مدل وزن‌باز Qwen3.8 و مدل‌های Qwen Image 3 اضافه شدند

تاریخ: ۱۴۰۵-۰۵-۲۴ / 2026-08-15

خلاصه

سه مدل جدید Alibaba اکنون در AvalAI در دسترس‌اند: مدل وزن‌باز، فقط متن و دارای تفکر اجباری qwen3.8-2.4t-a95b و دو مدل تولید و ویرایش تصویر qwen-image-3.0-pro و qwen-image-3.0. مدل متنی از Chat Completions و Messages به‌طور کامل و از Responses به‌صورت جزئی پشتیبانی می‌کند. هر دو مدل تصویر از endpointهای تولید و ویرایش Images API پشتیبانی می‌کنند.

جزئیات

Alibaba

qwen3.8-2.4t-a95b

qwen3.8-2.4t-a95b مدل پایه وزن‌باز زیرساخت سرویس مدیریت‌شده qwen3.8-max است. معماری mixture-of-experts آن ۲٫۴ تریلیون پارامتر کل دارد و در هر forward pass تعداد ۹۵ میلیارد پارامتر را فعال می‌کند.

برخلاف qwen3.8-max، route وزن‌باز فقط متن است و همیشه در حالت thinking کار می‌کند. تفکر را نمی‌توان غیرفعال کرد. برای تنظیم بودجه reasoning از reasoning_effort با مقدارهای low، medium یا xhigh استفاده کنید؛ مقدار پیش‌فرض xhigh است.

ویژگی	جزئیات
شناسه مدل	qwen3.8-2.4t-a95b
ورودی	فقط متن
خروجی	متن
پنجره زمینه	۲۶۲٬۱۴۴ توکن
معماری	۲٫۴ تریلیون پارامتر کل، ۹۵ میلیارد فعال
تفکر	اجباری
Endpointها	v1/chat/completions (کامل)، v1/messages (کامل)، v1/responses (جزئی)

قیمت‌گذاری:

نوع مصرف	قیمت برای ۱ میلیون توکن
ورودی	$2.00
ورودی ایجاد کش	$2.50
ورودی کش‌شده	$0.25
خروجی	$6.00

qwen-image-3.0-pro و qwen-image-3.0

هر دو مدل Qwen Image 3 از تولید تصویر جدید و ویرایش تصویر منبع از طریق Images API سازگار با OpenAI پشتیبانی می‌کنند.

شناسه مدل	Endpoint تولید	Endpoint ویرایش
qwen-image-3.0-pro	v1/images/generations	v1/images/edits
qwen-image-3.0	v1/images/generations	v1/images/edits

قیمت هر دو مدل یکسان است:

نوع مصرف	قیمت
نرخ حسابداری خروجی	$40 / ۱ میلیون توکن خروجی
تصویر خروجی ۱K / حدود ۱ MP	$0.04 / تصویر
تصویر خروجی ۲ تا ۴ MP	$0.075 / تصویر
تصویر مرجع یا ورودی	$0.003 / تصویر
ورودی متن	$0
ورودی متن کش‌شده	$0

نمونه درخواست و پاسخ API

Chat Completions

نمونه درخواست

curl https://api.avalai.ir/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "qwen3.8-2.4t-a95b",
    "messages": [
      {
        "role": "user",
        "content": "پرریسک‌ترین فرض این برنامه مهاجرت را مشخص کن."
      }
    ],
    "reasoning_effort": "medium"
  }'

نمونه پاسخ

چون thinking اجباری است، متن مدل می‌تواند با یک بلوک reasoning درون <think>...</think> شروع شود.

{
  "id": "chatcmpl_qwen38_example",
  "object": "chat.completion",
  "model": "qwen3.8-2.4t-a95b",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "<think>در حال بررسی وابستگی‌ها و فرض‌های rollback...</think>\n\nپرریسک‌ترین فرض این است که همه سرویس‌های وابسته می‌توانند در یک پنجره نگهداری مهاجرت کنند. سازگاری را سرویس‌به‌سرویس اعتبارسنجی و cutover برگشت‌پذیر تعریف کنید."
      },
      "finish_reason": "stop"
    }
  ]
}

تولید تصویر

نمونه درخواست

curl https://api.avalai.ir/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "qwen-image-3.0-pro",
    "prompt": "یک تصویرسازی editorial تمیز از شهر انرژی‌های تجدیدپذیر با فضای خالی برای عنوان",
    "size": "1024x1024",
    "n": 1
  }'

نمونه پاسخ

{
  "created": 1786795200,
  "data": [
    {
      "url": "https://example.invalid/generated/qwen-image-3-output.png",

      "revised_prompt": "یک تصویرسازی editorial تمیز از شهر انرژی‌های تجدیدپذیر با فضای مشخص برای عنوان"
    }
  ]
}

برای ویرایش، تصویر منبع و prompt را به v1/images/edits بفرستید. هر تصویر مرجع یا ورودی $0.003 به هزینه درخواست اضافه می‌کند.

نمونه‌های استفاده از SDK

Bash

curl https://api.avalai.ir/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "qwen3.8-2.4t-a95b",
    "messages": [{"role": "user", "content": "این برنامه استقرار را بررسی کن."}],
    "reasoning_effort": "medium"
  }'

Python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AVALAI_API_KEY"],
    base_url="https://api.avalai.ir/v1",
)

response = client.chat.completions.create(
    model="qwen3.8-2.4t-a95b",
    messages=[{"role": "user", "content": "این برنامه استقرار را بررسی کن."}],
    extra_body={"reasoning_effort": "medium"},
)

print(response.choices[0].message.content)

JavaScript

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.AVALAI_API_KEY,
  baseURL: "https://api.avalai.ir/v1",
});

const response = await client.chat.completions.create({
  model: "qwen3.8-2.4t-a95b",
  messages: [
    { role: "user", content: "این برنامه استقرار را بررسی کن." },
  ],
  reasoning_effort: "medium",
});

console.log(response.choices[0].message.content);

نکات یکپارچه‌سازی

• تصویر یا ویدئو به qwen3.8-2.4t-a95b نفرستید؛ برای درک چندوجهی از qwen3.8-max استفاده کنید.
• تلاش نکنید thinking را در qwen3.8-2.4t-a95b غیرفعال کنید.
• به‌جای کنترل enable_thinking مدل مدیریت‌شده Max، از reasoning_effort استفاده کنید.
• پشتیبانی v1/responses مدل متنی را جزئی در نظر بگیرید و پیش از مهاجرت فیلدهای مورد نیاز را بررسی کنید.
• برای هر دو مدل Qwen Image 3 از مسیر جمع v1/images/edits استفاده کنید.
• در گردش‌کار ویرایش، هزینه $0.003 برای هر تصویر مرجع/ورودی را لحاظ کنید.

پیوندهای مرتبط

• مستندات مدل‌های Alibaba
• صفحه مدل Qwen3.8-2.4T-A95B
• صفحه مدل Qwen Image 3.0 Pro
• صفحه مدل Qwen Image 3.0
• API تکمیل گفتگو
• Images API
• راهنمای reasoning
• راهنمای تولید تصویر
• قیمت‌گذاری