TokenRa
English登录注册

文本模型 · 千问

Qwen3.8 Flash API

Qwen3.8 Flash 是阿里千问 Qwen3.8 系列中速度更快、成本更低的模型，官方称原生多模态、支持 100 万 token 上下文。与 Qwen3.8 Max 一样默认开启思考，可用 enable_thinking: false 关闭。

模型 ID
qwen3.8-flash
上下文
100 万 token
输入
文本、图片
输出
文本（含推理过程）

Capabilities

能力与接口

对话生成，支持三种接口格式，均已于 2026-10-23 在 tokenra.io 实测调用成功。点击下方的格式按钮可切换代码示例。

POSThttps://tokenra.io/v1/chat/completions已实测
OpenAI SDK，base_url 设为 https://tokenra.io/v1；鉴权用 Authorization: Bearer。推荐使用。
POSThttps://tokenra.io/v1/responses已实测
OpenAI Responses 接口，SDK 和 Key 与上面相同，回答在 output_text 中。
POSThttps://tokenra.io/v1/messages已实测
Anthropic SDK 或 Claude Code，Base URL 设为 https://tokenra.io；鉴权用 x-api-key（也可用 Bearer），并带上 anthropic-version。

Request

请求参数

以下为 POST /v1/chat/completions 的字段，均已实测可用。

参数类型必填说明
modelstring是要调用的模型 ID，例如 qwen3.8-flash。
messagesarray是按顺序排列的对话消息（system、user、assistant、tool）。多轮对话把历史消息放回这个数组即可。content 可以是字符串，也可以是由 text 和 image_url 组成的数组。
streamboolean否是否以 SSE 流式返回，默认 false。
stream_optionsobject否设置 {"include_usage": true} 后，最后一个数据块携带 usage，其 choices 为空数组。
max_tokensinteger否只限制正文长度，不限制推理。实测 max_tokens: 16 时仍产生了约 2000 个推理 token，这部分按输出计费。
max_completion_tokensinteger否全部生成 token 的上限，包含推理。设得太小时正文可能为空，finish_reason 为 length。
temperaturenumber否采样温度。
top_pnumber否核采样阈值，一般与 temperature 二选一调整。
presence_penaltynumber否对已出现过的内容施加惩罚，鼓励引入新话题。
frequency_penaltynumber否按出现频率施加惩罚，减少重复。
response_formatobject否{"type": "json_object"} 返回 JSON 对象；{"type": "json_schema", "json_schema": {...}} 返回符合你的 Schema 的 JSON（已用 strict: true 实测）。
toolsarray否模型可以调用的函数工具列表（type 为 function）。
tool_choicestring / object否auto、none、required，或指定某个函数。
parallel_tool_callsboolean否是否允许一次返回多个工具调用。
reasoning_effortstring否推理强度，例如 low、medium、high。实测该模型接受此参数，对推理长度的影响因模型而异。
enable_thinkingboolean否默认开启思考；设为 false 可关闭。实测关闭后同一问题只用 4 个输出 token，开启时约 70 个。
top_kinteger否Qwen 原生采样参数：只从概率最高的 k 个 token 中采样。
userstring否你自己的终端用户标识，用于审计或风控，不会作为对话内容。
该模型不支持的参数
  • thinking_budget 可以传，但实测不限制推理长度：设为 64 时仍产生了约 5,600 个推理 token。请改用 enable_thinking: false 或 max_completion_tokens。

其他格式

格式必填字段回答位置
OpenAI Responsesmodel, inputoutput_text
Anthropic Messagesmodel, max_tokens, messagescontent[] 中 type 为 text 的块

Response

响应格式

响应示例
{
  "id": "chatcmpl-1792766122484",
  "object": "chat.completion",
  "created": 1792766122,
  "model": "qwen3.8-flash",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "API 网关是接收客户端请求的统一入口，负责把请求转发到对应的后端服务；同时统一处理鉴权、限流和日志等通用逻辑。",
        "reasoning_content": "用户需要两句话解释 API 网关……"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 26,
    "completion_tokens": 58,
    "total_tokens": 84,
    "prompt_tokens_details": {
      "cached_tokens": 0
    },
    "completion_tokens_details": {
      "reasoning_tokens": 21
    }
  }
}
字段类型说明
idstring本次请求的 ID，联系支持时请一并提供。
objectstring固定为 chat.completion，流式时为 chat.completion.chunk。
createdintegerUnix 时间戳（秒）。
modelstring实际生成回答的模型。
choices[].message.contentstring回答正文。
choices[].message.reasoning_contentstring模型的推理过程，与正文分开返回。
choices[].message.tool_callsarray传入 tools 时，模型请求调用的工具。
choices[].finish_reasonstringstop、length 或 tool_calls。
usageobjectprompt_tokens、completion_tokens、total_tokens，以及 prompt_tokens_details.cached_tokens（缓存命中）和 completion_tokens_details.reasoning_tokens（推理 token）。

设置 stream: true 后，回答以 data: 开头的 chat.completion.chunk 数据行逐段返回，最后一行是 data: [DONE]。

Errors

错误与限制

常见错误

HTTPerror.code含义处理建议
401—API Key 缺失、错误或已删除，message 为 Invalid token。检查 Authorization: Bearer 请求头，并在控制台核对 Key。
400—请求体不是合法 JSON。修正 JSON，并带上 Content-Type: application/json。
500invalid_request缺少必填字段，例如未传 messages。按 message 补全字段，重试无效。
403insufficient_user_quota账户余额或套餐额度不足。在控制台充值后重试。
503model_not_found模型 ID 不存在，或你的分组下没有可用渠道。在模型列表或 GET /v1/models 中核对模型 ID。
429—请求过于频繁。指数退避后重试。
5xx—上游服务商出错或超时。稍后重试几次；持续出错时保留 request id 联系支持。

使用限制与说明

  • 图片输入已用指向公网 HTTPS 图片的 image_url 实测可用。
  • 推理过程在 reasoning_content 中单独返回，与 content 中的回答分开，展示给终端用户时请按需取舍。