Qwen3.8 Max Free vs Qwen3.8 Flash Free: Flash có đủ không?

Với hầu hết công việc hằng ngày, có. Trò chuyện, soạn thảo, trích xuất, tóm tắt và hỗ trợ lập trình trong trình soạn thảo đều chạy tốt trên Qwen3.8 Flash, trả lời trong vài giây và, theo số liệu của chính Qwen, chỉ chênh lệch khoảng một điểm so với Max ở các tác vụ văn phòng và câu hỏi khoa học cấp sau đại học. Max xứng đáng với thời gian chờ lâu hơn ở hai loại công việc: suy luận chuyên sâu cấp chuyên gia và lập trình đa tệp, nơi khoảng cách lớn nhất theo số liệu của Qwen. Nó cũng phù hợp với các tác vụ bạn vốn định chạy nền.

Dù cả hai đều miễn phí trên AIHubMix, với tên qwen3.8-max-free và qwen3.8-flash-free cho đến khoảng ngày 13 tháng 11 năm 2026 (giờ Thái Bình Dương) hoặc đến khi hết tín dụng chiến dịch, lựa chọn không nằm ở giá. Mà nằm ở thời gian và một nhóm token dùng chung. Cả hai đều lấy từ cùng 1M token miễn phí mỗi ngày, và theo giá trả phí, một token Max có giá trị bằng khoảng 14 token Flash. Cách tận dụng chiến dịch tốt nhất là dùng Flash làm mặc định, và dành Max cho những câu trả lời mà Flash trả lời sai.

Hiện cùng giá, khác nhau ở mọi yếu tố còn lại

	Qwen3.8 Max (miễn phí)	Qwen3.8 Flash (miễn phí)
Giá miễn phí (vào / ra)	$0 / $0	$0 / $0
Giá trả phí trên AIHubMix (vào / ra)	$1.69 / $5.07	$0.1126 / $0.38
Tham số	2.4T tổng, ~95B hoạt động	125B tổng, 6B hoạt động
Ngữ cảnh / đầu ra tối đa	1M / 131K	1M / 131K
Độ trễ, tuyến miễn phí	khoảng 55 s	khoảng 5 s
Thông lượng, tuyến miễn phí	khoảng 9 tok/s	khoảng 36 tok/s
Hạn mức miễn phí	dùng chung với tất cả mô hình miễn phí	dùng chung với tất cả mô hình miễn phí

Giá tính theo mỗi triệu token. Độ trễ và thông lượng là số đo riêng của AIHubMix trên tuyến miễn phí, như hiển thị trên trang Qwen3.8 Max (miễn phí) và Qwen3.8 Flash (miễn phí) ngày 16 tháng 10 năm 2026; chúng thay đổi theo tải. Số tham số của Flash là dành cho bản phát hành mã mở trọng số Flash-Next.

Sau chiến dịch, giá đầu ra của Max gấp 13.3 lần Flash ($5.07 so với $0.38 mỗi triệu token). AIHubMix có trang so sánh song song cho cặp miễn phí và cặp trả phí.

Nơi Flash theo kịp, theo số liệu của Qwen

Đây là số liệu tự báo cáo của Qwen khi ra mắt, do DataCamp tổng hợp (Max, Flash-Next); chưa ai tái lập độc lập các số liệu này.

Benchmark	Qwen3.8 Max	Qwen3.8 Flash	Vượt trội
CoWorkBench	74.8	73.9	Max hơn 0.9
GPQA Diamond	92.6	91.7	Max hơn 0.9
JobBench	53.4	55.7	Flash hơn 2.3
SWE-bench Pro	67.7	62.5	Max hơn 5.2
HLE	43.6	35.9	Max hơn 7.7

Số của Max lấy từ bảng ra mắt hồi tháng 8. Bản cập nhật 0902 đã nâng CoWorkBench lên 76.1 và JobBench lên 64.0, theo số của Qwen. Số của Flash lấy từ bảng Flash-Next; Flash được lưu trữ có thể cho điểm khác đôi chút.

Hãy đọc bảng theo hai nhóm. Ở các tác vụ kiểu văn phòng (CoWorkBench, JobBench) và câu hỏi khoa học tổng quát (GPQA Diamond), hai mô hình chênh nhau trong vài điểm, và Flash dẫn trước ở một trong số đó. Khoảng cách mở rộng ở việc sửa lỗi kho mã thực tế (SWE-bench Pro, 5 điểm) và các câu hỏi chuyên gia rất khó (Humanity's Last Exam, gần 8 điểm). Đó là nơi kích thước của Max phát huy tác dụng.

Một tác vụ chung cho cả hai: review pull request

Lấy ví dụ review mã: một pull request 1,500 dòng cùng các tệp nó chạm tới, khoảng 30K token đầu vào, với mô hình viết khoảng 6K token đầu ra gồm suy nghĩ và nhận xét. Giả định cùng số token cho cả hai mô hình. Thực tế Max có xu hướng viết nhiều hơn, vì Artificial Analysis đo được Max dùng hơn gấp đôi số token đầu ra trung vị trên bộ kiểm thử của họ, nên con số của Max ở đây là thấp.

	Qwen3.8 Max	Qwen3.8 Flash
Token từ nhóm miễn phí hằng ngày	36K	36K
Số lần review trong 1M token	khoảng 27	khoảng 27
Thời gian ở tốc độ tuyến miễn phí	khoảng 12 phút	khoảng 3 phút
Chi phí sau chiến dịch	$0.081	$0.0057

Thời gian là 55 s hoặc 5 s độ trễ cộng với 6K token ở tốc độ 9 hoặc 36 token mỗi giây. Chi phí là 30K đầu vào và 6K đầu ra theo giá trả phí của AIHubMix: $0.0507 + $0.0304 cho Max, $0.0034 + $0.0023 cho Flash.

Trong thời gian chiến dịch, hai lần review tốn cùng một tỷ lệ trong nhóm của bạn, nhưng Max mất gấp khoảng bốn lần thời gian. Khi chiến dịch kết thúc, lần review bằng Flash tốn ít hơn một phần mười bốn so với Max. Nếu review là một cổng trong CI mà có người đang chờ, Flash phù hợp. Nếu nó chạy qua đêm trên các pull request đụng đến mã thanh toán, thì lợi thế 5 điểm SWE-bench Pro của Max đáng để chờ.

Tác vụ nào đi đâu

Tác vụ	Bắt đầu với	Lý do
Trò chuyện, hỏi đáp, soạn thảo	Flash	Trả lời trong vài giây, điểm văn phòng gần Max
Trích xuất, gắn thẻ, tóm tắt	Flash	Khối lượng lớn; Max chỉ thêm thời chờ, không tăng độ chính xác
Trợ giúp trong trình soạn thảo, sửa nhỏ	Flash	Công việc tương tác cần phản hồi nhanh
Lỗi nhiều tệp, review mã sâu	Max	Khoảng cách lập trình lớn nhất theo số của Qwen
Toán khó và câu hỏi chuyên gia	Max	Vượt gần 8 điểm trên HLE
Tác vụ chạy qua đêm và theo lô	Max	Thời gian chờ ở đây không tốn gì

Hai mô hình dùng chung endpoint và SDK, nên bạn có thể định tuyến giữa chúng chỉ với vài dòng mã. Thử Flash, kiểm tra kết quả, và chỉ gửi những trường hợp lỗi sang Max:

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)

Cách này giữ đa số yêu cầu nhanh, và dành nhóm dùng chung cho các lần gọi cần Max.

Nên chọn mô hình nào

Chọn Flash cho mọi việc tương tác, mọi việc khối lượng lớn, và mọi việc bạn định tiếp tục chạy sau ngày 13 tháng 11, khi Max tốn hơn 13 lần cho mỗi token đầu ra.
Chọn Max cho phần khó nhất: lỗi mà Flash không tìm ra, câu hỏi chuyên gia nó trả lời sai, bản review dài mà không ai đang chờ.
Dùng cả hai nếu khối lượng công việc của bạn hỗn hợp. Định tuyến qua Flash trước là cách rẻ nhất để có câu trả lời ngang Max cho những yêu cầu cần đến, cả bây giờ lẫn sau chiến dịch.

Câu hỏi thường gặp

Qwen3.8 Flash có đủ tốt cho lập trình không?
Với sửa nhỏ, hoàn thành mã và trợ giúp trong trình soạn thảo, có. Theo số của Qwen, nó kém Max khoảng 5 điểm trên SWE-bench Pro, nên đáng thử Max với các lỗi nhiều tệp mà Flash không giải được.

Vì sao Qwen3.8 Max chậm trên tuyến miễn phí?
Mặc định nó suy nghĩ trước khi trả lời và viết câu trả lời dài. AIHubMix đo được khoảng 55 giây độ trễ và khoảng 9 token mỗi giây trên tuyến miễn phí. Hãy bật truyền dữ liệu (stream) phản hồi và đặt thời gian chờ phía client dài hơn.

Max và Flash có dùng chung hạn mức miễn phí không?
Có. Tất cả mô hình miễn phí của AIHubMix dùng chung một nhóm hằng ngày gồm 100 yêu cầu và 1M token sau khi nạp tối thiểu $1, với giới hạn 10 yêu cầu mỗi phút.

Mô hình nào khai thác được nhiều giá trị hơn từ token miễn phí?
Max. Theo giá trả phí của AIHubMix, một token Max có giá trị bằng khoảng 14 token Flash, nên chiến dịch giúp bạn tiết kiệm nhiều nhất khi gọi Max.

Sau chiến dịch chúng tốn bao nhiêu?
Trên AIHubMix, qwen3.8-max có giá $1.69 đầu vào và $5.07 đầu ra mỗi triệu token, còn qwen3.8-flash có giá $0.1126 và $0.38. Cả hai đều thấp hơn giá niêm yết của Qwen.

Các số benchmark có độc lập không?
Không. Đó là số tự báo cáo của Qwen. Hãy xem các chênh lệch nhỏ là hòa, còn các chênh lệch lớn là gợi ý về chỗ mỗi mô hình mạnh hơn.

Tiếp tục đọc: loạt Qwen3.8 Free

Nếu bạn chưa thiết lập ID miễn phí, hãy bắt đầu với giới hạn, ngày kết thúc và yêu cầu đầu tiên: Free Qwen3.8 Max and Flash API on AIHubMix: Limits, End Date, and Your First Call
Thời gian chờ dài của Max và nhóm dùng chung gây ra phần lớn lỗi mà người dùng gặp, và có một phương án dự phòng xử lý được: Qwen3.8 Free on AIHubMix: Fix 429s, "Rate Limited by Provider", and a Drained Token Pool