Favicon de qwen

Qwen: Qwen3.8 27B (batch)

qwen/qwen3.8-27b:batch

Poids du modèle

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.

Modalités
Prix d’entrée / de sortie
0,16 $US / 2 $USpar 1M
Contexte
262K
Publié
14 août 2026

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).

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

Entrée
0 $US/M de jetons
Sortie
0 $US/M de jetons
Historique des prix
Aucune donnée de prix effectif pour cette sélection

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).

Évaluations comparatives AutoExacto
GPQA DiamondTAU-BenchStreamLake84,9 %--GMICloud82,6 %--DekaLLM83,4 %77,9 %Parasail83,9 %77,3 %PrimeIntellect83,2 %78,0 %
+21 fournisseurs supplémentaires

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.

Résumé des scores aux tests de performance pour Qwen: Qwen3.8 27B (batch) (Artificial Analysis et Vals AI)
SourceTest de performanceScore
Artificial AnalysisQwen3.8 27B (Xhigh) Intelligence Index20,1
Artificial AnalysisQwen3.8 27B (Xhigh) Coding Index68,1
Artificial AnalysisQwen3.8 27B (Xhigh) Agentic Index45,8
Artificial AnalysisQwen3.8 27B (Xhigh) GPQA Diamond90.5%
Artificial AnalysisQwen3.8 27B (Xhigh) HLE33.9%
Artificial AnalysisQwen3.8 27B (Xhigh) AA-LCR82.0%
Artificial AnalysisQwen3.8 27B (Xhigh) τ-Bench Banking48.0%
Artificial AnalysisQwen3.8 27B (Xhigh) GDPval-AA46.3%
Artificial AnalysisQwen3.8 27B (Xhigh) CritPt5.4%
Artificial AnalysisQwen3.8 27B (Xhigh) SciCode46.6%
Artificial AnalysisQwen3.8 27B (Xhigh) Terminal-Bench 4.05.6%
Artificial AnalysisQwen3.8 27B (Xhigh) Terminal-Bench 2.179.8%
Artificial AnalysisQwen3.8 27B (Xhigh) AA-Omniscience Accuracy17.3%
Artificial AnalysisQwen3.8 27B (Xhigh) AA-Omniscience Non-Hallucination Rate71.4%
Artificial AnalysisQwen3.8 27B (Low) Intelligence Index15,7
Artificial AnalysisQwen3.8 27B (Low) Coding Index58,2
Artificial AnalysisQwen3.8 27B (Low) Agentic Index38,9
Artificial AnalysisQwen3.8 27B (Low) GPQA Diamond84.5%
Artificial AnalysisQwen3.8 27B (Low) HLE14.0%
Artificial AnalysisQwen3.8 27B (Low) AA-LCR77.3%
Artificial AnalysisQwen3.8 27B (Low) τ-Bench Banking32.2%
Artificial AnalysisQwen3.8 27B (Low) GDPval-AA43.3%
Artificial AnalysisQwen3.8 27B (Low) CritPt0.0%
Artificial AnalysisQwen3.8 27B (Low) SciCode40.0%
Artificial AnalysisQwen3.8 27B (Low) Terminal-Bench 4.02.5%
Artificial AnalysisQwen3.8 27B (Low) Terminal-Bench 2.167.4%
Artificial AnalysisQwen3.8 27B (Low) AA-Omniscience Accuracy18.3%
Artificial AnalysisQwen3.8 27B (Low) AA-Omniscience Non-Hallucination Rate51.3%
Artificial AnalysisQwen3.8 27B (Non-reasoning) Intelligence Index10,0
Artificial AnalysisQwen3.8 27B (Non-reasoning) Coding Index44,6
Artificial AnalysisQwen3.8 27B (Non-reasoning) Agentic Index22,4
Artificial AnalysisQwen3.8 27B (Non-reasoning) GPQA Diamond81.8%
Artificial AnalysisQwen3.8 27B (Non-reasoning) HLE12.1%
Artificial AnalysisQwen3.8 27B (Non-reasoning) AA-LCR69.3%
Artificial AnalysisQwen3.8 27B (Non-reasoning) τ-Bench Banking20.0%
Artificial AnalysisQwen3.8 27B (Non-reasoning) GDPval-AA29.1%
Artificial AnalysisQwen3.8 27B (Non-reasoning) CritPt0.3%
Artificial AnalysisQwen3.8 27B (Non-reasoning) SciCode36.2%
Artificial AnalysisQwen3.8 27B (Non-reasoning) Terminal-Bench 4.00.0%
Artificial AnalysisQwen3.8 27B (Non-reasoning) Terminal-Bench 2.149.1%
Artificial AnalysisQwen3.8 27B (Non-reasoning) AA-Omniscience Accuracy9.1%
Artificial AnalysisQwen3.8 27B (Non-reasoning) AA-Omniscience Non-Hallucination Rate82.0%
Artificial AnalysisQwen3.8 27B (Medium) Intelligence Index17,5
Artificial AnalysisQwen3.8 27B (Medium) Coding Index56,1
Artificial AnalysisQwen3.8 27B (Medium) Agentic Index44,4
Artificial AnalysisQwen3.8 27B (Medium) GPQA Diamond84.5%
Artificial AnalysisQwen3.8 27B (Medium) HLE14.1%
Artificial AnalysisQwen3.8 27B (Medium) AA-LCR79.7%
Artificial AnalysisQwen3.8 27B (Medium) τ-Bench Banking47.4%
Artificial AnalysisQwen3.8 27B (Medium) GDPval-AA44.5%
Artificial AnalysisQwen3.8 27B (Medium) CritPt0.0%
Artificial AnalysisQwen3.8 27B (Medium) SciCode39.0%
Artificial AnalysisQwen3.8 27B (Medium) Terminal-Bench 4.05.1%
Artificial AnalysisQwen3.8 27B (Medium) Terminal-Bench 2.165.2%
Artificial AnalysisQwen3.8 27B (Medium) AA-Omniscience Accuracy17.9%
Artificial AnalysisQwen3.8 27B (Medium) AA-Omniscience Non-Hallucination Rate34.6%
Vals AIQwen 3.8 27B Code Migration14.2%
Vals AIQwen 3.8 27B CyberBench v1.167.8%
Vals AIQwen 3.8 27B EMB59.7%
Vals AIQwen 3.8 27B Finance Agent (v2)48.6%
Vals AIQwen 3.8 27B GPQA Diamond88.9%
Vals AIQwen 3.8 27B Harvey's Legal Agent Benchmark v111.3%
Vals AIQwen 3.8 27B IOI39.1%
Vals AIQwen 3.8 27B LiveCodeBench84.0%
Vals AIQwen 3.8 27B LegalBench82.4%
Vals AIQwen 3.8 27B Legal Research Bench36.1%
Vals AIQwen 3.8 27B MedCode28.7%
Vals AIQwen 3.8 27B MedScribe83.8%
Vals AIQwen 3.8 27B MMLU Pro84.3%
Vals AIQwen 3.8 27B MMMU Pro83.9%
Vals AIQwen 3.8 27B MortgageTax64.9%
Vals AIQwen 3.8 27B ProgramBench0.0%
Vals AIQwen 3.8 27B ProofBench v1.116.0%
Vals AIQwen 3.8 27B SAGE v152.4%
Vals AIQwen 3.8 27B SkillsBench38.1%
Vals AIQwen 3.8 27B SWE-bench86.0%
Vals AIQwen 3.8 27B Tax Agent Bench30.9%
Vals AIQwen 3.8 27B TaxEval v270.8%
Vals AIQwen 3.8 27B Terminal-Bench 2.158.4%
Vals AIQwen 3.8 27B Terminal-Bench-Science0.0%
Vals AIQwen 3.8 27B Vals Index48.5%
Vals AIQwen 3.8 27B Vibe Code Bench v1.164.8%

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