
Qwen: Qwen3.8 27B (batch)
qwen/qwen3.8-27b:batch
Poids du modèleQwen3.8 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.
Fournisseurs
Différentes entreprises hébergent le même modèle. OpenRouter achemine votre requête vers l’une d’elles selon le mode de routage que vous choisissez : Équilibré (prix + vitesse), Nitro (le plus rapide) ou Floor (le moins cher).
| 0,16 $US | 2,00 $US | 0,04 $US | -- | -- |
Entrée 0,16 $US / Sortie 2,00 $US-- tok/s-- de disponibilité
Tarification
Le prix moyen que les clients paient réellement pour ce modèle, à côté des prix affichés par les fournisseurs. Grâce à la mise en cache et aux remises, le prix réellement payé est souvent bien inférieur au prix affiché.
Moyenne pondérée
Qwen3.8 27B (batch) — Historique des prix
| 0,00 $US | 0,00 $US | 0,0 % | 100,0 % |
- Prix effectif en entrée 0,00 $US / Sortie effective 0,00 $USPart des jetons100,0 %
Performances
Le débit est la vitesse à laquelle le modèle écrit (jetons par seconde — plus il est élevé, mieux c’est). La latence est le temps total d’aller-retour (plus il est faible, mieux c’est). Le TTFT est le délai avant le premier jeton — le temps avant de voir quelque chose apparaître (plus il est faible, mieux c’est).
Disponibilité
La disponibilité correspond au pourcentage des 3 derniers jours pendant lequel au moins un fournisseur répondait aux requêtes. La disponibilité du service correspond au pourcentage de temps pendant lequel l’inférence a été assurée avec succès. OpenRouter surveille en continu les fournisseurs et utilise le meilleur fournisseur suivant lorsque l’un d’eux renvoie une erreur.
Les données de disponibilité sont encore insuffisantes pour être affichées.
Lorsqu’une erreur survient chez un fournisseur en amont, nous pouvons rétablir le service en routant la requête vers un autre fournisseur opérationnel, si les filtres de votre requête le permettent. Vous pouvez accéder par programmation aux données de disponibilité de chaque fournisseur via l’ API des points de terminaison. Découvrez nos options d’ équilibrage de charge et de routage des fournisseurs.
Évaluations comparatives
Scores aux évaluations standardisées et réponses de ce modèle aux prompts communs des tests de référence. Des pourcentages plus élevés sont meilleurs — et chaque rang indique la position de ce modèle parmi les modèles évalués sur cette source.
| Source | Test de performance | Score |
|---|---|---|
| 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% |
Applications
Applications publiques qui envoient le plus de trafic à ce modèle. Un bon indicateur des charges de travail réelles en production — et un aperçu des cas d’usage auxquels ce modèle convient le mieux.
Pas encore assez de données sur les applications utilisant ce modèle.
Activité
Volume de jetons et trafic des requêtes vers ce modèle au fil du temps.
API
Code prêt à l’emploi pour appeler ce modèle. L’API d’OpenRouter est compatible avec OpenAI — la plupart des SDK fonctionnent en remplaçant simplement l’URL de base. Seul le slug du modèle ci-dessous change d’un modèle à l’autre.
Actuellement indisponible via le routage dans la région UE. Documentation sur le routage intrarégional
Documentation
Guides, recueils de recettes, articles de blog et outils pour développer avec Qwen: Qwen3.8 27B (batch) sur OpenRouter.
Questions fréquentes
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 documentation de Qwen3.8 27B (batch) sur OpenRouter comprend l’article de blog Self-Hosted LLM vs API: When Does Self-Hosting Pay Off et l’article de blog LLM Quantization: What fp8 and fp4 Do to Quality and Price. Le guide de démarrage rapide présente les clés API et votre première requête, et la référence API répertorie tous les paramètres.
Qwen3.8 27B (batch) coûte 0,16 $US/M de jetons d’entrée et 2,00 $US/M de jetons de sortie, avec des tarifs distincts pour Cache Read à 0,04 $US/M tokens.
Qwen3.8 27B (batch) dispose d’une fenêtre de contexte de 262 144 jetons.
Oui. Qwen3.8 27B (batch) accepte tools et tool_choice pour l’appel de fonctions. Il prend également en charge les sorties structurées via un schéma JSON dans response_format.
Qwen3.8 27B (batch) accepte texte, images et vidéo en entrée et renvoie texte.
Qwen3.8 27B (batch) est servi par 1 fournisseur sur OpenRouter : DeepInfra.
Qwen4 Max, Qwen3.8 Max Prime, Qwen3.8 Omni Flash et 36 de plus sont d’autres modèles de type texte de Qwen.
Qwen3.8 27B (batch) est sorti le 14 août 2026.