ด และอื่นๆ อีกมากมาย หน้าต่างบริบทที่กว้างทำให้โมเดลนี้เหมาะสมเป็นพิเศษสำหรับงานที่ต้องเข้าใจเอกสารยาวๆ หรือรักษาบทสนทนาต่อเนื่องหลายรอบ โมเดลยังสามารถเรียนรู้แบบ few-shot และ zero-shot หมายความว่าสามารถทำตามคำแนะนำได้โดยไม่ต้องปรับแต่งอย่างละเอียด อย่างไรก็ตาม ไม่ได้มีการระบุค่าความแม่นยำเฉพาะสำหรับงานเหล่านี้ สำหรับงานที่ต้องการการให้เหตุผลทางคณิตศาสตร์ที่แม่นยำหรือการเรียกคืนข้อเท็จจริง คุณอาจต้องประเมินโมเดลกับเกณฑ์วัดของคุณเอง
โมเดลยอมรับอินพุตเป็นรูปภาพเป็นส่วนหนึ่งของพรอมพ์ สามารถอธิบายรูปภาพ ตอบคำถามเกี่ยวกับเนื้อหาในภาพ และแยกข้อความหรือวัตถุออกจากรูปภาพได้ รูปภาพจะถูกแสดงเป็นลำดับของโทเค็นที่ใช้ส่วนหนึ่งของหน้าต่างบริบท ไม่มีการระบุขนาดภาพสูงสุดหรือจำนวนภาพต่อคำขอ ในทางปฏิบัติ ภาพความละเอียดสูงจะใช้โทเค็นมากกว่า เพื่อผลลัพธ์ที่ดีที่สุด ควรใช้ภาพที่ชัดเจนและมีแสงสว่างเพียงพอ โมเดลไม่รองรับการสร้างภาพหรือเอาต์พุตรูปภาพ ไม่มีข้อมูลเกี่ยวกับว่ารองรับลำดับภาพหลายภาพหรือข้อความและภาพแบบสลับกันเกินกว่ารูปแบบมัลติโมดอลทั่วไปหรือไม่
รองรับการป้อนวิดีโอ โดยอาจสุ่มตัวอย่างเฟรมและแปลงเป็นโทเค็น โมเดลสามารถวิเคราะห์คลิปวิดีโอสั้นๆ เพื่อสรุป จำแนกการกระทำ หรือตอบคำถาม แต่ละเฟรมจะใช้โทเค็นจากหน้าต่างบริบท ดังนั้นความยาวของวิดีโอจึงถูกจำกัดด้วยบริบทที่มี ไม่มีรายละเอียดเฉพาะเกี่ยวกับอัตราการสุ่มเฟรมหรือระยะเวลาวิดีโอสูงสุดที่ให้ไว้ สำหรับการใช้งานจริง ควรพิจารณาประมวลผลวิดีโอล่วงหน้าเพื่อแยกเฟรมสำคัญ โมเดลไม่สร้างเอาต์พุตวิดีโอ หากแอปพลิเคชันของคุณต้องการการประมวลผลวิดีโอแบบเรียลไทม์ ให้ทดสอบความหน่วงอย่างระมัดระวัง เนื่องจากการแปลงวิดีโอเป็นโทเค็นอาจใช้ทรัพยากรการคำนวณสูง
โมเดลนี้มีค่าใช้จ่าย $0.10 ต่อ 1M input tokens และ $0.40 ต่อ 1M output tokens หากแอปพลิเคชันของคุณสามารถทนต่อความแม่นยำที่ต่ำกว่าสำหรับงานที่ง่ายกว่า โมเดลขนาดเล็ก (เช่น Qwen2.5-0.5B) อาจถูกกว่า หากคุณต้องการคุณภาพที่สูงขึ้นสำหรับการให้เหตุผลที่ซับซ้อนหรือการเขียนเชิงสร้างสรรค์ ให้พิจารณาโมเดลขนาดใหญ่ เช่น Qwen3.5-Plus (ถ้ามี) หรือ GPT-4o ซึ่งอาจมีค่าใช้จ่ายต่อ token สูงกว่า แต่ให้ประสิทธิภาพ benchmark ที่ดีกว่า ตัวแปร flash เหมาะสำหรับแอปพลิเคชันที่มีปริมาณสูงซึ่งความเร็วและค่าใช้จ่ายเป็นสิ่งสำคัญ ไม่มีการปรับแต่งหรือการปรับแต่งเฉพาะที่บันทึกไว้สำหรับโมเดลนี้ในหน้านี้
จุดแข็งหลักของโมเดลนี้คือหน้าต่างบริบทขนาดใหญ่ (1,048,576 โทเค็น) รองรับอินพุตแบบหลายรูปแบบ (ข้อความ รูปภาพ วิดีโอ) และราคาต่อโทเค็นที่ต่ำ ($0.10/$0.40 ต่อ 1 ล้านโทเค็น) ออกแบบมาเพื่อความเร็วและประสิทธิภาพ ทำให้เหมาะสำหรับแอปพลิเคชันแบบเรียลไทม์ การกำหนดให้เป็นรุ่น flash บ่งบอกว่าได้รับการปรับให้เหมาะสมเพื่อลดเวลาแฝงเมื่อเทียบกับรุ่นที่ใหญ่กว่า ไม่มีคะแนนเกณฑ์มาตรฐานให้ในหน้านี้ ดังนั้นจึงไม่ทราบประสิทธิภาพที่แน่นอนในงาน NLP หรือวิทัศน์มาตรฐาน จากโมเดล flash ทั่วไป อาจแลกความแม่นยำบางส่วนเพื่อปริมาณงานและต้นทุน
ข้อจำกัดที่โปร่งใส ได้แก่ การขาดข้อมูลเกณฑ์มาตรฐานที่ให้มา หากไม่มี ผู้ใช้ต้องตรวจสอบประสิทธิภาพของโมเดลด้วยตนเองในงานของตน โมเดลนี้เป็นรุ่นแฟลช ดังนั้นอาจไม่ตรงกับความแม่นยำของโมเดลขนาดใหญ่หรือโมเดลทั่วไปในการให้เหตุผลที่ซับซ้อน คณิตศาสตร์ หรือการดึงข้อมูลข้อเท็จจริง การรองรับวิดีโออาจถูกจำกัดโดยบริบทและประสิทธิภาพการสุ่มเฟรม เนื่องจากไม่มีตัวเลขความเร็วหรือเวลาแฝงที่เฉพาะเจาะจง ปริมาณงานจริงขึ้นอยู่กับโครงสร้างพื้นฐานของ OrcaRouter โมเดลนี้ไม่รองรับการปรับแต่งหรือจุดสิ้นสุดการฝังแบบกำหนดเองผ่าน API นี้ นอกจากนี้ วันที่ตัดความรู้ของโมเดลไม่ได้ระบุ อาจไม่ได้รับการอัปเดตด้วยเหตุการณ์ล่าสุด
ความหน่วงแฝงไม่ได้ระบุสำหรับโมเดลนี้ในหน้านี้ ในฐานะที่เป็น flash variant คาดว่าจะให้การอนุมานที่เร็วกว่าโมเดลขนาดใหญ่ แต่ความเร็วจริงขึ้นอยู่กับปัจจัยต่างๆ เช่น ความยาวของอินพุต ฮาร์ดแวร์ที่ใช้โดย OrcaRouter และปริมาณคำขอที่เกิดขึ้นพร้อมกัน สำหรับแอปพลิเคชันแบบเรียลไทม์ ให้ทดสอบกับเพย์โหลดที่เป็นตัวแทน ปลายทาง API ของ OrcaRouter โฮสต์บนโครงสร้างพื้นฐานที่ปรับขนาดได้ แต่ไม่มีการรับประกันเกี่ยวกับความหน่วงแฝง ผู้ใช้ควรทำการวัดประสิทธิภาพด้วยเวิร์กโหลดของตนเอง หน้าต่างบริบทขนาดใหญ่อาจเพิ่มเวลาในการรับโทเค็นแรกหากต้องประมวลผลบริบททั้งหมด การร้องขอเฉพาะบริบทที่จำเป็นสามารถปรับปรุงเวลาในการตอบสนอง
ในหน้านี้ไม่มีข้อมูล benchmark อย่างเป็นทางการสำหรับ qwen/qwen3.5-flash-2026-02-23 ในการประเมินโมเดล โปรดดูที่การ์ดโมเดล Qwen บน Hugging Face หรือพื้นที่เก็บข้อมูล Qwen GitHub สำหรับประสิทธิภาพทั่วไปของ Qwen3.5 Flash มิติการประเมินทั่วไปได้แก่ MMLU, HumanEval และ benchmark การตอบคำถามเชิงภาพ แต่ผลลัพธ์อาจแตกต่างกันไปสำหรับ snapshot เฉพาะนี้ OrcaRouter ไม่ได้เผยแพร่ benchmark ของตัวเองสำหรับโมเดลนี้ ผู้ใช้ควรดำเนินการประเมินผลด้วยตนเองเพื่อพิจารณาความเหมาะสมสำหรับกรณีการใช้งานเฉพาะของตน โดยเฉพาะอย่างยิ่งในด้านความปลอดภัย อคติ หรือความแม่นยำเฉพาะโดเมน
ราคาคือ $0.10 ต่อ 1 ล้านโทเคนนำเข้า และ $0.40 ต่อ 1 ล้านโทเคนส่งออก อัตราเหล่านี้เป็นอัตราของผู้ให้บริการ โดยไม่มีส่วนเพิ่มจาก OrcaRouter โทเคนนำเข้ารวมถึงข้อความ รูปภาพ และเฟรมวิดีโอ โทเคนส่งออกนับเฉพาะข้อความที่สร้างขึ้น ไม่มีค่าธรรมเนียมต่อคำขอ และไม่มีราคาพิเศษสำหรับความจุจำนวนมากหรือที่จองไว้ ต้นทุนเกิดจากผลรวมของโทเคนนำเข้าและส่งออกที่ใช้ในแต่ละการเรียก API สำหรับตัวอย่างทั่วไป โทเคนนำเข้า 1,000 โทเคนและโทเคนส่งออก 500 โทเคน ต้นทุนอยู่ที่ประมาณ $0.0003 เนื่องจากไม่มีส่วนเพิ่ม ต้นทุนจึงเท่ากับที่ Qwen คิด
OrcaRouter คิดค่าบริการโมเดลนี้ในอัตราของผู้ให้บริการโดยไม่มีค่ามาร์กอัปเพิ่มเติม ซึ่งหมายความว่าคุณจ่ายเพียง $0.10 ต่อ 1M input tokens และ $0.40 ต่อ 1M output tokens โดยไม่มีค่าบริการเพิ่มเติมใดๆ ไม่มีค่าใช้จ่ายแอบแฝงสำหรับการเรียก API, การยืนยันตัวตน หรือการถ่ายโอนข้อมูลซึ่งรวมอยู่ในราคาต่อ token แล้ว อย่างไรก็ตาม ค่าใช้จ่ายด้านเครือข่ายมาตรฐานอาจมีผลบังคับใช้ขึ้นอยู่กับโครงสร้างพื้นฐานของคุณ ไม่มีการกล่าวถึงฟรีเทียร์ การกำหนดราคาที่โปร่งใสนี้ทำให้คำนวณค่าใช้จ่ายและเปรียบเทียบกับโมเดลจากผู้ให้บริการอื่นที่อาจเพิ่มมาร์กอัปได้ง่าย อัตรานี้อาจมีการเปลี่ยนแปลงโดยผู้ให้บริการ โปรดตรวจสอบหน้า pricing ของ OrcaRouter สำหรับข้อมูลอัปเดต
ไม่มีการบันทึกส่วนลดการแคชหรือราคาตามปริมาณสำหรับโมเดลนี้ในหน้านี้ แต่ละโทเคนจะถูกเรียกเก็บเงินตามจำนวนครั้งที่เรียกใช้ API ไม่มีการกล่าวถึงการแคชพรอมต์ การประมวลผลแบบแบตช์ที่ลดราคา หรือส่วนลดการใช้งานตามสัญญา หากคุณคาดว่าจะมีการใช้งานปริมาณมาก โปรดติดต่อ OrcaRouter เพื่อขอข้อตกลงพิเศษที่อาจเป็นไปได้ แต่ไม่มีการรับประกันใดๆ โครงสร้างราคาตรงไปตรงมา: โทเคนนำเข้าที่ $0.10/ล้าน โทเคนส่งออกที่ $0.40/ล้าน ไม่มีระดับฟรี แตกต่างจากผู้ให้บริการบางรายที่เสนอราคาถูกกว่าสำหรับพรอมต์ที่แคชไว้ โมเดลนี้ยังไม่มีฟีเจอร์ดังกล่าวในขณะนี้
ที่ราคา $0.10/$0.40 ต่อล้านโทเค็น โมเดลนี้แข่งขันกับโมเดล flash แบบ open-weight หลายตัว ตัวอย่างเช่น Llama 3.1 8B บาง variant มีราคาใกล้เคียงกัน โมเดลใหญ่กว่าเช่น GPT-4o mini มักมีต้นทุนต่อโทเค็นสูงกว่า ตัวสร้างความแตกต่างที่สำคัญคือไม่มีมาร์กอัปจาก OrcaRouter ดังนั้นคุณจึงจ่ายตามอัตราของผู้ให้บริการจริง เมื่อเปรียบเทียบ ควรพิจารณาขนาด context window ด้วย: โมเดลนี้มี 1,048,576 โทเค็น ซึ่งอาจลดความจำเป็นในการ chunking ที่ซับซ้อน อย่างไรก็ตาม หากไม่มีข้อมูล benchmark ต้นทุนเพียงอย่างเดียวไม่เพียงพอสำหรับการเลือก ประเมินความแม่นยำและความหน่วงสำหรับงานเฉพาะของคุณ
หากต้องการใช้โมเดลนี้ ให้ส่งคำขอไปยังปลายทาง API ที่เข้ากันได้กับ OpenAI ของ OrcaRouter ที่ https://api.orcarouter.ai/v1 กำหนดพารามิเตอร์ model เป็น "qwen/qwen3.5-flash-2026-02-23" เท่านั้น คุณต้องรวมคีย์ API (ที่ได้รับจาก OrcaRouter) ในส่วนหัว Authorization API รองรับรูปแบบ chat completions มาตรฐานของ OpenAI อินพุตแบบหลายรูปแบบ (รูปภาพ, วิดีโอ) สามารถรวมไว้ในรายการเนื้อหาข้อความได้ ตัวอย่างเช่น ใช้ปลายทาง "chat/completions" พร้อมกับอาร์เรย์ messages ไม่จำเป็นต้องกำหนดค่าเพิ่มเติม โปรดดูเอกสารของ OrcaRouter สำหรับการตรวจสอบสิทธิ์และข้อจำกัดอัตราการใช้งาน
API รองรับพารามิเตอร์ที่เข้ากันได้กับ OpenAI มาตรฐาน: model (จำเป็น), messages (จำเป็น), temperature, top_p, max_tokens, stop, frequency_penalty, presence_penalty, stream และอื่นๆ max_tokens สามารถตั้งค่าได้สูงสุดถึง 65,536 อาร์เรย์ messages สามารถรวมบทบาท system, user และ assistant เนื้อหาแบบมัลติโมดัลถูกจัดโครงสร้างเป็นออบเจ็กต์ที่มี type เป็น "text" หรือ "image_url" สำหรับวิดีโอ สามารถใช้รายการ image_url หลายรายการได้ ไม่มีพารามิเตอร์แบบกำหนดเองเฉพาะของโมเดลนี้ที่ถูกบันทึกไว้ พารามิเตอร์เช่น stream ช่วยให้สามารถส่ง output token แบบเรียลไทม์ ควรทดสอบด้วยพารามิเตอร์ที่ต้องการเสมอ เนื่องจากการรวมกันบางอย่าง (เช่น อุณหภูมิสูงกับบริบทที่ยาว) อาจให้ผลลัพธ์ที่ไม่สามารถคาดเดาได้
การโยกย้ายเป็นเรื่องง่ายเพราะ API ของ OrcaRouter เข้ากันได้กับ OpenAI เปลี่ยน base URL ของคุณจาก https://api.openai.com/v1 เป็น https://api.orcarouter.ai/v1 เปลี่ยน model ID ของคุณจากโมเดล GPT ใดๆ เป็น "qwen/qwen3.5-flash-2026-02-23" รับคีย์ API ของ OrcaRouter และตั้งค่าในส่วนหัว Authorization หากโค้ดที่มีอยู่ของคุณใช้ไลบรารี Python ของ OpenAI เพียงอัปเดต base_url และ api_key ในไคลเอนต์ OpenAI โปรดทราบว่าโมเดลรองรับอินพุตแบบหลายรูปแบบ (multimodal) ดังนั้นหากก่อนหน้านี้คุณใช้ endpoints สำหรับวิทัศน์แยกต่างหาก ตอนนี้คุณสามารถส่งภาพโดยตรงในรูปแบบแชทได้ ทดสอบอย่างละเอียดเพราะผลลัพธ์จะแตกต่างกัน
URL ฐานสำหรับการเรียก API ทั้งหมดคือ https://api.orcarouter.ai/v1 รหัสโมเดลที่แน่นอนคือ "qwen/qwen3.5-flash-2026-02-23" สตริงนี้ต้องใช้ตามที่ให้ไว้ทุกประการ รวมถึงเครื่องหมายทับและส่วนต่อท้ายวันที่ endpoint สำหรับ chat completions คือ POST /v1/chat/completions สำหรับการสตรีม ให้เพิ่มพารามิเตอร์ stream ไม่มี endpoint อื่น ๆ (เช่น embeddings, fine-tuning) ที่ระบุไว้สำหรับโมเดลนี้ ตรวจสอบเอกสาร endpoint ล่าสุดบนเว็บไซต์ของ OrcaRouter เสมอ รหัสโมเดลอาจแตกต่างจากที่ Qwen ใช้โดยกำเนิด ให้ใช้รหัสโมเดลของ OrcaRouter เสมอ
Qwen3.5-Plus น่าจะเป็นรุ่นที่มีขนาดใหญ่กว่าและมีความสามารถมากกว่า แม้ว่าจะไม่มีรายละเอียดเฉพาะสำหรับทั้งสองรุ่น โดยทั่วไปแล้วรุ่น flash จะแลกความแม่นยำกับความเร็วและต้นทุนที่ต่ำกว่า รุ่น flash มีราคาถูกกว่า ($0.10/$0.40 เทียบกับรุ่น Plus ที่มักจะสูงกว่า) ทั้งสองรุ่นน่าจะรองรับ context window และรูปแบบข้อมูลเดียวกัน เลือก flash สำหรับสถานการณ์ที่ต้องการปริมาณงานสูงและไม่ต้องการความแม่นยำสมบูรณ์แบบ เลือก Plus สำหรับงานที่ซับซ้อน เนื่องจากไม่มีข้อมูล benchmark ให้ใช้ ให้ทดสอบกับข้อมูลของคุณเองหากเป็นไปได้ รุ่น flash ยังมีแท็กวันที่ 2026-02-23 ซึ่งบ่งชี้ snapshot เฉพาะ
โมเดล Llama 3.1 8B เป็นโมเดลโอเพนเวทที่ได้รับความนิยม โดยมีหน้าต่างบริบทมาตรฐานที่ 128,000 โทเค็น โมเดล Qwen flash นี้มีบริบทที่ใหญ่กว่ามาก (1,048,576 โทเค็น) และรองรับการป้อนข้อมูลภาพและวิดีโอแบบเนทีฟ ในขณะที่ Llama 3.1 ส่วนใหญ่เป็นข้อความ ราคาของ Llama บน OrcaRouter อาจใกล้เคียงหรือแตกต่างเล็กน้อย โปรดตรวจสอบหน้าราคา สำหรับงานที่ใช้เฉพาะข้อความในราคาที่ใกล้เคียงกัน Llama อาจเป็นที่ต้องการหากคุณมีโครงสร้างพื้นฐานเดิม สำหรับความต้องการแบบมัลติโมดัล โมเดล Qwen นี้มีข้อได้เปรียบ ทั้งสองสามารถเข้าถึงได้ผ่าน API ที่เข้ากันได้กับ OpenAI ของ OrcaRouter
GPT-4o-mini จาก OpenAI เป็นโมเดลที่เล็กกว่าและราคาถูกกว่า พร้อมหน้าต่างบริบท 128K รองรับการป้อนข้อมูลที่เป็นข้อความและรูปภาพ แต่ไม่รองรับวิดีโอ ราคาของ GPT-4o-mini บน OrcaRouter ไม่ได้ระบุไว้ที่นี่ แต่โดยทั่วไปแล้วจะอยู่ที่ประมาณ $0.15/$0.60 ต่อ 1M tokens โมเดล Qwen นี้มีราคาถูกกว่าเล็กน้อยสำหรับ tokens ขาเข้า ($0.10) และขาออก ($0.40) ข้อได้เปรียบหลักของโมเดล Qwen คือบริบท 1M และรองรับวิดีโอ อย่างไรก็ตาม GPT-4o-mini อาจผ่านการวัดประสิทธิภาพอย่างละเอียดมากกว่าและมีระบบนิเวศที่กว้างกว่า เลือกตามความต้องการของคุณสำหรับบริบทที่ยาวหรือวิดีโอ และความไว้วางใจในประสิทธิภาพของโมเดล
โมเดลแฟลชอื่นๆ เช่น Llama 3.2 Flash หรือ Mistral small โดยทั่วไปมีหน้าต่างบริบทที่เล็กกว่า (เช่น 128K) และอาจไม่รองรับวิดีโอ คุณสมบัติที่โดดเด่นของโมเดลแฟลช Qwen นี้คือบริบทหนึ่งล้านโทเค็น ราคาแข่งขันได้ที่ $0.10/$0.40 ข้อจำกัดทั่วไปของโมเดลแฟลชรวมถึงความแม่นยำที่ต่ำกว่าในการใช้เหตุผลที่ซับซ้อนและงานที่เกี่ยวข้องกับข้อเท็จจริง สำหรับแอปพลิเคชันที่ต้องการคุณภาพสูงสุด โมเดลที่ไม่ใช่แฟลชจากตระกูลเดียวกันหรือโมเดลปิดขนาดใหญ่อาจดีกว่า ไม่มีการเปรียบเทียบเฉพาะด้านความเร็วหรือคะแนนมาตรฐานให้
เข้ากันได้กับ OpenAI — ใช้ SDK เดิมของคุณได้เลย
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/qwen3.5-flash-2026-02-23",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)enable_searchenable_thinkinginclude_reasoninglogprobsmax_tokensnparallel_tool_callspresence_penaltyreasoningrepetition_penaltyresponse_formatseedstopstreamstream_optionstemperaturethinking_budgettool_choicetoolstop_ktop_logprobstop_p| อินพุต / 1M โทเค็น | $0.100 |
|---|---|
| เอาต์พุต / 1M โทเค็น | $0.400 |
| สกุลเงิน | USD |
ประมาณการจากราคาตั้ง
เป็นเพียงการประเมิน — จำนวน token จริงขึ้นอยู่กับ tokenizer ของผู้ให้บริการ
สิ่งที่นักพัฒนาพูดถึงในสัปดาห์นี้
GET /api/public/models/qwen/qwen3.5-flash-2026-02-23เปิด @misc{orcarouter_qwen3_5_flash_2026_02_23,
title = {qwen/qwen3.5-flash-2026-02-23 API},
author = {qwen},
year = {n.d.},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/qwen/qwen3.5-flash-2026-02-23}
}qwen. (n.d.). qwen/qwen3.5-flash-2026-02-23 API. OrcaRouter. https://www.orcarouter.ai/models/qwen/qwen3.5-flash-2026-02-23