Qwen3.8 27B API
Na-update
Tumatakbo ang Qwen3.8 27B sa BroadNet Inference bilang broadnet/qwen3.8-27b sa OpenAI-compatible na https://inference.broadnet.ai/v1. Nagkakahalaga ito ng US$0.175 input, US$0.0435 cached input at US$2.17 output kada 1M token, may 262,144-token na context. Kailangan nito ng qualifying top-up (hindi ang panimulang credit), at hindi itinatago ang inference content.
Sa isang tingin
- Text
- Vision (image input)
- Tool calling
- Reasoning
- Structured output
- 262,144-token na context
- Text at image input
- Tools, structured output at reasoning
- Test ng BroadNet: maayos na pagsulat sa Arabic, naiintindihan ang Gulf at Egyptian dialect, tumpak na salin sa pagitan ng Arabic at Ingles
| Model ID | broadnet/qwen3.8-27b |
|---|---|
| Endpoint | /v1/chat/completions |
| Suportadong input | text, larawan (vision: pag-unawa, hindi paggawa) |
| Context | 262,144 token, prompt at sagot nang magkasama |
| Input | US$0.175 kada 1M token |
| Cached input | US$0.0435 kada 1M token (iniulat na cache hit lang) |
| Output | US$2.17 kada 1M token |
| Mga limit ng pay-as-you-go | 30 request kada minuto, 4 sabay-sabay kada key |
| Access | Kailangan ng top-up: magbubukas pagkatapos ng qualifying top-up; hindi ito sakop ng panimulang credit |
Ang mga presyo sa page na ito ay mula sa snapshot ng price feed ng BroadNet na may petsang , at hindi live na sinuri dito. Tingnan ang ang opisyal na presyo (Ingles) para sa kasalukuyang rate.
ang opisyal na presyo (Ingles)I-report ang maling presyo o numero (email sa info@broadnet.ai, nakalagay na ang link ng page na ito).
Ano ang inilalathala ng BroadNet tungkol sa Qwen3.8 27B?
Mula sa ang model catalogue ng BroadNet (Ingles), sinuri noong Nobyembre 15, 2026. Sa BroadNet ang mga sukat, sa hardware nito, maliban kung may binanggit na pampublikong leaderboard; hindi pa namin ito inulit.
| Serving sa lab ng BroadNet | GGUF Q4_K_M na may vision projector at MTP drafter sa llama.cpp; AWQ INT4 sa patched na vLLM ng BroadNet para sa AMD ROCm |
|---|---|
| Context sa API | 262,144 token (pricing.json) |
Mga sukat ng BroadNet
- 55 token kada segundo sa iisang stream gamit ang multi-token prediction, at 92% MTP acceptance sa ROCm.
Paano pumipili at nagse-serve ng model ang BroadNet: ang GPU hardware at paraan nito ng pag-serve at ang mga model na sinuri at hindi nito tinanggap.
Magkatabi: Qwen3.8 27B vs DeepSeek V4.1 Flash (Ingles), Qwen3.8 27B vs GLM 5.3 (Ingles) at Qwen3.8 27B vs BroadNet Gemma 4 VL 26B (Ingles), may presyo, context at gastos ayon sa workload. Ibinebenta rin ang Qwen3.8 27B ng 19 iba pang provider, mula US$0.039 input at US$1.25 output kada 1M token sa sarili nilang pricing page: presyo ng Qwen3.8 27B API ayon sa provider. Magkaiba ang bilang ng token ng parehong text sa bawat model: tingnan kung paano ikinukumpara ang tokenizer ng Qwen3.8 27B sa Arabic, Ingles at code sa tokenizer efficiency dataset (Ingles).
Tawagin ito sa Python
I-install ang OpenAI SDK gamit ang pip install openai, i-export ang BROADNET_API_KEY, saka patakbuhin:
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 gamit ang 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."}]}'Nagre-reason muna ang Qwen3.8 27B bago sumagot. Binibilang ang reasoning sa max_tokens at iniuulat bilang usage.completion_tokens_details.reasoning_tokens, kasama sa bilang ng completion (output) token, kaya i-budget ito bilang output. Mag-iwan ng 1,000 token o higit pa, o i-set ang reasoning_effort sa low, kung hindi ay puwedeng bumalik na walang laman ang sagot. Bakit bumabalik na walang laman ang sagot.
Mga gabay para sa Qwen3.8 27B
- Paano gamitin ang OpenAI Python SDK sa BroadNet Inference
- Paano gamitin ang OpenAI Node.js SDK sa BroadNet Inference
- Paano gamitin ang curl sa BroadNet Inference: ang una mong request
- Paano mag-stream ng chat completions at ayusin ang naputol na stream
- Bakit walang laman ang sagot ng isang reasoning model
- Paano gamitin ang LangChain sa BroadNet Inference
- Cline sa BroadNet Inference: setup ng OpenAI Compatible provider
- Roo Code sa BroadNet Inference (OpenAI Compatible)
- Continue sa BroadNet Inference: config.yaml at apiBase
- Idagdag ang BroadNet Inference sa opencode bilang custom provider
- Paano ikonekta ang Open WebUI sa BroadNet Inference
- Idagdag ang BroadNet Inference sa LibreChat bilang custom endpoint
- BroadNet Inference sa n8n: OpenAI credential at Base URL
- Paano gamitin ang Vercel AI SDK sa BroadNet Inference
- Paano i-route ang LiteLLM sa BroadNet Inference (SDK at proxy)
- Patakbuhin ang OpenAI Agents SDK sa BroadNet Inference
- Basahin ang mga Arabic na invoice at resibo gamit ang vision model
- Zed at BroadNet Inference bilang OpenAI-compatible na provider
- Kilo Code at BroadNet Inference (OpenAI Compatible na provider)
- Idagdag ang BroadNet Inference sa goose bilang custom provider
- Pydantic AI sa BroadNet Inference (OpenAICompatibleProvider)
- CrewAI sa BroadNet Inference bilang custom na OpenAI endpoint
- LlamaIndex at BroadNet Inference gamit ang OpenAILike
- BroadNet Inference sa Dify gamit ang OpenAI-API-compatible plugin
- Jan at BroadNet Inference bilang custom OpenAI-compatible provider
- SillyTavern sa BroadNet Inference (Custom OpenAI-compatible)
- Spring AI sa BroadNet Inference (OpenAI base-url)
- Tawagin ang BroadNet Inference mula sa Go gamit ang openai-go SDK
- Paano gumawa ng LangGraph agent sa BroadNet Inference
- Haystack pipelines at agents gamit ang BroadNet Inference
- Semantic Kernel sa BroadNet Inference
- Paano gamitin ang Mastra agents sa BroadNet Inference
- Structured output gamit ang Instructor sa BroadNet Inference
- DSPy sa BroadNet Inference: i-set ang model_type="chat"
- I-evaluate ang mga BroadNet model gamit ang promptfoo
- smolagents sa BroadNet Inference gamit ang OpenAIModel
- Flowise at BroadNet Inference: gamit ang OpenAI Custom Model
- Paano ikonekta ang Langflow sa BroadNet Inference
Gamitin ang Qwen3.8 27B sa console
Pinamamahalaan ng console ng BroadNet sa inference.broadnet.ai ang mga account at key. Hindi nito natatanggap ang pinili mo mula sa page na ito, kaya:
- Mag-sign in o gumawa ng account.
- Mag-qualifying top-up (hindi sakop ng panimulang credit ang model na ito), saka gumawa ng pay-as-you-go key.
- Ipadala ang model ID na ito bilang
modelsa/v1/chat/completions:broadnet/qwen3.8-27b
Buksan ang console ng BroadNetTantiyahin ang gastosBasahin ang API reference (Ingles)
Ikumpara ang Qwen3.8 27B
Mga tanong
Ano ang model ID ng Qwen3.8 27B?
Ipasa ang broadnet/qwen3.8-27b bilang model sa /v1/chat/completions. Ang base URL ay https://inference.broadnet.ai/v1.
Magkano ang Qwen3.8 27B?
US$0.175 input, US$0.0435 cached input at US$2.17 output kada 1M token, mula sa balance ng account mo.
Gaano kalaki ang context window ng Qwen3.8 27B?
262,144 token kada request, prompt at sagot nang magkasama.
Puwede ko bang gamitin ang Qwen3.8 27B nang walang top-up?
Hindi. Magbubukas ang Qwen3.8 27B pagkatapos ng qualifying top-up. Sakop ng panimulang credit ang BroadNet Gemma 4 VL 26B, BroadNet Transcribe Arabic, at BroadNet Transcribe at ang Gemma hourly key.
Itinatago ba ang data ko?
Hindi itinatago ang inference content: pinoproseso ang mga prompt, larawan at sagot para lang sa request. Itinatago ang kinakailangang metadata ng account, billing at security, gaya ng timing, bilang ng token at gastos, ayon sa privacy statement ng BroadNet. Basahin kung paano.
Basahin bilang MarkdownTanungin ang ChatGPTTanungin ang ClaudeTanungin ang Perplexity