API do Qwen3.8 27B
Atualizado em
O Qwen3.8 27B roda na BroadNet Inference (broadnet/qwen3.8-27b) via https://inference.broadnet.ai/v1, compatível com OpenAI. Custa US$ 0,175 de entrada, US$ 0,0435 em cache e US$ 2,17 de saída por 1M de tokens, contexto de 262.144 tokens. Exige recarga válida, não o crédito inicial. Não retém conteúdo de inferência.
Visão geral
- Text
- Vision (image input)
- Tool calling
- Reasoning
- Structured output
- Contexto de 262.144 tokens
- Entrada de texto e imagem
- Ferramentas, saída estruturada e raciocínio
- Teste da BroadNet: escrita fluente em árabe, compreensão dos dialetos do Golfo e egípcio, tradução precisa entre árabe e inglês
| ID do modelo | broadnet/qwen3.8-27b |
|---|---|
| Endpoint | /v1/chat/completions |
| Entradas aceitas | texto, imagem (visão: compreensão, não geração) |
| Contexto | 262.144 tokens, prompt e resposta somados |
| Entrada | US$ 0,175 por 1M de tokens |
| Entrada em cache | US$ 0,0435 por 1M de tokens (só acertos de cache informados) |
| Saída | US$ 2,17 por 1M de tokens |
| Limites do pagamento por uso | 30 requisições por minuto, 4 simultâneas por chave |
| Acesso | Exige recarga: libera após uma recarga válida; o crédito inicial não cobre |
Os preços desta página vêm do snapshot do feed de preços da BroadNet de ; eles não foram conferidos ao vivo aqui. Veja os preços oficiais (em inglês) para as tarifas atuais.
os preços oficiais (em inglês)Informe um preço ou número errado (e-mail para info@broadnet.ai, já com o link desta página; o modelo do e-mail está em inglês, mas você pode escrever em português).
O que a BroadNet publica sobre o Qwen3.8 27B?
Segundo o catálogo de modelos da BroadNet (em inglês), consultado em 15 de novembro de 2026. As medições são da BroadNet, no hardware dela, a menos que um ranking público seja citado; não as reproduzimos.
| Execução no laboratório da BroadNet | GGUF Q4_K_M com projetor de visão e drafter MTP no llama.cpp; AWQ INT4 no vLLM modificado da BroadNet para AMD ROCm |
|---|---|
| Contexto na API | 262.144 tokens (pricing.json) |
Medições da BroadNet
- 55 tokens por segundo em um único stream com predição de múltiplos tokens, e 92% de aceitação de MTP no ROCm.
Como a BroadNet escolhe e serve modelos: o hardware de GPU e a forma de servir e os modelos que ela avaliou e descartou.
Lado a lado: Qwen3.8 27B vs DeepSeek V4.1 Flash (em inglês), Qwen3.8 27B vs GLM 5.3 (em inglês) e Qwen3.8 27B vs BroadNet Gemma 4 VL 26B (em inglês), com preços, contexto e custos por carga de trabalho. O Qwen3.8 27B também é vendido por outros 15 provedores, a partir de US$ 0,039 de entrada e US$ 1,25 de saída por 1M de tokens nas próprias páginas de preços deles: preços da API do Qwen3.8 27B por provedor. O mesmo texto vira um número diferente de tokens em cada modelo: veja como o tokenizador do Qwen3.8 27B se compara em árabe, inglês e código no conjunto de dados de eficiência de tokenizadores (em inglês).
Chame em Python
Instale o SDK da OpenAI com pip install openai, exporte BROADNET_API_KEY e rode:
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)Ou com 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."}]}'O Qwen3.8 27B raciocina antes de responder. O raciocínio conta para max_tokens e é informado como usage.completion_tokens_details.reasoning_tokens, dentro da contagem de tokens de completion (saída), então reserve orçamento de saída para ele. Deixe 1.000 tokens ou mais, ou defina reasoning_effort como low; senão, a resposta pode voltar vazia. Por que as respostas voltam vazias.
Guias para o Qwen3.8 27B
- Como usar o SDK Python da OpenAI com a BroadNet Inference
- Como usar o SDK Node.js da OpenAI com a BroadNet Inference
- Primeira requisição à BroadNet Inference com curl
- Streaming de chat completions e conexões que caem
- Por que um modelo de raciocínio devolve uma resposta vazia
- Como usar o LangChain com a BroadNet Inference
- Use o Cline com a BroadNet Inference (provedor OpenAI Compatible)
- Usar o Roo Code com a BroadNet Inference (OpenAI Compatible)
- Use o Continue com a BroadNet Inference (config.yaml e apiBase)
- Adicionar a BroadNet Inference ao opencode como provedor personalizado
- Como conectar o Open WebUI à BroadNet Inference
- Adicionar a BroadNet Inference ao LibreChat como custom endpoint
- Como usar a BroadNet Inference no n8n (credencial OpenAI, Base URL)
- Como usar o Vercel AI SDK com a BroadNet Inference
- Como rotear o LiteLLM para a BroadNet Inference (SDK e proxy)
- Rodar o OpenAI Agents SDK na BroadNet Inference
- Ler notas fiscais e recibos em árabe com um modelo de visão
- Use o Zed com a BroadNet Inference como provedor compatível com OpenAI
- Usar o Kilo Code com a BroadNet Inference (provedor OpenAI Compatible)
- Adicionar a BroadNet Inference ao goose como provedor personalizado
- Usar o Pydantic AI com a BroadNet Inference (OpenAICompatibleProvider)
- CrewAI com a BroadNet Inference como endpoint OpenAI personalizado
- Usar o LlamaIndex com a BroadNet Inference via OpenAILike
- BroadNet Inference no Dify com o plugin OpenAI-API-compatible
- Jan com a BroadNet Inference: provedor compatível com a OpenAI
- Conectar o SillyTavern à BroadNet Inference (Custom OpenAI-compatible)
- Usar o Spring AI com a BroadNet Inference (base-url da OpenAI)
- Chamar a BroadNet Inference em Go com o SDK openai-go
- Criar agentes LangGraph na BroadNet Inference
- Usar pipelines e agentes do Haystack com a BroadNet Inference
- Usar o Semantic Kernel com a BroadNet Inference
- Usar agentes Mastra com a BroadNet Inference
- Saída estruturada com o Instructor na BroadNet Inference
- Use o DSPy com a BroadNet Inference (defina model_type="chat")
- Avaliar os modelos da BroadNet com o promptfoo
- Rodar o smolagents na BroadNet Inference com OpenAIModel
- Conectar o Flowise à BroadNet Inference (OpenAI Custom Model)
- Conectar o Langflow à BroadNet Inference
Use o Qwen3.8 27B no console
O console da BroadNet em inference.broadnet.ai gerencia contas e chaves. Ele não recebe a sua escolha desta página, então:
- Entre ou crie uma conta.
- Faça uma recarga válida (o crédito inicial não cobre este modelo) e depois crie uma chave de pagamento por uso.
- Envie este ID de modelo como
modelpara/v1/chat/completions:broadnet/qwen3.8-27b
Abrir o console da BroadNetEstimar o custoLer a referência da API (em inglês)
Compare o Qwen3.8 27B
Perguntas frequentes
Qual é o ID de modelo do Qwen3.8 27B?
Passe broadnet/qwen3.8-27b como model para /v1/chat/completions. A URL base é https://inference.broadnet.ai/v1.
Quanto custa a API do Qwen3.8 27B?
US$ 0,175 de entrada, US$ 0,0435 em cache e US$ 2,17 de saída por 1M de tokens, descontado do saldo da sua conta.
Qual é a janela de contexto do Qwen3.8 27B?
262.144 tokens por requisição, prompt e resposta somados.
Posso usar o Qwen3.8 27B sem fazer recarga?
Não. O Qwen3.8 27B libera após uma recarga válida. O crédito inicial cobre BroadNet Gemma 4 VL 26B, BroadNet Transcribe Arabic e BroadNet Transcribe e as chaves por hora do Gemma.
Meus dados ficam armazenados?
O conteúdo de inferência não é retido: prompts, imagens e respostas são processados apenas para a requisição. Os metadados necessários de conta, cobrança e segurança, como tempos, contagens de tokens e custo, são retidos conforme a declaração de privacidade da BroadNet. Saiba como.
Ler em MarkdownPerguntar ao ChatGPTPerguntar ao ClaudePerguntar ao Perplexity