Laster katalogen …
Laster katalogen …
Alibabas mixture-of-experts-modell med åpne vekter og obligatorisk resonnering, av Qwen3.8 Max-klassen, med et innebygd kontekstvindu på 262K token.
Viktigste styrker. MoE-designet med 512 eksperter (10 rutede pluss 1 delt ekspert per token) gir modellen stor parameterkapasitet dedikert til resonneringstung arbeid, samtidig som den aktive beregningsstien holdes mindre enn det totale parametertallet. Tenkemodus er obligatorisk og eksponerer en `reasoning_effort`-kontroll, noe som markerer dette som en dedikert dybderesonneringsmodell snarere enn en generell samtalemodell. Det innebygde kontekstvinduet på 262 144 token, som kan utvides til omtrent 1 million token, støtter lange dokumenter og utvidede tankekjeder innenfor én enkelt økt. Uavhengige referansetester er nå tilgjengelige for denne modellversjonen: Artificial Analysis gir den 47 på sin Intelligence Index – godt over medianen på 22 for modeller med åpne vekter – med sterke resultater på forsknings- og kodeorienterte evalueringer som PaperBench (93,0) og Terminal Bench 2.1 (86,6).
| Inferensleverandør | Suverenitet | Kjører i | Inn / ut per 1M | Status | Lås |
|---|---|---|---|---|---|
| L0 | 1,80 / 5,39€ | Tilkoblet |
12 bruksområder klassifisert av kuratoren. Notatet forklarer hvorfor.
Verktøykall støtter direkte mønstre for funksjonskallapper, men utkaststatus og manglende referanseverdier begrenser tilliten utover en grunnleggende egnethet.
Generelle LLM-er med verktøykall håndterer vanligvis klassifisering tilfredsstillende; det finnes ingen referanseverdier som skiller denne modellen ytterligere.
Qwen-modeller er generelt rettet mot konversasjonsbruk, og verktøykall støtter integrasjon mot bakenforliggende systemer, men denne varianten har ingen kuratert beskrivelse eller referanseverdier som bekrefter kvaliteten.
Grunnleggende tekstgenereringsoppgave som forventes av enhver generell LLM i denne modellfamilien; ingenting taler mot det, men ingen referanseverdier bekrefter styrken heller.
Qwen-modellfamilien er historisk sett sterk på kinesisk-engelsk flerspråklige oppgaver, men denne spesifikke varianten har ingen publiserte referanseverdier som bekrefter kvaliteten.
Verktøykall muliggjør strukturerte rutingbeslutninger, noe som gir en rimelig grunnleggende egnethet gitt fraværet av motstridende signaler.
Verktøykall er støttet, men ingen kodespecifikke referanseverdier, kontekstvindu eller parameterantall er dokumentert, noe som gjør ytelsen for agentisk koding usikker.
Verktøykall er støttet, men ingen nettleserspecifikke referanseverdier eller agentiske skår er tilgjengelige; utkaststatus svekker ytterligere tilliten til denne arbeidsflyten.
Verktøykall antyder en viss agentisk egenskap, men ingen resonneringsreferanser eller kontekstvindu er publisert for å underbygge ytelsen ved planlegging med mange steg.
Innhentede tall, ikke våre egne evalueringer. Persentilene er mot hele Stav-katalogen.
Beregnet fra aa-intelligence-index, gpqa-diamond, aa-engineering-index, aa-coding-index, livecodebench, terminal-bench-v4, aa-lcr.
curl https://api.stav.ai/v1/chat/completions \
-H "Authorization: Bearer $STAV_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "qwen/qwen3-8-max",
"reasoning_effort": "high",
"messages": [{"role": "user", "content": "Hello!"}]
}'→ X-Stav-Request-Id · X-Stav-Model · X-Stav-Provider → X-Stav-Sovereignty-Level – nivået forespørselen ble betjent på