Qwen3.8 Max e Flash grátis na API do AIHubMix: limites, data de término e sua primeira chamada

O Qwen3.8 Max, modelo principal da Alibaba, e seu irmão rápido, o Qwen3.8 Flash, podem ser chamados gratuitamente no AIHubMix neste momento. Os IDs gratuitos dos modelos são qwen3.8-max-free e qwen3.8-flash-free, e ambos custam US$ 0 por milhão de tokens de entrada e de saída. A GMI Cloud financia a campanha. Ela começou em 14 de outubro de 2026 (horário do Pacífico) e dura 30 dias, ou seja, até por volta de 13 de novembro, ou até que os créditos da campanha acabem, o que ocorrer primeiro.

Os IDs gratuitos seguem as mesmas regras de todos os outros modelos gratuitos do AIHubMix: 10 chamadas de teste em uma conta nova e, depois, cotas diárias assim que você fizer uma recarga de US$ 1 ou mais. Você os chama com o SDK padrão da OpenAI apontando para https://aihubmix.com/v1. Quando a campanha terminar, basta remover -free do ID do modelo, e o mesmo código continuará funcionando com as versões pagas.

O que é gratuito e quanto custará pelo resto do ano

Os preços são por milhão de tokens. Os preços de lista da Qwen são os da QwenCloud.

Ambos os IDs gratuitos têm as mesmas capacidades padrão de suas versões pagas: janela de contexto de 1M tokens, até 131K tokens de saída, chamada de ferramentas e raciocínio ativado por padrão. Eles são servidos pela GMI Cloud, não pela Alibaba Cloud, e as páginas dos modelos Qwen3.8 Max (free) e Qwen3.8 Flash (free) mostram a latência e o tempo de disponibilidade em tempo real dessa rota.

Dois modelos, duas funções

Os números de benchmark abaixo são os próprios números de lançamento da Qwen, compilados pela DataCamp; ninguém os reproduziu de forma independente.

O Qwen3.8 Max foi lançado em 3 de agosto de 2026. É um modelo de mistura de especialistas com 2,4 trilhões de parâmetros, com cerca de 95B de parâmetros ativos por token, e a Qwen o posiciona para tarefas de programação e de escritório "Cowork". Sua tabela de lançamento mostra 67,7 no SWE-bench Pro, 74,8 no CoWorkBench e 92,6 no GPQA Diamond. Uma atualização de pós-treinamento (0902) veio em 2 de setembro. A Artificial Analysis classifica essa versão em 33º lugar entre 217 modelos em seu Intelligence Index e a descreve como "muito prolixa": ela usou 190M tokens de saída para executar o índice, contra uma mediana de 87M.

O Qwen3.8 Flash foi lançado em 26 de agosto de 2026, como a versão hospedada do modelo de pesos abertos Flash-Next (125B parâmetros, 6B ativos). A tabela de lançamento da Qwen registra 62,5 no SWE-bench Pro e 73,9 no CoWorkBench: a menos de um ponto do Max em trabalho de escritório, com preço de saída inferior a um treze avos do Max.

Em resumo: o Flash responde em segundos e cobre a maior parte do trabalho do dia a dia; o Max é a escolha para raciocínio difícil e programação com múltiplos arquivos. O segundo post desta série compara os dois tarefa por tarefa.

Como funciona a cota gratuita

A página de modelos gratuitos do AIHubMix define os limites, que se aplicam aos IDs gratuitos do Qwen3.8 da mesma forma que ao restante do catálogo:

• Antes da sua primeira recarga: 10 chamadas de teste no total, compartilhadas entre todos os modelos gratuitos, sem prazo de validade. Após a décima, a API continua respondendo com um aviso de que o teste foi esgotado, em vez de retornar um erro.
• Após qualquer recarga de US$ 1 ou mais: sua conta passa permanentemente para cotas diárias de 100 requisições por dia, 10 por minuto e 1M tokens por dia. Elas são compartilhadas por todo o catálogo gratuito e são redefinidas diariamente.
• Ao atingir um limite: a API retorna 429 até que comece o próximo minuto ou o próximo dia.

Três detalhes sobre o pool de tokens são fáceis de passar despercebidos:

1. É um único pool. Os tokens gastos no Flash, ou em qualquer outro modelo gratuito, saem do mesmo 1M usado pelo Max.
2. O raciocínio conta. Os dois modelos raciocinam antes de responder, a menos que você desative a função, e a Alibaba cobra o raciocínio como tokens de saída. Em um teste feito em 16 de outubro, uma resposta de duas frases do qwen3.8-flash-free usou 89 tokens de saída, sendo 36 deles no raciocínio.
3. A janela de contexto é tão grande quanto o pool diário. Uma única requisição que preencha o contexto de 1M tokens do Max consumiria todos os tokens do dia.

Quanto valem os tokens gratuitos

Suponha que você use os 1M tokens completos por dia, divididos na proporção 3:1 entre entrada e saída, e que os precifique pelas tarifas pagas do AIHubMix:

Pelas tarifas pagas, um token gasto no Max vale cerca de 14 vezes um token gasto no Flash. Como o pool é compartilhado, a campanha gratuita vale mais quando você a usa nas chamadas do Max em que a qualidade importa, e usa o Flash onde a velocidade importa.

Sua primeira chamada

1. Cadastre-se no AIHubMix e crie uma chave de API; o guia de início rápido explica o passo a passo.
2. Faça uma recarga de US$ 1 ou mais se quiser a cota diária em vez de 10 chamadas de teste.
3. Exporte a chave como AIHUBMIX_API_KEY e envie uma requisição:

curl https://aihubmix.com/v1/chat/completions \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen3.8-flash-free",
    "messages": [{"role": "user", "content": "In two sentences, what is a mixture-of-experts model?"}]
  }'

Para o Max, use streaming na resposta. O Max pensa por um tempo antes do primeiro token visível: a própria medição do AIHubMix indica que a latência da rota gratuita é de cerca de 55 segundos, contra cerca de 5 segundos do Flash. O streaming mantém os dados fluindo enquanto o modelo pensa, e um tempo limite maior no cliente cobre respostas longas:

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://aihubmix.com/v1",
    api_key=os.environ["AIHUBMIX_API_KEY"],
    timeout=600,
)

stream = client.chat.completions.create(
    model="qwen3.8-max-free",
    messages=[{"role": "user", "content": "Find the bug in this function:\n\ndef mean(xs):\n    return sum(xs) / len(xs) - 1"}],
    stream=True,
)

for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

O raciocínio chega em um campo separado, reasoning_content, então este loop imprime apenas a resposta. Para requisições curtas e simples, você pode desativar o raciocínio com extra_body={"enable_thinking": False}, que é a opção documentada pela Alibaba para o Qwen3.8; o terceiro post desta série mostra como confirmar que ela surtiu efeito.

Quando a janela gratuita se encerrar

Os IDs -free deixam de ser gratuitos por volta de 13 de novembro de 2026 (horário do Pacífico), ou antes, se os créditos da campanha da GMI Cloud acabarem primeiro. Duas formas de tornar isso um não acontecimento:

• Troque uma string. Substitua qwen3.8-max-free por qwen3.8-max, ou qwen3.8-flash-free por qwen3.8-flash. O endpoint, o SDK e os parâmetros permanecem os mesmos, e os preços do AIHubMix estão abaixo dos preços de lista oficiais da Qwen.
• Configure um fallback agora. O AIHubMix pode alternar de um modelo gratuito para um pago no nível da chave quando o modelo gratuito atinge uma cota ou um limite de taxa, sem nenhuma mudança no código. O terceiro post explica a configuração.

Perguntas frequentes

O Qwen3.8 Max é realmente gratuito no AIHubMix?
Sim. O qwen3.8-max-free custa US$ 0 por milhão de tokens de entrada e de saída durante a campanha da GMI Cloud. Aplicam-se as cotas normais dos modelos gratuitos do AIHubMix.

Quando termina a oferta gratuita do Qwen3.8?
30 dias após o lançamento, em 14 de outubro de 2026 (horário do Pacífico), ou seja, por volta de 13 de novembro, ou antes, se os créditos da campanha acabarem.

Preciso de cartão de crédito para experimentar?
Não. Toda conta nova recebe 10 chamadas de teste. Uma recarga de US$ 1 ou mais muda a conta para cotas diárias de 100 requisições e 1M tokens.

A versão gratuita é o mesmo modelo da versão paga?
Os IDs gratuitos têm as mesmas capacidades padrão: contexto de 1M, até 131K de saída, chamada de ferramentas e raciocínio. Eles rodam na GMI Cloud em vez da Alibaba Cloud, então a latência e a vazão são diferentes; as páginas dos modelos mostram ambas.

Os tokens de raciocínio contam na cota gratuita?
Sim. O raciocínio é saída, e cada token conta para o pool diário compartilhado de 1M tokens. Desative o raciocínio em requisições simples para que o pool dure mais.

Posso usar os modelos gratuitos em ferramentas de programação?
Sim, em qualquer ferramenta que aceite uma URL base compatível com a OpenAI e um ID de modelo personalizado, como OpenCode, Cline, Kilo Code ou Qwen Code. Loops de agentes reenviam o contexto a cada turno, então esgotam o pool diário rapidamente.

O que acontece com meu código quando a oferta terminar?
Troque o ID do modelo para qwen3.8-max ou qwen3.8-flash e mais nada. Ou configure o fallback no nível da chave agora, para que a troca aconteça automaticamente.

Continue lendo: a série Qwen3.8 Free

• O pool é compartilhado, então vale a pena saber qual modelo merece seus tokens: Qwen3.8 Max Free vs Qwen3.8 Flash Free: o Flash é suficiente?
• Quando você começar a usá-lo todos os dias, veja o que dá errado e a configuração que resolve a maior parte dos casos: Qwen3.8 Free no AIHubMix: como corrigir 429s, "Rate Limited by Provider" e um pool de tokens esgotado

Fontes

• Página do modelo Qwen3.8 Max (free) (AIHubMix)
• Modelos de IA gratuitos e cotas (AIHubMix)
• Use modelos de raciocínio profundo via API (Alibaba Cloud Model Studio)
• Qwen3.8-Max: recursos, benchmarks e preços (DataCamp)
• Qwen3.8 Max (0902): análise de inteligência, desempenho e preço (Artificial Analysis)