Qwen3.8-Flash
Qwen3.8 Flash ist Alibabas cloud-only Multimodal-Reasoning-Modell mit einer Million Tokens Kontext und 0,16 / 0,47 USD pro Million Tokens. Verarbeitet Text, Bild und Video mit Tool Calling, erreichbar über Alibaba Cloud und OpenRouter. Die offene Basis Qwen3.8-Flash-Next ist verfügbar, der getestete Build ist Cloud-only. Architektur und Parameteranzahl sind nicht offengelegt, Daten laufen über chinesische Jurisdiktion.
- Open Weights
- Frontier
- OpenRouter
- Text
- Vision
- Video
- Agentic Orchestrator
- Long Context
- Interactive
Sovereign Risk: MEDIUM Basis-Gewichte sind offen verfuegbar (Qwen/Qwen3.8-Flash-Next, qwen-community-1.0, offizielle NVFP4/GGUF/FP8-Quants) — lokales Deployment moeglich. Der getestete OpenRouter-Endpoint ist jedoch Alibabas Produktions-Build (Qwen3.8-Flash, 1M Kontext, built-in Tools), dessen exakte Post-Training-Differenzen zu Flash-Next nicht offengelegt sind. Entwicklung/Betrieb unterliegen chinesischer Jurisdiktion.
Schlüsselmetriken
Score · Latenz · Kosten · Qualität
- Total Score Silver
- 79.51
- Routine
- 48.19
- Reasoning
- 31.31
- LLM Judge Avg
- 4.02 / 5
- 100 Coverage
- Avg Task Duration
- 39.68s
- Interactive
- Token Rate
- 50.94tok/s
- Output Rate
- P95 Latency
- 88.89s
- Top 5 %
- Total Tokens
- 113600
- Output Volume
- Cost per 1K
- $0.0005
- USD / 1K Requests
- Benchmark Cost
- $0.05
- Total · 113600 tok
Benchmark-Module
10 Module · gewichtet · vs. Modellmedian & Spitzenreiter
Token-Effizienz & Latenz
Verbrauch pro Modul vs. Modellmedian
Token-Verbrauch pro Modul
Performance-Profil
Schlüsselmetriken – Legende
Score
- Total Score
- Gesamtpunktzahl aus Routine- und Reasoning-Score. Basis für den Flotten-Rang und die Tier-Zuordnung (Gold / Silver / Bronze).
- Routine
- Punktzahl für Standardaufgaben: Code-Generierung, Texttransformation, strukturierte Ausgaben. Gewichtet nach Aufgabenkomplexität.
- Reasoning
- Punktzahl für analytische und logische Aufgaben: mehrstufige Problemlösung, mathematisches Schlussfolgern, strukturierte Argumentationen.
- Rang
- Position im Flottenvergleich, sortiert nach Total Score. Bezieht sich auf den Snapshot zum Zeitpunkt des Tests.
LLM Judge
- LLM Judge Ø
- Durchschnittliche Qualitätsbewertung durch ein unabhängiges Richter-Modell auf einer Skala von 1–5.
- Coverage
- Anteil der Aufgaben, für die eine Judge-Bewertung vorliegt. 100 % bedeutet, alle Antworten wurden bewertet.
Latenz & Geschwindigkeit
- Avg. Task Duration
- Durchschnittliche Zeit pro Aufgabe vom ersten bis zum letzten Token der Antwort, gemessen über alle Benchmark-Aufgaben.
- Token Rate
- Ausgabe-Geschwindigkeit in Tokens pro Sekunde. Relevant für interaktive Anwendungen und Echtzeit-Streaming.
- P95 Latency
- 95. Perzentil der Antwortzeiten – zeigt Ausreißer. Niedrigere Werte bedeuten weniger lange Wartezeiten in Ausnahmefällen.
Kosten
- Cost per 1K
- API-Preis pro 1.000 Output-Tokens in US-Dollar. Basis für Kostenkalkulation bei produktivem Einsatz.
- Benchmark Cost
- Gesamtkosten für den vollständigen Benchmark-Durchlauf dieses Modells.