API de Qwen3.8 27B
Actualizado
Qwen3.8 27B funciona en BroadNet Inference como broadnet/qwen3.8-27b en https://inference.broadnet.ai/v1, compatible con OpenAI. Cuesta USD 0.175 de entrada, 0.0435 en caché y 2.17 de salida por 1M de tokens, con 262,144 tokens de contexto. Requiere recarga, no el crédito inicial, y el contenido de inferencia no se conserva.
De un vistazo
- Texto
- Visión (entrada de imagen)
- Llamadas a herramientas
- Razonamiento
- Salida estructurada
- Contexto de 262,144 tokens
- Entrada de texto e imagen
- Herramientas, salida estructurada y razonamiento
- Prueba de BroadNet: redacción fluida en árabe, comprensión de los dialectos del Golfo y egipcio, traducción precisa entre árabe e inglés
| ID del modelo | broadnet/qwen3.8-27b |
|---|---|
| Endpoint | /v1/chat/completions |
| Entradas admitidas | texto, imagen (visión: comprensión, no generación) |
| Contexto | 262,144 tokens, prompt y respuesta juntos |
| Entrada | USD 0.175 por 1M de tokens |
| Entrada en caché | USD 0.0435 por 1M de tokens (solo aciertos de caché informados) |
| Salida | USD 2.17 por 1M de tokens |
| Límites de pago por uso | 30 solicitudes por minuto, 4 en curso por clave |
| Acceso | Requiere recarga: se habilita tras una recarga válida; el crédito inicial no lo cubre |
Los precios de esta página provienen de la instantánea del feed de precios de BroadNet del ; aquí no se comprobaron en vivo. Consulte los precios oficiales para ver las tarifas actuales.
los precios oficialesInforme un precio o una cifra incorrectos (correo a info@broadnet.ai, con el enlace de esta página ya incluido).
¿Qué publica BroadNet sobre Qwen3.8 27B?
Según el catálogo de modelos de BroadNet (fecha de consulta: 15 de noviembre de 2026). Las mediciones son de BroadNet, en su hardware, salvo que se nombre una tabla de clasificación pública; no las hemos reproducido.
| Ejecución en el laboratorio de BroadNet | GGUF Q4_K_M con proyector de visión y borrador MTP en llama.cpp; AWQ INT4 en el vLLM modificado de BroadNet para AMD ROCm |
|---|---|
| Contexto en la API | 262,144 tokens (pricing.json) |
Mediciones de BroadNet
- 55 tokens por segundo en un solo stream con predicción de múltiples tokens, y 92 % de aceptación de MTP en ROCm.
Cómo elige y sirve modelos BroadNet: su hardware de GPU y su forma de servir modelos y los modelos que evaluó y descartó.
Lado a lado: Qwen3.8 27B vs DeepSeek V4.1 Flash (en inglés), Qwen3.8 27B vs GLM 5.3 (en inglés) y Qwen3.8 27B vs BroadNet Gemma 4 VL 26B (en inglés), con precios, contexto y costos por carga de trabajo. Qwen3.8 27B también lo venden otros 15 proveedores, desde USD 0.039 de entrada y USD 1.25 de salida por 1M de tokens en sus propias páginas de precios: precios de la API de Qwen3.8 27B por proveedor. El mismo texto equivale a un número distinto de tokens en cada modelo: vea cómo se compara el tokenizador de Qwen3.8 27B en árabe, inglés y código en el conjunto de datos de eficiencia de tokenizadores (en inglés).
Llámelo desde Python
Instale el SDK de OpenAI con pip install openai, exporte BROADNET_API_KEY y ejecute:
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)O con 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 razona antes de responder. El razonamiento cuenta para max_tokens y se informa como usage.completion_tokens_details.reasoning_tokens, dentro del recuento de tokens de completado (salida), así que inclúyalo en el presupuesto de salida. Deje 1,000 tokens o más, o establezca reasoning_effort en low; de lo contrario, la respuesta puede llegar vacía. Por qué llegan respuestas vacías.
Guías para Qwen3.8 27B
- Usar el SDK de OpenAI para Python con BroadNet Inference
- Usar el SDK de OpenAI para Node.js con BroadNet Inference
- Primera solicitud a BroadNet Inference con curl
- Streaming de chat completions y conexiones interrumpidas
- ¿Por qué un modelo de razonamiento devuelve una respuesta vacía?
- Cómo usar LangChain con BroadNet Inference
- Cline con BroadNet Inference (proveedor OpenAI Compatible)
- Roo Code con BroadNet Inference (proveedor OpenAI Compatible)
- Continue con BroadNet Inference (config.yaml y apiBase)
- Agregue BroadNet Inference a opencode como proveedor personalizado
- Cómo conectar Open WebUI a BroadNet Inference
- Agregar BroadNet Inference a LibreChat como endpoint personalizado
- BroadNet Inference en n8n (credencial de OpenAI y Base URL)
- Cómo usar el Vercel AI SDK con BroadNet Inference
- Cómo enrutar LiteLLM a BroadNet Inference (SDK y proxy)
- OpenAI Agents SDK con BroadNet Inference
- Lea facturas y recibos en árabe con un modelo de visión
- Usar Zed con BroadNet Inference como proveedor compatible con OpenAI
- Kilo Code con BroadNet Inference (proveedor OpenAI Compatible)
- Agregar BroadNet Inference a goose como proveedor personalizado
- Pydantic AI con BroadNet Inference (OpenAICompatibleProvider)
- CrewAI con BroadNet Inference como endpoint OpenAI personalizado
- Usar LlamaIndex con BroadNet Inference mediante OpenAILike
- BroadNet Inference en Dify con el plugin OpenAI-API-compatible
- Jan con BroadNet Inference como proveedor compatible con OpenAI
- Conectar SillyTavern a BroadNet Inference (Custom OpenAI-compatible)
- Spring AI con BroadNet Inference (base-url de OpenAI)
- Llame a BroadNet Inference desde Go con el SDK openai-go
- Agentes de LangGraph con BroadNet Inference
- Pipelines y agentes de Haystack con BroadNet Inference
- Semantic Kernel con BroadNet Inference
- Usar agentes de Mastra con BroadNet Inference
- Salida estructurada con Instructor en BroadNet Inference
- DSPy con BroadNet Inference (defina model_type="chat")
- Evalúe los modelos de BroadNet con promptfoo
- smolagents en BroadNet Inference con OpenAIModel
- Conectar Flowise a BroadNet Inference (OpenAI Custom Model)
- Conectar Langflow a BroadNet Inference (componente OpenAI)
Use Qwen3.8 27B en la consola
La consola de BroadNet en inference.broadnet.ai gestiona cuentas y claves. No recibe desde esta página el modelo que usted elija, así que:
- Inicie sesión o cree una cuenta.
- Haga una recarga válida (el crédito inicial no cubre este modelo) y luego cree una clave de pago por uso.
- Envíe este ID de modelo como
modela/v1/chat/completions:broadnet/qwen3.8-27b
Abrir la consola de BroadNetEstimar el costoLeer la referencia de la API (en inglés)
Compare Qwen3.8 27B
Preguntas frecuentes
¿Cuál es el ID de modelo de Qwen3.8 27B?
Pase broadnet/qwen3.8-27b como model a /v1/chat/completions. La URL base es https://inference.broadnet.ai/v1.
¿Cuánto cuesta la API de Qwen3.8 27B?
USD 0.175 de entrada, 0.0435 en caché y 2.17 de salida por 1M de tokens, con cargo al saldo de su cuenta.
¿Cuál es la ventana de contexto de Qwen3.8 27B?
262,144 tokens por solicitud, prompt y respuesta juntos.
¿Puedo usar Qwen3.8 27B sin hacer una recarga?
No. Qwen3.8 27B se habilita tras una recarga válida. El crédito inicial cubre BroadNet Gemma 4 VL 26B, BroadNet Transcribe Arabic y BroadNet Transcribe y las claves por hora de Gemma.
¿Se guardan mis datos?
El contenido de inferencia no se conserva: los prompts, las imágenes y las respuestas se procesan solo para la solicitud. Los metadatos necesarios de cuenta, facturación y seguridad, como tiempos, recuentos de tokens y costo, se conservan según se describe en la declaración de privacidad de BroadNet. Lea cómo.
Leer en MarkdownPreguntar a ChatGPTPreguntar a ClaudePreguntar a Perplexity