Qwen3.8-Max 是阿里巴巴 Qwen 系列中最新旗艦模型，也是迄今為止能力等級最高的產品。阿里巴巴在其官方遷移指南中，將它直接定位為 GPT-5.5、Claude Opus 4.7 與 Gemini 3.1 Pro 的競爭對手，並建議在任務需要最強推理能力時採用——例如複雜的多步驟分析、深度邏輯推導，以及高要求的代理型（agentic）工作。 它原生支援多模態，阿里巴巴同時將它列入文字生成與影像／影片理解類別：可接受文字、圖片與影片輸入，並回傳文字，配備 1M-token 的上下文視窗。官方能力矩陣確認它完整支援思考模式、函式呼叫、內建工具與結構化輸出，可直接無縫嵌入代理框架與工具呼叫管線。 Qwen3.8-Max 透過三種線路格式提供服務——OpenAI 相容、Anthropic 相容，以及原生 DashScope——部署於北京、新加坡、東京、法蘭克福與維吉尼亞。思考模式可透過 enable_thinking 參數切換（或在 Responses API 上使用 reasoning.effort）。它是該系列的高階等級：當困難問題的正確性重於成本時使用它，日常處理大量工作時則可降級至 Qwen3.7-Plus 或 Qwen3.7-Flash。
Qwen3.8 Max 是 Qwen 系列中的多模態大型語言模型，可透過 OrcaRouter 使用，模型 ID 為「qwen/qwen3.8-max」。提供方為 qwen。它的上下文視窗為 1,000,000 個 token，因此單一請求最多可包含一百萬個 token…
根據目錄事實，Qwen3.8 Max 是一個多模態語言模型，可接受文字、圖片和影片輸入。因此，它適合執行諸如摘要長篇文件、回答圖片相關問題或分析影片內容等任務。此模型預期能處理一般文字生成與推理，因為它屬於 Qwen 大型語言模型系列。然而，OrcaRouter 的列表中並未包含具體的任務清單或基準分數。你應使用自己的提示詞來測試此模型，以確認它是否能產生你所需的風格與準確度。由於 API 與 OpenAI 相容，你可以透過 OrcaRouter 發送一個小型請求，而無需變更現有程式碼。此模型的輸出 token 計費為每 1M token 6.00 美元，因此請一併規劃輸入與輸出的成本。為獲得最佳結果，請提供清楚的提示詞，並僅包含相關的上下文。
若要將影像和影片輸入與 Qwen3.8 Max 搭配使用，請將它們作為聊天訊息中的內容部分傳送至 OrcaRouter 的 OpenAI 相容 API。標準的 OpenAI 聊天格式允許包含文字部分和 image_url 部分的內容陣列。影片輸入可能需要特定格式，目錄條目中並未詳細說明；提供者 qwen 將影片列為可接受的模態。常見的做法是將影片幀作為一系列影像傳遞，或者如果 OrcaRouter 支援，則使用提供者特定的影片編碼。然後，模型會將視覺資訊與文字提示一起處理。請記住，所有視覺輸入都會計為 token，而 token 的計費方式為每 1M 輸入 token 收取 $2.00。如果您的影片很長，token 計數可能會很高，因此請先使用小樣本進行測試。在建立正式環境程式碼之前，請先確認 OrcaRouter 文件中的確切訊息結構。
Qwen3.8 Max 的定價為每 1M 個輸入 token 需 $2.00，每 1M 個輸出 token 需 $6.00。如果你的提示詞很短、你的資料僅包含文字，或者你不需要 1,000,000 個 token 的上下文，那麼較便宜的模型很可能會以較低的成本為你帶來類似的結果。OrcaRouter 上有許多僅處理文字的模型，其每個 token 的費率較低，而且在分類、擷取、摘要和一般聊天等任務上的回應速度也更快。當任務確實受益於大型上下文，或需要結合文字與圖片或影片時，你應該選擇 Qwen3.8 Max。你也應該針對自己的具體工作負載比較輸出品質，因為價格並非唯一考量因素。對於高用量應用程式，品質可接受且價格便宜的模型通常是更明智的商業決策。估算每個要求的平均輸入大小，再乘以費率，就能看出損益平衡點落在何處。
Qwen3.8 Max 的最佳使用情境，取決於其列出的能力：100 萬個 token 的上下文視窗，以及文字、圖片和影片輸入。這包括長篇文件問答、整本書摘要、合約分析、程式碼庫審查，以及需要理解截圖、圖表或影片畫面的多模態任務。它也適合在單次呼叫中處理整份影片逐字稿，而不是將它分段處理。由於輸出成本為每 100 萬個 token 6.00 美元，即使輸入很長，你仍應以簡潔的回答為目標。如果你只需要從一小段文字回答一個簡短問題，這個模型就太小題大做且昂貴了。當輸入量大、屬於多模態，或兩者兼具，且答案取決於所有這些內容時，此模型非常合適。對於高量生成任務，請使用較小的模型。
OrcaRouter 上 Qwen3.8 Max 的目錄條目並未列出任何基準測試分數。我們不會提供外部評估的數字，因為沒有任何數字是基於既有事實的。一般而言，基準測試分數衡量模型在特定任務上的表現，例如一般知識、推理、程式設計及多模態理解，具體取決於基準測試的類型。既然 Qwen3.8 Max 沒有官方分數，你不能依賴單一指標。評估此模型的適當方式，是透過 OrcaRouter 的 OpenAI 相容 API，在你自己的驗證集上執行測試。比較多個提示詞的輸出，並檢查一致性。如果日後看到供應商發布基準測試分數，請將其視為眾多訊號之一，而不是證明你的使用案例一定有效的依據。一個在廣泛基準測試中得分高的模型，仍可能在特定領域的輸入上失敗，因此直接測試至關重要。
OrcaRouter 的目錄清單中並未提供 Qwen3.8 Max 的延遲或吞吐量數據。響應速度取決於 qwen 供應商的基礎設施、您的輸入大小，以及 OrcaRouter 目前的負載。包含 1,000,000 個輸入 token 的請求會比簡短提示耗時更長，因為模型必須先處理整個上下文，才能生成輸出。輸出長度同樣會影響總耗時；生成大量 token 需要時間。如果速度至關重要，請盡可能縮小輸入和輸出的規模。您可以透過 OrcaRouter 的 API 串流接收回應，來測量首個 token 的響應時間 (time-to-first-token)。由於沒有官方速度數據，請勿預設任何特定的響應時間。請使用符合實際規模的提示詞自行測試並進行測量。延遲也可能因地區和時段而異。供應商可能會對大型請求進行限流。
Qwen3.8 Max 的優勢在於其目錄條目：1,000,000 個 token 的上下文視窗，以及支援文字、圖片和影片輸入。這種組合對於需要一次讀取大量多樣化內容的任務很有用。誠實而言，其限制在於未列出任何基準測試分數或速度數據，因此你無法僅從目錄驗證品質。每 1M 個 token 2.00 美元的輸入價格高於許多較小的模型，而每 1M 個 token 6.00 美元的輸出價格則意味著長回應並不便宜。該模型可能不是簡短、純文字或延遲敏感應用的最佳選擇。你應該在使其成為生產依賴之前，透過 OrcaRouter 在你自己的資料上評估 Qwen3.8 Max。依賴直接觀察，而非行銷宣稱。對於適合小上下文視窗的任務，較便宜的模型更為可取。
Qwen3.8 Max 按供應商費率計費，即每 1M 輸入 tokens 收費 $2.00，每 1M 輸出 tokens 收費 $6.00。OrcaRouter 不收取任何加價，因此您看到的 token 價格就是您實際支付的價格。目錄條目中沒有提及固定的每次請求費用。請求成本的計算方式是統計每個輸入 token，包括文字、圖片和影片 tokens，再乘以每 1M tokens $2.00。輸出 tokens 則單獨計算，乘以每 1M tokens $6.00。例如，一個包含 250,000 個輸入 tokens 和 5,000 個輸出 tokens 的請求，輸入成本為 $0.50，輸出成本為 $0.03。實際費用將顯示在您的 OrcaRouter 帳單上。如果您使用完整的 1M 上下文，僅輸入成本即為 $2.00。沒有其他列出的費用。
Qwen3.8 Max 的完整上下文視窗為 1,000,000 個 token。以每 1M 輸入 token 2.00 美元的價格計算，一個使用整個視窗的請求，在產生任何輸出之前，輸入部分的成本即為 2.00 美元。若輸出量可觀，您還需支付每 1M 輸出 token 6.00 美元的費用。視覺輸入很快就會消耗大量 token，因此包含影片影格或大量圖片，會使輸入 token 數遠高於您僅以文字推估的數量。這種定價模式意味著每次呼叫沒有固定成本；您只需為使用的 token 付費。這也表示一個 100,000 token 的提示詞成本為 0.20 美元，而一個 1,000,000 token 的提示詞成本則為 2.00 美元。如果您的任務只需要幾千個 token 的上下文，Qwen3.8 Max 的價值就較難合理化。這類情況請考量使用較小的模型。
Qwen3.8 Max 的目錄條目並未提及快取功能。OrcaRouter 的 OpenAI 相容 API 可能支援標準的供應商回報快取命中，但模型規格並未確認這一點。在沒有確認快取的情況下，你應假設每個輸入 token 都以標準費率計費，即每 1M tokens 為 $2.00。有些供應商會自動快取 prompt 的前綴，並對重複的 token 收取較低費用，但此模型並未說明這項功能。你可以檢查 OrcaRouter API 回應中的 usage 物件是否有 cached_token 欄位；如果供應商有回報，你就會看到折扣。如果沒有，請按每次請求的完整輸入成本來編列預算。最安全的做法是使用重複的相同 prompt 進行測試，並檢查回應中的 token 使用量。如果沒有快取，帳單金額就不會降低。
若要呼叫 Qwen3.8 Max，請使用 OrcaRouter 的 OpenAI 相容 API，基礎 URL 為 https://api.orcarouter.ai/v1。在請求主體中將模型 ID 設為 'qwen/qwen3.8-max'。端點為 https://api.orcarouter.ai/v1/chat/completions。您需要傳送一個 JSON 物件，內含 messages 陣列，其中每個訊息都有 role 和 content。對於純文字輸入，content 是純字串。對於圖片或影片輸入，content 可以是 parts 陣列，遵循 OpenAI vision 格式。使用您的 OrcaRouter API 金鑰在 Authorization 標頭中進行身分驗證。OrcaRouter 會將請求路由到 qwen 提供者。不需要單獨的提供者特定基礎 URL。使用標準的 OpenAI SDK 並將 base_url 設定為 OrcaRouter 的 URL，即可快速上手。回應格式與您熟悉的 chat completions 格式相同。
透過 OrcaRouter 的 OpenAI 相容 API，您可以設定 temperature、top_p、max_tokens 與 stop sequences 等參數。支援的參數可能取決於 qwen 提供者的後端。Qwen3.8 Max 的上下文視窗為 1,000,000 個 tokens，因此輸入與輸出 tokens 的總和必須維持在此限制內。最大輸出長度並未列在目錄條目中；請查閱模型文件或錯誤訊息以取得該限制。您可以使用 stream 參數，在 token 產生時即時接收，以改善感知延遲。對於多模態輸入，訊息內容陣列需包含正確的 part types。若某個參數不受支援，OrcaRouter 將回傳錯誤，您可以調整請求。建議先以小型 payload 進行測試，以確認參數行為。這是整合任何新模型時的標準做法。
如果您的應用程式已經使用 OpenAI 的聊天完成 API，遷移到 OrcaRouter 上的 Qwen3.8 Max 就很簡單。將 base URL 改為 https://api.orcarouter.ai/v1，並將 API 金鑰設定為您的 OrcaRouter 金鑰。將 model 欄位設為 'qwen/qwen3.8-max'。訊息結構保持不變，包括 system、user 和 assistant 訊息。對於多模態請求，請使用與 OpenAI 的 vision API 相同的 content parts 格式。您可能需要更新提示詞，因為 Qwen3.8 Max 是不同的模型，回應可能有所不同。在更改正式環境流量之前，先用幾個範例請求進行測試。另請注意，model id 包含 'qwen/' 前綴，這正是 OrcaRouter 識別供應商的方式。如果您的 SDK 允許自訂 base URL，則無需重寫程式碼。這能減少遷移工作量。您可以保留相同的重試和錯誤處理邏輯。
Qwen3.8 Max 的特點在於其 1,000,000-token 的上下文視窗，以及支援文字、圖片和影片輸入。較小的 Qwen 模型通常具有較短的上下文視窗，且可能無法接受全部三種模態。由於 OrcaRouter 上沒有提供 Qwen3.8 Max 的基準測試分數，因此無法僅從目錄資訊與較小模型進行直接的品質比較。價格差異很明顯：Qwen3.8 Max 每 1M 輸入 token 收費 $2.00，每 1M 輸出 token 收費 $6.00。較小的模型通常每個 token 的費用較低，速度也可能更快，但其限制可能會迫使您對輸入進行分塊或捨棄視覺資料。如果您的專案適用於較小的上下文且不需要影片輸入，那麼較小的模型可能更經濟實惠。如果您需要在長篇文件或影片中進行推理，Qwen3.8 Max 就是為此設計的選項。
OrcaRouter 託管來自不同提供者的多個模型，而 Qwen3.8 Max 是多模態選項之一。其定義性功能是 1,000,000-token 的上下文視窗，以及文字、圖像和影片輸入能力。其他多模態模型的上下文視窗可能較小，或具有不同的 token 定價。Qwen3.8 Max 的目錄條目列出每 1M 輸入 tokens 2.00 美元，每 1M 輸出 tokens 6.00 美元，在 OrcaRouter 上零加成。沒有基準測試分數，你無法斷定哪個模型更強大。你可以直接將相同的提示詞（prompts）發送給每個模型，透過 OrcaRouter 的 OpenAI 相容 API，並比較輸出品質、回應時間和成本。選擇取決於你的具體工作負載，以及你實際需要多少上下文。影片支援並非普遍存在，因此那是一項關鍵的區別因素。如果你的提示詞很小，價格較低的模型可能仍然更好。
當任務需要高達 1,000,000 個 token 的大型上下文視窗，或需要支援文字、圖像和影片的多模態輸入時，請選擇 Qwen3.8 Max。對於長文件分析、整部影片理解和圖像加文字推理，它是合理的選擇。當你的提示詞很短、僅限文字或對延遲敏感，且較小的模型以較低的 token 價格即可提供可接受的品質時，請選擇替代方案。此外，如果你需要已發佈的基準測試分數或有保證的吞吐量，也請考慮其他選項，因為 Qwen3.8 Max 並未列出這些數據。正確的決定取決於你預期的 token 使用量、成本容忍度和品質要求。在投入生產環境之前，請先在 OrcaRouter 上用這兩個模型進行小型評估，並計算每次成功回答的總成本。沒有一種模型能完美適用於所有任務。
相容 OpenAI——沿用你現有的 SDK
https://api.orcarouter.ai/v1https://api.orcarouter.aiimport 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/qwen3.8-max",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)enable_thinkinginclude_reasoningmax_tokenspresence_penaltyreasoningreasoning_effortresponse_formatseedstopstructured_outputstemperaturetool_choicetoolstop_p| 輸入 / 1M tokens | $2.00 |
| 輸出 / 1M tokens | $6.00 |
| 快取讀取 / 1M | $0.250 |
| 快取寫入 / 1M | $2.50 |
| 貨幣 | USD |
基於標價的估算
僅為估算——實際 Token 數取決於供應商的分詞器。
本週開發者的討論
@misc{orcarouter_qwen3_8_max,
title = {Qwen3.8 Max API},
author = {Qwen},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/qwen/qwen3.8-max}
}Qwen. (2026). Qwen3.8 Max API. OrcaRouter. https://www.orcarouter.ai/models/qwen/qwen3.8-max