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.
제공업체
여러 회사가 동일한 모델을 호스팅합니다. OpenRouter는 선택한 라우팅 모드인 Balanced(가격 + 속도), Nitro(가장 빠름), Floor(가장 저렴함)에 따라 그중 한 곳으로 요청을 라우팅합니다.
| US$0.16 | US$2.00 | US$0.04 | -- | -- |
입력 US$0.16 / 출력 US$2.00-- tok/s가동 시간 --
요금
고객이 이 모델에 실제로 지불하는 평균 가격을 제공업체가 게시한 가격과 나란히 표시합니다. 캐싱과 할인으로 인해 실제 지불 가격은 정가보다 훨씬 낮은 경우가 많습니다.
가중 평균
Qwen3.8 27B (batch) — 가격 이력
| US$0.00 | US$0.00 | 0.0% | 100.0% |
- 적용 시점 US$0.00 / 실효 출력 US$0.00토큰 점유율100.0%
성능
처리량은 모델의 출력 속도입니다(초당 토큰 수 — 높을수록 좋습니다). 지연 시간은 전체 왕복 시간입니다(낮을수록 좋습니다). TTFT는 첫 토큰까지 걸리는 시간, 즉 출력이 나타나기까지 걸리는 시간입니다(낮을수록 좋습니다).
가동 시간
가동 시간은 지난 3일 동안 하나 이상의 제공업체가 요청에 응답한 시간의 비율입니다. 가용성은 추론이 성공적으로 제공된 시간의 비율입니다. OpenRouter는 지속적으로 모니터링하며 제공업체가 오류를 반환하면 차선의 제공업체를 사용합니다.
아직 표시할 가동 시간 데이터가 충분하지 않습니다.
업스트림 제공업체에서 오류가 발생하면 요청 필터가 허용하는 경우 정상 상태인 다른 제공업체로 라우팅하여 복구할 수 있습니다. 제공업체별 가동 시간 데이터에 프로그래밍 방식으로 액세스할 때 사용하는 API는 엔드포인트 API입니다. 자세히 알아볼 수 있는 관련 옵션은 부하 분산 및 제공업체 라우팅 옵션입니다.
벤치마크
표준화된 평가 점수와 공통 벤치마크 프롬프트에 대한 이 모델 자체의 출력입니다. 백분율이 높을수록 좋으며, 각 순위는 해당 출처에서 평가한 모델 중 이 모델의 위치를 보여 줍니다.
| 출처 | 벤치마크 | 점수 |
|---|---|---|
| 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% |
앱
이 모델에 가장 많은 트래픽을 보내는 공개 앱입니다. 실제 프로덕션 워크로드의 모습을 보여주는 유용한 지표이자 이 모델이 어떤 사용 사례에 가장 적합한지 알려주는 단서입니다.
이 모델을 사용하는 앱에 대한 데이터가 아직 충분하지 않습니다.
활동
시간에 따른 이 모델의 토큰 사용량 및 요청 트래픽.
API
이 모델을 호출하는 데 바로 사용할 수 있는 코드입니다. OpenRouter의 API는 OpenAI와 호환되므로 대부분의 SDK는 기본 URL만 바꾸면 작동합니다. 모델 간에 달라지는 것은 아래 모델 슬러그뿐입니다.
현재 EU 역내 라우팅을 통해 사용할 수 없습니다. 리전 내 라우팅 문서
문서
OpenRouter에서 Qwen: Qwen3.8 27B (batch)을 활용해 개발하기 위한 가이드, 쿡북, 블로그 게시물 및 도구입니다.
자주 묻는 질문
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.
OpenRouter의 Qwen3.8 27B (batch) 문서에는 Self-Hosted LLM vs API: When Does Self-Hosting Pay Off 블로그 게시물 및 LLM Quantization: What fp8 and fp4 Do to Quality and Price 블로그 게시물이 포함되어 있습니다. 빠른 시작에서는 API 키와 첫 요청을 다루며, API 참조에는 모든 매개변수가 나열되어 있습니다.
Qwen3.8 27B (batch)의 비용은 US$0.16/M 입력 토큰 및 US$2.00/백만 출력 토큰, Cache Read: US$0.04/M tokens에는 별도 요금 적용입니다.
Qwen3.8 27B (batch)의 컨텍스트 윈도우는 262,144토큰입니다.
예. Qwen3.8 27B (batch)은(는) 함수 호출을 위해 tools와 tool_choice를 지원합니다. 또한 response_format의 JSON 스키마를 통해 구조화된 출력을 지원합니다.
Qwen3.8 27B (batch)은(는) 텍스트, 이미지 및 동영상을(를) 입력으로 받아 텍스트을(를) 반환합니다.
Qwen3.8 27B (batch)은 OpenRouter에서 1개 제공업체가 제공합니다: DeepInfra.
Qwen3.8 Max Prime, Qwen3.8 Omni Flash, Qwen3.8 Max (0902) 외 35개은(는) Qwen의 다른 텍스트 모델입니다.
Qwen3.8 27B (batch)은 2026년 8월 14일에 출시되었습니다.
