
Qwen: Qwen3.8 27B (batch)
qwen/qwen3.8-27b:batch
Pesos del modeloQwen3.8 27B is an open-weight dense vision-language model from Qwen. It is suited for coding, professional workflows, research, multimodal interaction, and long-running agent tasks, with flexible thinking that can be enabled or disabled.
Proveedores
Distintas empresas alojan el mismo modelo. OpenRouter enruta su solicitud a una de ellas según el modo de enrutamiento que elija: Balanced (precio + velocidad), Nitro (el más rápido) o Floor (el más económico).
| 0,16 US$ | 2,00 US$ | 0,04 US$ | -- | -- |
Entrada 0,16 US$ / Salida 2,00 US$-- tok/s-- de tiempo de actividad
Precios
El precio medio que los clientes pagan realmente por este modelo, junto a los precios que publican los proveedores. El uso de caché y los descuentos hacen que el precio realmente pagado a menudo sea muy inferior al publicado.
Media ponderada
Qwen3.8 27B (batch) — Historial de precios
| 0,00 US$ | 0,00 US$ | 0,0 % | 100,0 % |
- En vigor en 0,00 US$ / Salida efectiva 0,00 US$Proporción de tókenes100,0 %
Rendimiento
La velocidad de generación indica lo rápido que escribe el modelo (tokens por segundo: cuanto mayor, mejor). La latencia es el tiempo total de ida y vuelta (cuanto menor, mejor). TTFT es el tiempo hasta el primer token: cuánto tarda en aparecer algo en pantalla (cuanto menor, mejor).
Tiempo de actividad
El tiempo de actividad es el porcentaje de los últimos 3 días en que al menos un proveedor respondía a las solicitudes. La disponibilidad es el porcentaje de tiempo en que la inferencia se sirvió correctamente. OpenRouter supervisa continuamente y utiliza el siguiente mejor proveedor cuando uno devuelve un error.
Aún no hay suficientes datos de tiempo de actividad para mostrar.
Cuando se produce un error en un proveedor ascendente, podemos recuperarnos enrutando la solicitud a otro proveedor que funcione correctamente, si los filtros de su solicitud lo permiten. Puede acceder mediante programación a los datos de tiempo de actividad de cada proveedor a través de la API de endpoints. Obtenga más información sobre nuestras opciones de equilibrio de carga y enrutamiento de proveedores.
Pruebas de rendimiento
Puntuaciones en evaluaciones estandarizadas y respuestas de este modelo a instrucciones compartidas de las pruebas de referencia. Los porcentajes más altos son mejores, y cada posición indica dónde se sitúa este modelo entre los modelos evaluados en esa fuente.
| Fuente | Prueba de rendimiento | Puntuación |
|---|---|---|
| Artificial Analysis | Qwen3.8 27B (Xhigh) Intelligence Index | 20,1 |
| Artificial Analysis | Qwen3.8 27B (Xhigh) Coding Index | 68,1 |
| Artificial Analysis | Qwen3.8 27B (Xhigh) Agentic Index | 45,8 |
| Artificial Analysis | Qwen3.8 27B (Xhigh) GPQA Diamond | 90.5% |
| Artificial Analysis | Qwen3.8 27B (Xhigh) HLE | 33.9% |
| Artificial Analysis | Qwen3.8 27B (Xhigh) AA-LCR | 82.0% |
| Artificial Analysis | Qwen3.8 27B (Xhigh) τ-Bench Banking | 48.0% |
| Artificial Analysis | Qwen3.8 27B (Xhigh) GDPval-AA | 46.3% |
| Artificial Analysis | Qwen3.8 27B (Xhigh) CritPt | 5.4% |
| Artificial Analysis | Qwen3.8 27B (Xhigh) SciCode | 46.6% |
| Artificial Analysis | Qwen3.8 27B (Xhigh) Terminal-Bench 4.0 | 5.6% |
| Artificial Analysis | Qwen3.8 27B (Xhigh) Terminal-Bench 2.1 | 79.8% |
| Artificial Analysis | Qwen3.8 27B (Xhigh) AA-Omniscience Accuracy | 17.3% |
| Artificial Analysis | Qwen3.8 27B (Xhigh) AA-Omniscience Non-Hallucination Rate | 71.4% |
| Artificial Analysis | Qwen3.8 27B (Low) Intelligence Index | 15,7 |
| Artificial Analysis | Qwen3.8 27B (Low) Coding Index | 58,2 |
| Artificial Analysis | Qwen3.8 27B (Low) Agentic Index | 38,9 |
| Artificial Analysis | Qwen3.8 27B (Low) GPQA Diamond | 84.5% |
| Artificial Analysis | Qwen3.8 27B (Low) HLE | 14.0% |
| Artificial Analysis | Qwen3.8 27B (Low) AA-LCR | 77.3% |
| Artificial Analysis | Qwen3.8 27B (Low) τ-Bench Banking | 32.2% |
| Artificial Analysis | Qwen3.8 27B (Low) GDPval-AA | 43.3% |
| Artificial Analysis | Qwen3.8 27B (Low) CritPt | 0.0% |
| Artificial Analysis | Qwen3.8 27B (Low) SciCode | 40.0% |
| Artificial Analysis | Qwen3.8 27B (Low) Terminal-Bench 4.0 | 2.5% |
| Artificial Analysis | Qwen3.8 27B (Low) Terminal-Bench 2.1 | 67.4% |
| Artificial Analysis | Qwen3.8 27B (Low) AA-Omniscience Accuracy | 18.3% |
| Artificial Analysis | Qwen3.8 27B (Low) AA-Omniscience Non-Hallucination Rate | 51.3% |
| Artificial Analysis | Qwen3.8 27B (Non-reasoning) Intelligence Index | 10,0 |
| Artificial Analysis | Qwen3.8 27B (Non-reasoning) Coding Index | 44,6 |
| Artificial Analysis | Qwen3.8 27B (Non-reasoning) Agentic Index | 22,4 |
| Artificial Analysis | Qwen3.8 27B (Non-reasoning) GPQA Diamond | 81.8% |
| Artificial Analysis | Qwen3.8 27B (Non-reasoning) HLE | 12.1% |
| Artificial Analysis | Qwen3.8 27B (Non-reasoning) AA-LCR | 69.3% |
| Artificial Analysis | Qwen3.8 27B (Non-reasoning) τ-Bench Banking | 20.0% |
| Artificial Analysis | Qwen3.8 27B (Non-reasoning) GDPval-AA | 29.1% |
| Artificial Analysis | Qwen3.8 27B (Non-reasoning) CritPt | 0.3% |
| Artificial Analysis | Qwen3.8 27B (Non-reasoning) SciCode | 36.2% |
| Artificial Analysis | Qwen3.8 27B (Non-reasoning) Terminal-Bench 4.0 | 0.0% |
| Artificial Analysis | Qwen3.8 27B (Non-reasoning) Terminal-Bench 2.1 | 49.1% |
| Artificial Analysis | Qwen3.8 27B (Non-reasoning) AA-Omniscience Accuracy | 9.1% |
| Artificial Analysis | Qwen3.8 27B (Non-reasoning) AA-Omniscience Non-Hallucination Rate | 82.0% |
| Artificial Analysis | Qwen3.8 27B (Medium) Intelligence Index | 17,5 |
| Artificial Analysis | Qwen3.8 27B (Medium) Coding Index | 56,1 |
| Artificial Analysis | Qwen3.8 27B (Medium) Agentic Index | 44,4 |
| Artificial Analysis | Qwen3.8 27B (Medium) GPQA Diamond | 84.5% |
| Artificial Analysis | Qwen3.8 27B (Medium) HLE | 14.1% |
| Artificial Analysis | Qwen3.8 27B (Medium) AA-LCR | 79.7% |
| Artificial Analysis | Qwen3.8 27B (Medium) τ-Bench Banking | 47.4% |
| Artificial Analysis | Qwen3.8 27B (Medium) GDPval-AA | 44.5% |
| Artificial Analysis | Qwen3.8 27B (Medium) CritPt | 0.0% |
| Artificial Analysis | Qwen3.8 27B (Medium) SciCode | 39.0% |
| Artificial Analysis | Qwen3.8 27B (Medium) Terminal-Bench 4.0 | 5.1% |
| Artificial Analysis | Qwen3.8 27B (Medium) Terminal-Bench 2.1 | 65.2% |
| Artificial Analysis | Qwen3.8 27B (Medium) AA-Omniscience Accuracy | 17.9% |
| Artificial Analysis | Qwen3.8 27B (Medium) AA-Omniscience Non-Hallucination Rate | 34.6% |
| Vals AI | Qwen 3.8 27B Code Migration | 14.2% |
| Vals AI | Qwen 3.8 27B CyberBench v1.1 | 67.8% |
| Vals AI | Qwen 3.8 27B EMB | 59.7% |
| Vals AI | Qwen 3.8 27B Finance Agent (v2) | 48.6% |
| Vals AI | Qwen 3.8 27B GPQA Diamond | 88.9% |
| Vals AI | Qwen 3.8 27B Harvey's Legal Agent Benchmark v1 | 11.3% |
| Vals AI | Qwen 3.8 27B IOI | 39.1% |
| Vals AI | Qwen 3.8 27B LiveCodeBench | 84.0% |
| Vals AI | Qwen 3.8 27B LegalBench | 82.4% |
| Vals AI | Qwen 3.8 27B Legal Research Bench | 36.1% |
| Vals AI | Qwen 3.8 27B MedCode | 28.7% |
| Vals AI | Qwen 3.8 27B MedScribe | 83.8% |
| Vals AI | Qwen 3.8 27B MMLU Pro | 84.3% |
| Vals AI | Qwen 3.8 27B MMMU Pro | 83.9% |
| Vals AI | Qwen 3.8 27B MortgageTax | 64.9% |
| Vals AI | Qwen 3.8 27B ProgramBench | 0.0% |
| Vals AI | Qwen 3.8 27B ProofBench v1.1 | 16.0% |
| Vals AI | Qwen 3.8 27B SAGE v1 | 52.4% |
| Vals AI | Qwen 3.8 27B SkillsBench | 38.1% |
| Vals AI | Qwen 3.8 27B SWE-bench | 86.0% |
| Vals AI | Qwen 3.8 27B Tax Agent Bench | 30.9% |
| Vals AI | Qwen 3.8 27B TaxEval v2 | 70.8% |
| Vals AI | Qwen 3.8 27B Terminal-Bench 2.1 | 58.4% |
| Vals AI | Qwen 3.8 27B Terminal-Bench-Science | 0.0% |
| Vals AI | Qwen 3.8 27B Vals Index | 48.5% |
| Vals AI | Qwen 3.8 27B Vibe Code Bench v1.1 | 64.8% |
Aplicaciones
Aplicaciones públicas que envían más tráfico a este modelo. Una buena señal de cómo son las cargas de trabajo reales en producción, y una pista sobre los casos de uso para los que este modelo es más adecuado.
Aún no hay suficientes datos sobre las aplicaciones que usan este modelo.
Actividad
Volumen de tokens y tráfico de solicitudes a este modelo a lo largo del tiempo.
API
Código listo para usar para llamar a este modelo. La API de OpenRouter es compatible con OpenAI: la mayoría de los SDK funcionan con solo cambiar la URL base. Lo único que cambia entre modelos es el identificador del modelo que aparece a continuación.
Actualmente no está disponible mediante el enrutamiento dentro de la región de la UE. Documentación de enrutamiento dentro de la región
Documentación
Guías, recetarios, artículos de blog y herramientas para desarrollar con Qwen: Qwen3.8 27B (batch) en OpenRouter.
Preguntas frecuentes
Qwen3.8 27B is an open-weight dense vision-language model from Qwen. It is suited for coding, professional workflows, research, multimodal interaction, and long-running agent tasks, with flexible thinking that can be enabled or disabled.
La documentación de Qwen3.8 27B (batch) en OpenRouter incluye la publicación del blog Self-Hosted LLM vs API: When Does Self-Hosting Pay Off y la publicación del blog LLM Quantization: What fp8 and fp4 Do to Quality and Price. La guía de inicio rápido cubre las claves de API y su primera solicitud, y la referencia de la API enumera todos los parámetros.
Qwen3.8 27B (batch) cuesta 0,16 US$/M de tokens de entrada y 2,00 US$/M de tókenes de salida, con tarifas independientes para Cache Read a 0,04 US$/M tokens.
Qwen3.8 27B (batch) tiene una ventana de contexto de 262.144 tókenes.
Sí. Qwen3.8 27B (batch) admite tools y tool_choice para llamadas a funciones. También admite salidas estructuradas mediante un esquema JSON en response_format.
Qwen3.8 27B (batch) acepta texto, imágenes y vídeo como entrada y devuelve texto.
Qwen3.8 27B (batch) está disponible a través de 1 proveedor en OpenRouter: DeepInfra.
Qwen4 Max, Qwen3.8 Max Prime, Qwen3.8 Omni Flash y 36 más son otros modelos de texto de Qwen.
Qwen3.8 27B (batch) se lanzó el 14 de agosto de 2026.