A
Qwen3 VL 8B ThinkingOPEN
Qwen3 VL 8B Thinking (Alibaba): tarification API en direct, fenêtre de contexte et les meilleures alternatives open-source, suivies quotidiennement par OpenSourceAI.tech.
Les prix se mettent à jour automatiquement — vérifiés toutes les heures par rapport aux prix de la liste des fournisseurs.
Benchmarks & performance
Scores de référence indépendants pour Qwen3 VL 8B Thinking, mesurés par Artificial Analysis. Plus c'est élevé, mieux c'est. Mode de mesure : Reasoning.
Pour le même budget, Qwen3 VL 8B Thinking offre 2,6 fois plus de capacité. Les poids ouverts signifient également que vous pouvez l'héberger vous-même et ne rien payer par jeton.
À propos de ce modèle
Qwen3 VL 8B Thinking est un modèle d'IA à poids ouvert d'Alibaba. Vous pouvez le télécharger et l'héberger vous-même gratuitement ; les prix ci-dessous sont les prix de liste de l'API hébergée, suivis à l'heure, pour lorsque vous préférez la commodité à l'auto-hébergement.
Questions fréquemment posées
Qu'est-ce que Qwen3 VL 8B Thinking ?
Qwen3 VL 8B Thinking est un modèle de langage IA de Alibaba. Il est à poids ouverts : vous pouvez le télécharger et l'exécuter sur votre propre matériel, gratuitement. Il obtient un score de 10.6 sur l'indice d'intelligence d'Artificial Analysis.
Qwen3 VL 8B Thinking est-il gratuit ?
Les poids sont gratuits et ouverts — vous pouvez auto-héberger Qwen3 VL 8B Thinking et ne rien payer par token. Si vous préférez une API hébergée, les prix sont de 0,18 $ par million de tokens d'entrée et de 2,1 $ par million de tokens de sortie.
À quoi sert Qwen3 VL 8B Thinking ?
Des benchmarks indépendants d'Artificial Analysis lui donnent GPQA 57.9%, MMLU-Pro 74.9%, Humanity's Last Exam 3.3%, Long Context Reasoning 31%, LiveCodeBench 35.3%, SciCode 21.9%, AIME 2025 30.7%, IFBench 39.9%, τ²-Bench 22.5%, Terminal-Bench Hard 3.8%. Il est particulièrement utilisé pour raisonnement mathématique.
Puis-je auto-héberger Qwen3 VL 8B Thinking ?
Oui. Qwen3 VL 8B Thinking a des poids ouverts, vous pouvez donc le télécharger et l'exécuter sur votre propre GPU ou serveur avec des outils comme Ollama, vLLM ou llama.cpp — sans coût par jeton.
Alternatives open-source
Selon votre charge de travail, un modèle à poids ouverts que vous pouvez auto-héberger peut réduire considérablement les coûts ou supprimer complètement la tarification par token. Nos pages de comparaison mettent ce modèle côte à côte avec les meilleurs concurrents open-source.