Qwen3.8 2.4T A95B
Red Neuronal
API de Qwen3.8 2.4T A95B: modelo de lenguaje abierto de Qwen con arquitectura MoE dispersa para tareas de texto.
Longitud máxima de respuesta
(en tokens)
Tamaño del contexto
(en tokens)
Costo del prompt
(por 1M tokens)
Costo de la respuesta
(por 1M tokens)
Cómo funciona Qwen3.8 2.4T A95B?
Qwen3.8 2.4T A95B es un modelo de pesos abiertos de Qwen, construido sobre una arquitectura dispersa de 'mixture of experts': de 2,4 billones de parámetros, se activan 95 mil millones por solicitud, combinando gran escala con un procesamiento eficiente. Es la variante abierta de Qwen3.8 Max de la misma línea. A través de BotHub, el modelo está disponible desde Rusia sin VPN ni tarjetas extranjeras; el pago se realiza en rublos por tokens utilizados, y los tokens no gastados no caducan. En una sola ventana hay más de 250 modelos, lo que permite comparar respuestas y cambiar entre ellos sin cambiar de interfaz. La API compatible con OpenAI conecta Qwen a su servicio y permite reemplazar el modelo sin reescribir la integración. Los diálogos se transmiten con cifrado AES-GCM; para empresas hay contratos, facturas, intercambio electrónico de documentos y panel de administración con límites. Escenarios: análisis y resumen de documentos largos, borradores de correos y materiales de trabajo, respuestas a preguntas frecuentes de usuarios dentro de su producto, experimentos con el modelo abierto en sus propios datos y ensamblajes multimodales donde Qwen cubre parte del flujo de solicitudes.Preguntas frecuentes sobre Qwen3.8 2.4T A95B
Puede usar los resultados generados con fines comerciales. Todos los derechos sobre el contenido creado le pertenecen. La única restricción: asegúrese de que la solicitud no incluya material de terceros protegido por derechos de autor. El usuario es responsable de respetar los derechos sobre los datos de entrada.
Es un modelo de texto de Qwen con razonamiento previo a la respuesta. Acepta texto, documentos e imágenes, llama a funciones y devuelve JSON estructurado. Es adecuado para trabajar con código (refactorización, depuración, análisis de grandes proyectos), así como para análisis de documentos y tareas STEM donde es importante la cadena de razonamiento.
En una sola respuesta, el modelo genera hasta 131 072 tokens, suficiente para un módulo de código extenso, un informe técnico detallado o el análisis de un documento completo. El contexto es de 1 000 000 de tokens, por lo que puede cargar código fuente o un paquete de archivos y obtener un resultado largo sin dividirlo en partes.
Sí, el razonamiento previo a la respuesta está confirmado: el modelo primero construye el proceso de solución y luego da el resultado. Esto ayuda en matemáticas, problemas lógicos y depuración de código de varios pasos. Úselo donde la precisión del resultado sea más importante que la velocidad de respuesta, a través de nuestra interfaz o API.
Sí, el modelo admite la llamada a funciones y la salida estructurada en JSON. Usted describe las herramientas, el modelo elige la correcta y devuelve los argumentos según el esquema dado; es útil para agentes, análisis de documentos e integraciones. La API en BotHub es compatible con OpenAI, por lo que puede cambiar de modelo sin reescribir el código.
Imágenes y documentos, sí: envíe una captura de pantalla de la interfaz, un esquema, una tabla, un PDF o una especificación y solicite un análisis. No hay información sobre audio y video en nuestros datos, así que cuente con texto, imágenes y archivos. El modelo devuelve el resultado en texto.
No tenemos datos sobre los idiomas de los prompts y las respuestas, por lo que no haremos promesas concretas. Es más honesto probarlo con su propia tarea: abra el modelo en el sitio web o en el bot de Telegram, realice una consulta típica y compárela con otro modelo en la misma ventana. Acceso desde Rusia sin VPN, pago con tarjetas rusas.