BroadRouter

Qwen3.8 27B API

Aktualisiert

Qwen3.8 27B läuft auf BroadNet Inference als broadnet/qwen3.8-27b über die OpenAI-kompatible https://inference.broadnet.ai/v1. Es kostet USD 0,175 Input, 0,0435 gecachter Input und 2,17 Output pro 1 Mio. Tokens, mit 262.144 Tokens Kontext. Es erfordert eine qualifizierende Aufladung (nicht das Startguthaben), und Inferenz-Inhalte werden nicht gespeichert.

Auf einen Blick

  • Text
  • Vision (image input)
  • Tool calling
  • Reasoning
  • Structured output
  • 262.144 Tokens Kontext
  • Text- und Bild-Input
  • Tools, strukturierte Ausgabe und Reasoning
  • Test von BroadNet: flüssiges Arabisch, Verständnis von Golf-Arabisch und Ägyptisch, genaue Übersetzung zwischen Arabisch und Englisch
Preis und Limits
Modell-IDbroadnet/qwen3.8-27b
Endpoint/v1/chat/completions
Unterstützte InputsText, Bild (Vision: Verständnis, keine Generierung)
Kontext262.144 Tokens, Prompt und Antwort zusammen
InputUSD 0,175 pro 1 Mio. Tokens
Gecachter InputUSD 0,0435 pro 1 Mio. Tokens (nur gemeldete Cache-Treffer)
OutputUSD 2,17 pro 1 Mio. Tokens
Pay-as-you-go-Limits30 Anfragen pro Minute, 4 gleichzeitig pro Schlüssel
ZugangAufladung erforderlich: freigeschaltet nach einer qualifizierenden Aufladung; das Startguthaben deckt es nicht

Die Preise auf dieser Seite stammen aus dem Snapshot des Preis-Feeds von BroadNet vom und wurden hier nicht live geprüft. Aktuelle Tarife finden Sie unter die offiziellen Preise (auf Englisch).

Falschen Preis oder falsche Zahl melden (E-Mail an info@broadnet.ai, mit dem Link zu dieser Seite bereits ausgefüllt).

Was veröffentlicht BroadNet zu Qwen3.8 27B?

Laut dem Modellkatalog von BroadNet (auf Englisch), geprüft am 15. November 2026. Die Messungen stammen von BroadNet, auf seiner Hardware, sofern kein öffentliches Leaderboard genannt ist; wir haben sie nicht nachgemessen.

Was BroadNet zu diesem Modell veröffentlicht
Betrieb im Labor von BroadNetGGUF Q4_K_M mit Vision Projector und MTP-Drafter auf llama.cpp; AWQ INT4 auf dem angepassten vLLM von BroadNet für AMD ROCm
Kontext über die API262.144 Tokens (pricing.json)

Messungen von BroadNet

  • 55 Tokens pro Sekunde auf einem einzelnen Stream mit Multi-Token-Prediction und 92 % MTP-Akzeptanz auf ROCm.

Wie BroadNet Modelle auswählt und bereitstellt: seine GPU-Hardware und sein Serving-Ansatz und die geprüften und verworfenen Modelle.

Im direkten Vergleich: Qwen3.8 27B vs. DeepSeek V4.1 Flash (auf Englisch), Qwen3.8 27B vs. GLM 5.3 (auf Englisch) und Qwen3.8 27B vs. BroadNet Gemma 4 VL 26B (auf Englisch), mit Preisen, Kontext und Kosten pro Workload. Qwen3.8 27B wird auch von 15 anderen Anbietern verkauft, ab USD 0,039 Input und USD 1,25 Output pro 1 Mio. Tokens laut deren eigenen Preisseiten: Qwen3.8 27B API-Preise nach Anbieter. Derselbe Text ergibt je Modell eine unterschiedliche Anzahl Tokens: Wie der Tokenizer von Qwen3.8 27B bei Arabisch, Englisch und Code abschneidet, zeigt der Datensatz zur Tokenizer-Effizienz (auf Englisch).

Aufruf in Python

Installieren Sie das OpenAI SDK mit pip install openai, exportieren Sie BROADNET_API_KEY und führen Sie dann aus:

Python
from openai import OpenAI
import base64, os

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
image = base64.b64encode(open("invoice.jpg", "rb").read()).decode()

response = client.chat.completions.create(
    model="broadnet/qwen3.8-27b",
    max_tokens=2000,
    messages=[{"role": "user", "content": [
        {"type": "text", "text": "What is the total on this invoice?"},
        {"type": "image_url", "image_url": {"url": "data:image/jpeg;base64," + image}},
    ]}],
)
print(response.choices[0].message.content)

Oder mit curl

curl
curl https://inference.broadnet.ai/v1/chat/completions \
  -H "Authorization: Bearer $BROADNET_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"broadnet/qwen3.8-27b","messages":[{"role":"user","content":"Reply with one short sentence."}]}'

Qwen3.8 27B denkt nach, bevor es antwortet. Das Reasoning zählt zu max_tokens und wird als usage.completion_tokens_details.reasoning_tokens innerhalb der Completion-(Output-)Tokens ausgewiesen; planen Sie es also als Output ein. Lassen Sie 1.000 Tokens oder mehr Spielraum oder setzen Sie reasoning_effort auf low, sonst kann die Antwort leer zurückkommen. Warum Antworten leer zurückkommen.

Anleitungen für Qwen3.8 27B

Qwen3.8 27B in der Konsole nutzen

Die BroadNet-Konsole auf inference.broadnet.ai verwaltet Konten und Schlüssel. Sie erhält Ihre Auswahl von dieser Seite nicht, daher:

  1. Melden Sie sich an oder legen Sie ein Konto an.
  2. Laden Sie qualifizierend auf (das Startguthaben deckt dieses Modell nicht) und erstellen Sie dann einen Pay-as-you-go-Schlüssel.
  3. Senden Sie diese Modell-ID als model an /v1/chat/completions: broadnet/qwen3.8-27b

BroadNet-Konsole öffnenKosten schätzenAPI-Referenz lesen (auf Englisch)

Qwen3.8 27B vergleichen

Häufige Fragen

Wie lautet die Modell-ID von Qwen3.8 27B?

Übergeben Sie broadnet/qwen3.8-27b als model an /v1/chat/completions. Die Basis-URL ist https://inference.broadnet.ai/v1.

Was kostet Qwen3.8 27B?

USD 0,175 Input, 0,0435 gecachter Input und 2,17 Output pro 1 Mio. Tokens, abgerechnet über Ihr Kontoguthaben.

Wie groß ist das Kontextfenster von Qwen3.8 27B?

262.144 Tokens pro Anfrage, Prompt und Antwort zusammen.

Kann ich Qwen3.8 27B ohne Aufladung nutzen?

Nein. Qwen3.8 27B wird nach einer qualifizierenden Aufladung freigeschaltet. Das Startguthaben deckt BroadNet Gemma 4 VL 26B, BroadNet Transcribe Arabic und BroadNet Transcribe und Gemma-Stundenschlüssel.

Werden meine Daten gespeichert?

Inferenz-Inhalte werden nicht gespeichert: Prompts, Bilder und Antworten werden nur für die Anfrage verarbeitet. Notwendige Konto-, Abrechnungs- und Sicherheitsmetadaten wie Zeitangaben, Token-Zahlen und Kosten werden wie in der Datenschutzerklärung von BroadNet beschrieben aufbewahrt. So funktioniert es.

Als Markdown lesenChatGPT fragenClaude fragenPerplexity fragen