Qwen3.8 Max hàng đầu của Alibaba và phiên bản nhanh hơn Qwen3.8 Flash hiện đang được gọi miễn phí trên AIHubMix. Các model ID miễn phí là qwen3.8-max-free và qwen3.8-flash-free, và cả hai đều có giá $0 cho mỗi triệu token đầu vào và đầu ra. GMI Cloud tài trợ cho chương trình này. Chương trình bắt đầu vào ngày 14 tháng 10 năm 2026 (giờ Thái Bình Dương) và kéo dài 30 ngày, tức là đến khoảng ngày 13 tháng 11, hoặc đến khi hết tín dụng của chương trình, tùy điều kiện nào đến trước.
Các ID miễn phí tuân theo cùng quy tắc như mọi model miễn phí khác trên AIHubMix: 10 lượt gọi dùng thử cho tài khoản mới, sau đó là hạn mức hằng ngày khi bạn nạp từ $1 trở lên. Bạn gọi chúng bằng SDK OpenAI chuẩn, trỏ tới https://aihubmix.com/v1. Khi chương trình kết thúc, chỉ cần bỏ -free khỏi model ID, và đoạn mã đó vẫn chạy bình thường với các phiên bản trả phí.
Phần miễn phí và chi phí phải trả cho phần còn lại của năm
| Model | ID miễn phí | ID trả phí | Giá trả phí trên AIHubMix (vào / ra) | Giá niêm yết của Qwen (vào / ra) |
|---|---|---|---|---|
| Qwen3.8 Max | qwen3.8-max-free | qwen3.8-max | $1.69 / $5.07 | $2.00 / $6.00 |
| Qwen3.8 Flash | qwen3.8-flash-free | qwen3.8-flash | $0.1126 / $0.38 | $0.16 / $0.47 |
Giá tính theo mỗi triệu token. Giá niêm yết của Qwen là giá của QwenCloud.
Cả hai ID miễn phí đều có đầy đủ khả năng tiêu chuẩn của phiên bản trả phí tương ứng: cửa sổ ngữ cảnh 1M token, tối đa 131K token đầu ra, gọi công cụ (tool calling), và chế độ suy luận (thinking) được bật mặc định. Chúng được phục vụ bởi GMI Cloud thay vì Alibaba Cloud, và trang model của Qwen3.8 Max (free) và Qwen3.8 Flash (free) hiển thị độ trễ và thời gian hoạt động trực tiếp của tuyến này.
Hai model, hai nhiệm vụ
Các con số benchmark dưới đây là số liệu ra mắt do chính Qwen công bố, được DataCamp tổng hợp; chưa ai tái lập độc lập các số liệu này.
Qwen3.8 Max ra mắt vào ngày 3 tháng 8 năm 2026. Đây là mô hình mixture-of-experts 2.4 nghìn tỷ tham số, với khoảng 95B tham số được kích hoạt cho mỗi token, và Qwen định vị nó cho lập trình và các tác vụ văn phòng "Cowork". Bảng ra mắt của model cho thấy 67.7 trên SWE-bench Pro, 74.8 trên CoWorkBench và 92.6 trên GPQA Diamond. Một bản cập nhật sau huấn luyện (0902) được phát hành vào ngày 2 tháng 9. Artificial Analysis xếp phiên bản này thứ 33 trên 217 model trong Intelligence Index của họ và mô tả nó là "rất dài dòng": model đã dùng 190M token đầu ra để chạy bộ chỉ số này, trong khi mức trung vị là 87M.
Qwen3.8 Flash ra mắt vào ngày 26 tháng 8 năm 2026, như phiên bản lưu trữ của model mã mở Flash-Next (125B tham số, 6B được kích hoạt). Bảng phát hành của Qwen ghi nhận 62.5 trên SWE-bench Pro và 73.9 trên CoWorkBench: chênh lệch trong vòng một điểm so với Max ở các tác vụ văn phòng, với giá đầu ra thấp hơn một phần mười ba so với Max.
Tóm lại: Flash trả lời trong vài giây và đảm nhiệm phần lớn công việc hằng ngày; Max là lựa chọn cho suy luận khó và lập trình nhiều tệp. Bài thứ hai trong loạt này so sánh hai model theo từng tác vụ.
Cách hoạt động của hạn mức miễn phí
Trang model miễn phí của AIHubMix quy định các giới hạn, và chúng áp dụng cho các ID Qwen3.8 miễn phí cũng như phần còn lại của danh mục:
- Trước lần nạp tiền đầu tiên: tổng cộng 10 lượt gọi dùng thử, dùng chung cho mọi model miễn phí, không hết hạn. Sau lượt thứ mười, API tiếp tục trả về thông báo rằng lượt dùng thử đã hết thay vì trả về lỗi.
- Sau bất kỳ lần nạp nào từ $1 trở lên: tài khoản của bạn chuyển vĩnh viễn sang hạn mức hằng ngày gồm 100 yêu cầu mỗi ngày, 10 yêu cầu mỗi phút và 1M token mỗi ngày. Các hạn mức này dùng chung cho toàn bộ danh mục miễn phí và được đặt lại mỗi ngày.
- Khi vượt giới hạn: API trả về 429 cho đến khi phút hoặc ngày tiếp theo bắt đầu.
Ba chi tiết về nhóm token dễ bị bỏ sót:
- Đó là một nhóm chung. Token bạn dùng cho Flash, hoặc cho bất kỳ model miễn phí nào khác, đều được trừ từ cùng 1M token với Max.
- Suy luận cũng được tính. Cả hai model đều suy luận trước khi trả lời trừ khi bạn tắt tính năng này, và Alibaba tính phần suy luận như token đầu ra. Trong một thử nghiệm ngày 16 tháng 10, một câu trả lời hai câu từ
qwen3.8-flash-freeđã dùng 89 token đầu ra, trong đó 36 token dành cho suy luận. - Cửa sổ ngữ cảnh lớn bằng cả nhóm token hằng ngày. Một yêu cầu làm đầy ngữ cảnh 1M token của Max sẽ dùng hết toàn bộ token trong ngày.
Giá trị của các token miễn phí
Giả sử bạn dùng đủ 1M token mỗi ngày, chia theo tỷ lệ 3:1 giữa đầu vào và đầu ra, và tính giá theo mức trả phí của AIHubMix:
| Model | 750K đầu vào | 250K đầu ra | Mỗi ngày | Đủ 30 ngày |
|---|---|---|---|---|
| Qwen3.8 Max | $1.27 | $1.27 | $2.54 | khoảng $76 |
| Qwen3.8 Flash | $0.08 | $0.10 | $0.18 | khoảng $5.40 |
Theo giá trả phí, một token dùng cho Max có giá trị gấp khoảng 14 lần một token dùng cho Flash. Nhóm token được dùng chung, nên chương trình miễn phí có giá trị nhất khi bạn dùng cho các lần gọi Max nơi chất lượng quan trọng, và dùng Flash khi tốc độ quan trọng.
Lần gọi API đầu tiên của bạn
- Đăng ký tài khoản AIHubMix và tạo API key; hướng dẫn nhanh sẽ giúp bạn thực hiện bước này.
- Nạp từ $1 trở lên nếu bạn muốn hạn mức hằng ngày thay vì 10 lượt gọi dùng thử.
- Xuất key dưới dạng
AIHUBMIX_API_KEYvà gửi một yêu cầu:
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?"}]
}'
Với Max, hãy bật stream phản hồi. Max suy nghĩ một lúc trước khi hiển thị token đầu tiên: số đo của chính AIHubMix cho thấy độ trễ của tuyến miễn phí khoảng 55 giây, so với khoảng 5 giây của Flash. Streaming giữ dữ liệu được truyền liên tục trong lúc model suy nghĩ, và thời gian chờ (timeout) dài hơn ở phía client sẽ xử lý các câu trả lời dài:
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)
Phần suy luận được trả về trong trường reasoning_content riêng, nên vòng lặp này chỉ in ra câu trả lời. Với các yêu cầu ngắn và đơn giản, bạn có thể tắt suy luận bằng extra_body={"enable_thinking": False}, đây là cách bật/tắt được Alibaba ghi trong tài liệu dành cho Qwen3.8; bài thứ ba trong loạt này hướng dẫn cách xác nhận cài đặt đã có hiệu lực.
Khi cửa sổ miễn phí đóng lại
Các ID -free sẽ ngừng miễn phí vào khoảng ngày 13 tháng 11 năm 2026 (giờ Thái Bình Dương), hoặc sớm hơn nếu tín dụng chương trình của GMI Cloud hết trước. Có hai cách để việc này không gây gián đoạn:
- Đổi một chuỗi. Thay
qwen3.8-max-freebằngqwen3.8-max, hoặcqwen3.8-flash-freebằngqwen3.8-flash. Endpoint, SDK và tham số giữ nguyên, và giá AIHubMix thấp hơn giá niêm yết của chính Qwen. - Thiết lập phương án dự phòng ngay bây giờ. AIHubMix có thể chuyển từ model miễn phí sang model trả phí ở cấp key khi model miễn phí đạt hạn mức hoặc giới hạn tốc độ, mà không cần đổi code. Bài thứ ba hướng dẫn cách thiết lập.
Câu hỏi thường gặp
Qwen3.8 Max có thực sự miễn phí trên AIHubMix không?
Có. qwen3.8-max-free có giá $0 cho mỗi triệu token đầu vào và đầu ra trong thời gian chương trình của GMI Cloud. Các hạn mức model miễn phí tiêu chuẩn của AIHubMix vẫn được áp dụng.
Ưu đãi Qwen3.8 miễn phí kết thúc khi nào?
Sau 30 ngày kể từ ngày ra mắt 14 tháng 10 năm 2026 (giờ Thái Bình Dương), tức là khoảng ngày 13 tháng 11, hoặc sớm hơn nếu tín dụng chương trình hết trước.
Tôi có cần thẻ tín dụng để dùng thử không?
Không. Mỗi tài khoản mới được 10 lượt gọi dùng thử. Nạp từ $1 trở lên sẽ chuyển tài khoản sang hạn mức hằng ngày gồm 100 yêu cầu và 1M token.
Phiên bản miễn phí có phải cùng model với phiên bản trả phí không?
Các ID miễn phí có cùng khả năng tiêu chuẩn: ngữ cảnh 1M, tối đa 131K đầu ra, gọi công cụ và suy luận. Chúng chạy trên GMI Cloud thay vì Alibaba Cloud, nên độ trễ và thông lượng khác nhau; trang model hiển thị cả hai.
Token suy luận có tính vào hạn mức miễn phí không?
Có. Suy luận là đầu ra, và mọi token đều được tính vào nhóm 1M token hằng ngày dùng chung. Hãy tắt suy luận cho các yêu cầu đơn giản để nhóm token kéo dài lâu hơn.
Tôi có thể dùng model miễn phí trong các công cụ lập trình không?
Có, trong bất kỳ công cụ nào chấp nhận base URL tương thích OpenAI và model ID tùy chỉnh, chẳng hạn như OpenCode, Cline, Kilo Code hoặc Qwen Code. Các vòng lặp agent gửi lại ngữ cảnh ở mỗi lượt, nên chúng làm cạn nhóm token hằng ngày rất nhanh.
Mã của tôi sẽ thế nào khi ưu đãi kết thúc?
Chỉ cần đổi model ID thành qwen3.8-max hoặc qwen3.8-flash, không cần thay đổi gì khác. Hoặc cấu hình dự phòng ở cấp key ngay bây giờ để việc chuyển đổi diễn ra tự động.
Đọc tiếp: loạt bài Qwen3.8 miễn phí
- Nhóm token được dùng chung, nên nên biết model nào xứng đáng nhận token của bạn: Qwen3.8 Max Free so với Qwen3.8 Flash Free: Flash có đủ không?
- Khi bạn gọi API mỗi ngày, đây là những lỗi thường gặp và một cài đặt giải quyết phần lớn chúng: Qwen3.8 Free trên AIHubMix: Khắc phục lỗi 429, "Rate Limited by Provider" và nhóm token đã cạn
Nguồn tham khảo
- Trang model Qwen3.8 Max (free) (AIHubMix)
- Mô hình AI miễn phí và hạn mức (AIHubMix)
- Sử dụng các model suy luận sâu qua API (Alibaba Cloud Model Studio)
- Qwen3.8-Max: Tính năng, benchmark và giá (DataCamp)
- Qwen3.8 Max (0902): Phân tích trí tuệ, hiệu năng & giá (Artificial Analysis)
