Qwen3.8 Max Free vs Qwen3.8 Flash Free: Flash è sufficiente?

Per la maggior parte del lavoro quotidiano, sì. Chat, redazione di testi, estrazione di dati, riassunti e assistenza al codice nell'editor funzionano bene con Qwen3.8 Flash, che risponde in pochi secondi e, secondo i numeri dello stesso Qwen, si colloca entro circa un punto da Max nei compiti d'ufficio e nelle domande scientifiche di livello universitario avanzato. Max giustifica l'attesa più lunga in due tipi di lavoro: il ragionamento complesso di livello esperto e la programmazione su più file, dove i numeri di Qwen mostrano i divari maggiori. Inoltre si adatta ai lavori che comunque eseguiresti in background.

Entrambi sono gratuiti su AIHubMix, come qwen3.8-max-free e qwen3.8-flash-free, fino a circa il 13 novembre 2026 (ora del Pacifico) o fino all'esaurimento dei crediti della campagna. La scelta, quindi, non riguarda il prezzo, ma il tempo e un pool di token condiviso. Entrambi attingono agli stessi 1M di token gratuiti al giorno e, a tariffe a pagamento, un token di Max vale circa 14 token di Flash. Lo schema che sfrutta meglio la campagna è usare Flash come predefinito, riservando Max alle risposte che Flash sbaglia.

Stesso prezzo oggi, tutto il resto diverso

I prezzi sono per milione di token. Latenza e throughput sono misurazioni dello stesso AIHubMix sul percorso gratuito, come mostrato nelle pagine Qwen3.8 Max (gratuito) e Qwen3.8 Flash (gratuito) del 16 ottobre 2026; variano in base al carico. Il numero di parametri di Flash si riferisce alla versione open-weight Flash-Next.

Dopo la campagna, l'output di Max costa 13,3 volte quello di Flash ($5,07 contro $0,38 per milione di token). AIHubMix ha pagine affiancate per la coppia gratuita e per la coppia a pagamento.

Dove Flash tiene il passo, secondo i numeri di Qwen

Si tratta dei dati di lancio autodichiarati da Qwen, raccolti da DataCamp (Max, Flash-Next); nessuno li ha riprodotti in modo indipendente.

I numeri di Max provengono dalla tabella del lancio di agosto. Il suo aggiornamento 0902 ha portato CoWorkBench a 76,1 e JobBench a 64,0, secondo i numeri di Qwen. I numeri di Flash provengono dalla tabella di Flash-Next; la versione Flash ospitata potrebbe ottenere risultati leggermente diversi.

Conviene leggere la tabella in due gruppi. Nei compiti in stile ufficio (CoWorkBench, JobBench) e nelle domande scientifiche generali (GPQA Diamond), i due modelli sono entro un paio di punti, e Flash è in vantaggio in uno di essi. Il divario si apre nelle correzioni reali di repository (SWE-bench Pro, 5 punti) e nelle domande molto difficili di livello esperto (Humanity's Last Exam, quasi 8 punti). È qui che la dimensione di Max ripaga.

Un compito comune a entrambi: la revisione di una pull request

Prendiamo una revisione del codice: una pull request da 1.500 righe più i file che tocca, circa 30K token in input, con il modello che scrive circa 6K token di output tra ragionamento e commenti. Si assume lo stesso numero di token per entrambi i modelli. In pratica Max tende a scrivere di più, perché Artificial Analysis ha misurato che usa più del doppio della mediana dei token di output nella sua suite di test, quindi i valori di Max qui sono da considerarsi bassi.

Il tempo è 55 s o 5 s di latenza più 6K token a 9 o 36 token al secondo. Il costo è 30K in input e 6K in output ai prezzi a pagamento di AIHubMix: $0,0507 + $0,0304 per Max, $0,0034 + $0,0023 per Flash.

Durante la campagna, le due revisioni costano la stessa quota del tuo pool, ma Max richiede circa quattro volte più tempo. Terminata la campagna, la revisione con Flash costa meno di un quattordicesimo di quella con Max. Se la revisione è un controllo nella tua CI che qualcuno attende, Flash è adatto. Se viene eseguita di notte sulle pull request che toccano codice di pagamento, il vantaggio di 5 punti di Max su SWE-bench Pro vale l'attesa.

Quali compiti assegnare a quale modello

I due modelli condividono un endpoint e un SDK, quindi puoi instradare tra loro in poche righe. Prova Flash, controlla il risultato e invia a Max solo i fallimenti:

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://aihubmix.com/v1",
    api_key=os.environ["AIHUBMIX_API_KEY"],
    timeout=900,
)

def ask(model: str, prompt: str) -> str:
    resp = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}],
    )
    return resp.choices[0].message.content

answer = ask("qwen3.8-flash-free", prompt)
if not passes_checks(answer):  # your tests, a schema check, or a reviewer
    answer = ask("qwen3.8-max-free", prompt)

Così la maggior parte delle richieste resta veloce e il pool condiviso viene riservato alle chiamate che richiedono Max.

Chi dovrebbe scegliere cosa

• Scegli Flash per tutto ciò che è interattivo, ad alto volume e per ciò che prevedi di far girare anche dopo il 13 novembre, quando Max costa più di 13 volte tanto per token di output.
• Scegli Max per la coda difficile: il bug che Flash non ha trovato, la domanda di livello esperto che ha sbagliato, la revisione lunga che nessuno attende.
• Usa entrambi se il tuo carico di lavoro è misto. Instradare prima su Flash è il modo più economico per ottenere risposte di livello Max sulle richieste che ne hanno bisogno, sia ora sia dopo la campagna.

FAQ

Qwen3.8 Flash è abbastanza buono per la programmazione?
Per piccole correzioni, completamenti e assistenza nell'editor, sì. Secondo i numeri di Qwen, è inferiore a Max di circa 5 punti su SWE-bench Pro, quindi vale la pena provare Max sui bug su più file che Flash non risolve.

Perché Qwen3.8 Max è lento sul percorso gratuito?
Per impostazione predefinita ragiona prima di rispondere e scrive risposte lunghe. AIHubMix ha misurato circa 55 secondi di latenza e circa 9 token al secondo sul percorso gratuito. Usa lo streaming della risposta e imposta un timeout lungo lato client.

Max e Flash condividono la stessa quota gratuita?
Sì. Tutti i modelli gratuiti di AIHubMix condividono un unico pool giornaliero di 100 richieste e 1M di token, dopo una ricarica di almeno $1, con un limite di 10 richieste al minuto.

Quale modello ottiene più valore dai token gratuiti?
Max. Ai prezzi a pagamento di AIHubMix, un token di Max vale circa 14 volte un token di Flash, quindi la campagna ti fa risparmiare di più sulle chiamate a Max.

Quanto costano dopo la campagna?
Su AIHubMix, qwen3.8-max costa $1,69 in input e $5,07 in output per milione di token, mentre qwen3.8-flash costa $0,1126 e $0,38. Entrambi sono al di sotto dei prezzi di listino di Qwen.

I numeri dei benchmark sono indipendenti?
No. Sono cifre autodichiarate da Qwen. Considera le differenze piccole come pareggi e quelle maggiori come indicazione di dove ciascun modello è più forte.

Continua a leggere: la serie Qwen3.8 gratuita

• Se non hai ancora configurato gli ID gratuiti, inizia dai limiti, dalla data di fine e da una prima richiesta: API gratuite Qwen3.8 Max e Flash su AIHubMix: limiti, data di fine e la tua prima chiamata
• Le lunghe attese di Max e il pool condiviso causano la maggior parte degli errori riscontrati, e c'è un fallback che li copre: Qwen3.8 gratuito su AIHubMix: risolvere errori 429, "Rate Limited by Provider" e un pool di token esaurito

Fonti

• Qwen3.8 Max (gratuito) vs Qwen3.8 Flash (gratuito) (AIHubMix)
• Modelli AI gratuiti e quote (AIHubMix)
• Qwen3.8-Max: funzionalità, benchmark e prezzi (DataCamp)
• Qwen3.8-Flash-Next: funzionalità, benchmark e prezzi (DataCamp)
• Qwen3.8 Max (0902): analisi di intelligenza, prestazioni e prezzo (Artificial Analysis)