API Qwen3.8 27B
Aggiornato
Qwen3.8 27B è su BroadNet Inference come broadnet/qwen3.8-27b via https://inference.broadnet.ai/v1, compatibile con OpenAI. Costa USD 0,175 input, 0,0435 input in cache e 2,17 output per 1M di token, con un contesto di 262.144 token. Richiede una ricarica valida (non il credito iniziale); i contenuti non vengono conservati.
In sintesi
- Text
- Vision (image input)
- Tool calling
- Reasoning
- Structured output
- Contesto di 262.144 token
- Input testo e immagine
- Tool calling, output strutturato e ragionamento
- Test di BroadNet: scrittura fluente in arabo, comprensione dei dialetti del Golfo ed egiziano, traduzione accurata tra arabo e inglese
| ID del modello | broadnet/qwen3.8-27b |
|---|---|
| Endpoint | /v1/chat/completions |
| Input supportati | testo, immagine (visione: comprensione, non generazione) |
| Contesto | 262.144 token, prompt e risposta insieme |
| Input | USD 0,175 per 1M di token |
| Input in cache | USD 0,0435 per 1M di token (solo cache hit riportati) |
| Output | USD 2,17 per 1M di token |
| Limiti a consumo | 30 richieste al minuto, 4 contemporanee per chiave |
| Accesso | Ricarica necessaria: si sblocca dopo una ricarica valida; il credito iniziale non lo copre |
I prezzi di questa pagina provengono dallo snapshot del feed dei prezzi di BroadNet del e qui non sono stati verificati in tempo reale. Consulta i prezzi ufficiali (in inglese) per le tariffe attuali.
i prezzi ufficiali (in inglese)Segnala un prezzo o un numero sbagliato (email a info@broadnet.ai, con il link a questa pagina già compilati).
Cosa pubblica BroadNet su Qwen3.8 27B?
Da il catalogo dei modelli di BroadNet (in inglese), verificato il 15 novembre 2026. Le misurazioni sono di BroadNet, sul suo hardware, salvo dove è citata una classifica pubblica; non le abbiamo riprodotte.
| Esecuzione nel laboratorio di BroadNet | GGUF Q4_K_M con proiettore di visione e drafter MTP su llama.cpp; AWQ INT4 sul vLLM modificato da BroadNet per AMD ROCm |
|---|---|
| Contesto via API | 262.144 token (pricing.json) |
Misurazioni di BroadNet
- 55 token al secondo su un singolo stream con la multi-token prediction, e 92% di accettazione MTP su ROCm.
Come BroadNet sceglie e serve i modelli: il suo hardware GPU e il suo modo di servire i modelli e i modelli che ha valutato e scartato.
A confronto: Qwen3.8 27B vs DeepSeek V4.1 Flash (in inglese), Qwen3.8 27B vs GLM 5.3 (in inglese) e Qwen3.8 27B vs BroadNet Gemma 4 VL 26B (in inglese), con prezzi, contesto e costi per carico di lavoro. Qwen3.8 27B è venduto anche da altri 15 provider, a partire da USD 0,039 di input e USD 1,25 di output per 1M di token sulle loro pagine prezzi: prezzi dell’API Qwen3.8 27B per provider (in inglese). Lo stesso testo corrisponde a un numero diverso di token in ogni modello: guarda come si comporta il tokenizer di Qwen3.8 27B su arabo, inglese e codice nel dataset sull’efficienza dei tokenizer (in inglese).
Chiamalo da Python
Installa l’SDK di OpenAI con pip install openai, esporta BROADNET_API_KEY e poi esegui:
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)Oppure 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 ragiona prima di rispondere. Il ragionamento conta in max_tokens ed è riportato come usage.completion_tokens_details.reasoning_tokens, all’interno del conteggio dei token di completamento (output), quindi mettilo in conto come output. Lascia almeno 1.000 token, oppure imposta reasoning_effort su low, altrimenti la risposta può tornare vuota. Perché le risposte tornano vuote.
Guide per Qwen3.8 27B
- Usare l’SDK Python di OpenAI con BroadNet Inference
- Usare l’SDK Node.js di OpenAI con BroadNet Inference
- Prima richiesta a BroadNet Inference con curl
- Streaming delle chat completions e connessioni interrotte
- Perché un modello di ragionamento restituisce una risposta vuota
- Usare LangChain con BroadNet Inference
- Usare Cline con BroadNet Inference (provider OpenAI Compatible)
- Usare Roo Code con BroadNet Inference (OpenAI Compatible)
- Usare Continue con BroadNet Inference (config.yaml e apiBase)
- Aggiungere BroadNet Inference a opencode come provider personalizzato
- Collegare Open WebUI a BroadNet Inference
- Aggiungere BroadNet Inference a LibreChat come custom endpoint
- Usare BroadNet Inference in n8n (credenziale OpenAI, Base URL)
- Usare il Vercel AI SDK con BroadNet Inference
- Instradare LiteLLM verso BroadNet Inference (SDK e proxy)
- Usare l’OpenAI Agents SDK con BroadNet Inference
- Leggere fatture e scontrini in arabo con un modello vision
- Usare Zed con BroadNet Inference come provider compatibile OpenAI
- Usare Kilo Code con BroadNet Inference (provider OpenAI Compatible)
- Aggiungere BroadNet Inference a goose come provider personalizzato
- Usare Pydantic AI con BroadNet Inference (OpenAICompatibleProvider)
- CrewAI con BroadNet Inference come endpoint OpenAI personalizzato
- Usare LlamaIndex con BroadNet Inference tramite OpenAILike
- BroadNet Inference in Dify con il plugin OpenAI-API-compatible
- Usare Jan con BroadNet Inference come provider compatibile OpenAI
- Collegare SillyTavern a BroadNet Inference (Custom OpenAI-compatible)
- Usare Spring AI con BroadNet Inference (base-url OpenAI)
- Chiamare BroadNet Inference da Go con l’SDK openai-go
- Creare agenti LangGraph su BroadNet Inference
- Usare pipeline e agenti Haystack con BroadNet Inference
- Usare Semantic Kernel con BroadNet Inference
- Usare gli agenti Mastra con BroadNet Inference
- Output strutturato con Instructor su BroadNet Inference
- Usare DSPy con BroadNet Inference (imposta model_type="chat")
- Valutare i modelli BroadNet con promptfoo
- Usare smolagents su BroadNet Inference con OpenAIModel
- Collegare Flowise a BroadNet Inference (OpenAI Custom Model)
- Collegare Langflow a BroadNet Inference
Usa Qwen3.8 27B nella console
La console di BroadNet su inference.broadnet.ai gestisce account e chiavi. Non riceve la tua scelta da questa pagina, quindi:
- Accedi o crea un account.
- Effettua una ricarica valida (il credito iniziale non copre questo modello), poi crea una chiave a consumo.
- Invia questo ID di modello in
modela/v1/chat/completions:broadnet/qwen3.8-27b
Apri la console di BroadNetStima il costoLeggi il riferimento API (in inglese)
Confronta Qwen3.8 27B
Domande frequenti
Qual è l’ID di modello di Qwen3.8 27B?
Passa broadnet/qwen3.8-27b in model a /v1/chat/completions. L’URL di base è https://inference.broadnet.ai/v1.
Quanto costa Qwen3.8 27B?
USD 0,175 input, 0,0435 input in cache e 2,17 output per 1M di token, scalati dal saldo del tuo account.
Qual è la finestra di contesto di Qwen3.8 27B?
262.144 token per richiesta, prompt e risposta insieme.
Posso usare Qwen3.8 27B senza ricaricare?
No. Qwen3.8 27B si sblocca dopo una ricarica valida. Il credito iniziale copre BroadNet Gemma 4 VL 26B, BroadNet Transcribe Arabic e BroadNet Transcribe e le chiavi orarie Gemma.
I miei dati vengono salvati?
I contenuti di inferenza non vengono conservati: prompt, immagini e risposte vengono elaborati solo per la richiesta. I metadati necessari di account, fatturazione e sicurezza, come tempi, numero di token e costo, vengono conservati come descritto nell’informativa privacy di BroadNet. Scopri come.
Leggi in MarkdownChiedi a ChatGPTChiedi a ClaudeChiedi a Perplexity