افزودن مدل‌های جدید: Qwen3.8-27B و Qwen3.8-Flash

تاریخ: ۱۴۰۵-۰۶-۰۷ / (2026-08-29)

خلاصه

مدل‌های جدید Qwen3.8 شرکت Alibaba با شناسه‌های qwen3.8-27b و qwen3.8-flash اکنون برای کدنویسی، کارهای عاملی، استدلال و درک چندوجهی از طریق AvalAI در دسترس هستند. هر دو مدل از v1/chat/completions و v1/messages پشتیبانی می‌کنند و برای v1/responses پشتیبانی جزئی دارند.

---

جزئیات

Alibaba Qwen3.8

مدل qwen3.8-27b یک مدل متراکم و فشرده ۲۷ میلیارد پارامتری است که نسل Qwen3.8 را به شکلی مناسب برای استقرار ارائه می‌دهد. این مدل به‌طور بومی بینایی-زبان است و تصویر و ویدیو را درک می‌کند و کنترل انعطاف‌پذیر تفکر با تنظیم reasoning_effort و پشتیبانی از preserve_thinking برای گردش‌کارهای چندنوبتی دارد.

مدل qwen3.8-flash نام مستعار مدیریت‌شده qwen3.8-flash-next است؛ مدلی از جنس ترکیب متخصصان با ۱۲۵ میلیارد پارامتر کل که در هر توکن ۶ میلیارد پارامتر را فعال می‌کند. معماری ترکیبی Gated DeltaNet و توجه پراکنده Qwen (QSA) هزینه سرویس‌دهی زمینه طولانی را کاهش می‌دهد و ۵۱ میلیارد پارامتر additional در قالب embedding N-gram، ظرفیت مدل را با هزینه محاسباتی ناچیز در هر توکن افزایش می‌دهد. در AvalAI این مدل تا ۲۶۲٬۱۴۴ توکن ورودی و ۶۵٬۵۳۶ توکن خروجی پشتیبانی می‌کند.

ویژگی‌های کلیدی:

• درک بینایی-زبان: هر دو مدل ورودی تصویر و ویدیو را می‌پذیرند؛ از نمودارهای STEM و اسناد تا ویدیوهای چندساعته
• کنترل انعطاف‌پذیر تفکر: حالت تفکر به‌صورت پیش‌فرض فعال است؛ reasoning_effort مقدارهای low، medium و xhigh را برای تنظیم عمق و هزینه می‌پذیرد
• زمینه طولانی: پنجره ورودی ۲۶۲٬۱۴۴ توکنی در AvalAI برای هر دو مدل
• توانایی عاملی: نتایج گزارش‌شده توسط ارائه‌دهنده شامل ۷۳.۰ در Terminal Bench 2.1، ۶۱.۷ در SWE-bench Pro و ۸۴.۳ در OSWorld-Verified برای qwen3.8-27b و ۷۳.۵ در Toolathlon Verified و ۹۱.۷ در GPQA Diamond برای qwen3.8-flash
• قابلیت‌های توسعه‌دهنده: فراخوانی تابع، انتخاب ابزار، پاسخ جریانی و پشتیبانی از محتوای استدلالی در تمام نقاط پایانی
• مناسب برای: qwen3.8-flash برای چت و گردش‌کارهای عاملی پرحجم و کم‌هزینه؛ qwen3.8-27b برای استقرارهای مدل متراکم که به بینایی، کدنویسی و قابلیت اطمینان بلندمدت نیاز دارند

نکات برجسته بنچمارک به گزارش Alibaba

ارزیابی	qwen3.8-flash	qwen3.8-27b
GPQA Diamond	91.7	89.2
LiveCodeBench v6	91.9	90.3
SWE-bench Pro	62.5	61.7
CoWorkBench	73.9	70.7
Toolathlon Verified	73.5	67.1
OSWorld-Verified	52.3 (partial)	84.3

این نتایج که Alibaba گزارش کرده است، شواهدی جهت‌دهنده هستند. پیش از هدایت ترافیک محیط تولید، مدل‌ها را با پرامپت‌ها، ابزارها، رسانه‌ها و معیارهای پذیرش متناسب با کاربرد خود ارزیابی کنید.

دسترسی نقاط پایانی

نقطه پایانی	پشتیبانی	توضیحات
v1/chat/completions	پشتیبانی می‌شود	Chat Completions سازگار با OpenAI
v1/messages	پشتیبانی می‌شود	Messages API سازگار با Anthropic
v1/responses	پشتیبانی جزئی	پارامترها، ابزارها و نوع‌های ورودی موردنیاز را پیش از استفاده در محیط تولید بررسی کنید

---

قیمت‌گذاری

قیمت‌ها به دلار آمریکا و به ازای ۱ میلیون توکن هستند.

مدل	ورودی	ساخت کش	ورودی کش‌شده	خروجی
qwen3.8-flash	$0.15	$0.20	$0.016	$0.47
qwen3.8-27b	$0.50	$0.625	$0.10	$2.00

تفکیک کامل محدودیت نرخ بر اساس سطح حساب را در صفحه قیمت‌گذاری ببینید.

---

نمونه درخواست و پاسخ API

درخواست

curl https://api.avalai.ir/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "qwen3.8-flash",
    "messages": [
      {
        "role": "user",
        "content": "این برنامه مهاجرت را بررسی کن و سه فرض پرریسک آن را مشخص کن."
      }
    ]
  }'

پاسخ

نمونه کوتاه‌شده زیر ساختار استاندارد Chat Completions را نشان می‌دهد. تعداد توکن‌ها و هزینه با توجه به درخواست و خروجی تولیدشده تغییر می‌کند.

{
  "id": "chatcmpl-qwen38flash-example",
  "created": 1788000000,
  "model": "qwen3.8-flash",
  "object": "chat.completion",
  "system_fingerprint": null,
  "choices": [
    {
      "finish_reason": "stop",
      "index": 0,
      "message": {
        "content": "سه فرض پرریسک عبارت‌اند از بازه بازگشت (rollback)، تضمین نوشتن دوگانه داده‌ها در حین تغییر مسیر و بدون‌تغییر ماندن قراردادهای سمت کلاینت. پیش از تغییر ترافیک، هر یک را با یک تمرین آزمایشی راستی‌آزمایی کنید.",
        "role": "assistant",
        "thinking_blocks": [],
        "annotations": []
      }
    }
  ],
  "usage": {
    "completion_tokens": 46,
    "prompt_tokens": 24,
    "total_tokens": 70,
    "completion_tokens_details": null,
    "prompt_tokens_details": {
      "audio_tokens": null,
      "cached_tokens": null,
      "text_tokens": 24,
      "image_tokens": null
    }
  },
  "estimated_cost": {
    "unit": "0.0000258200",
    "irt": 2.96,
    "exchange_rate": 114600
  }
}

---

نمونه‌های استفاده با SDK

Bash

curl https://api.avalai.ir/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "qwen3.8-27b",
    "messages": [
      {
        "role": "user",
        "content": "یک بازسازی مرحله‌ای برای این سرویس با تست و معیارهای بازگشت برنامه‌ریزی کن."
      }
    ],
    "extra_body": {
      "enable_thinking": true
    }
  }'

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="qwen3.8-27b",
    messages=[
        {
            "role": "user",
            "content": "یک بازسازی مرحله‌ای برای این سرویس با تست و معیارهای بازگشت برنامه‌ریزی کن.",
        }
    ],
    stream=True,
    extra_body={"enable_thinking": True, "reasoning_effort": "medium"},
)

for chunk in response:
    if chunk.choices:
        print(chunk.choices[0].delta.content or "", end="")

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: "qwen3.8-27b",
  messages: [
    {
      role: "user",
      content: "یک بازسازی مرحله‌ای برای این سرویس با تست و معیارهای بازگشت برنامه‌ریزی کن.",
    },
  ],
  stream: true,
});

for await (const chunk of response) {
  process.stdout.write(chunk.choices[0]?.delta?.content ?? "");
}

---

راهنمای پذیرش

• از شناسه‌های دقیق مدل یعنی qwen3.8-flash و qwen3.8-27b استفاده کنید.
• qwen3.8-flash نام مستعار تولیدی و مدیریت‌شده qwen3.8-flash-next است؛ در ارائه‌دهنده اصلی ابزارهای رسمی داخلی و پیکربندی پیش‌فرض مناسب محیط تولید دارد.
• تفکر به‌صورت پیش‌فرض فعال است. برای دریافت پاسخ مستقیم در درخواست‌های غیرجریانی extra_body={"enable_thinking": false} را بفرستید و برای دریافت خروجی استدلالی، enable_thinking: true را همراه stream: true نگه دارید.
• عمق استدلال را با reasoning_effort (low، medium یا xhigh) تنظیم کنید و در صورت پشتیبانی route، زمینه استدلال چندنوبتی را با preserve_thinking حفظ کنید.
• پیش از استفاده از نقطه پایانی v1/responses که پشتیبانی جزئی دارد، از پشتیبانی همه پارامترها، ابزارها و نوع‌های ورودی موردنیاز مطمئن شوید.

---

پیوندهای مرتبط

• مستندات مدل‌های Alibaba
• مرجع API Chat Completions
• راهنمای استدلال
• قیمت‌گذاری