Alibaba/qwen-3.8-max-web-search

qwen-3.8-max-web-search

Coba gratis API Qwen 3.8 Max untuk Pencarian Web dari Alibaba untuk jawaban terkini, riset berbasis sumber, analisis sumber, dan alur kerja LLM web di Flaq AI.

Web Search

Model Qwen 3.8 Max Terkait

qwen-3.8-max-text-to-texttext-to-text

qwen-3.8-max-web-searchweb-search

Dokumentasi

Contoh API

JavaScriptPythoncURL

Contoh Pengiriman

const response = await fetch('https://api.flaq.ai/api/v1/chat/completions', {
  method: 'POST',
  headers: {
    Authorization: 'Bearer YOUR_API_KEY',
    Accept: 'text/event-stream',
    'Content-Type': 'application/json'
  },
  body: JSON.stringify({
    model: 'qwen-3.8-max-web-search',
    messages: [
      {
        role: 'user',
        content: 'What are the latest developments in quantum computing this year?'
      }
    ],
    stream: true,
    max_tokens: 2048,
    top_p: 0.9,
    top_k: 50
  })
});

const reader = response.body.getReader();
const decoder = new TextDecoder();
let buffer = '';
let assistantText = '';

while (true) {
  const { done, value } = await reader.read();
  if (done) break;

  buffer += decoder.decode(value, { stream: true });
  const frames = buffer.split('\n\n');
  buffer = frames.pop() || '';

  for (const frame of frames) {
    const lines = frame.split('\n').filter(Boolean);
    let eventName = 'message';
    const dataLines = [];

    for (const line of lines) {
      if (line.startsWith('event:')) {
        eventName = line.slice(6).trim();
      } else if (line.startsWith('data:')) {
        dataLines.push(line.replace(/^data:\s*/, ''));
      }
    }

    const raw = dataLines.join('\n').trim();
    if (raw === '[DONE]') {
      console.log('\nFinal text:', assistantText);
      continue;
    }

    let payload;
    try {
      payload = JSON.parse(raw);
    } catch {
      continue;
    }

    if (eventName === 'error' || payload.error) {
      const msg = payload.error?.message ?? payload.message ?? 'Chat request failed';
      throw new Error(msg);
    }

    const delta = payload.choices?.[0]?.delta;
    if (delta?.content) {
      assistantText += delta.content;
      console.log(assistantText);
    }
  }
}

Contoh Pengiriman

import json
import requests

response = requests.post(
    'https://api.flaq.ai/api/v1/chat/completions',
    headers={
        'Authorization': 'Bearer YOUR_API_KEY',
        'Accept': 'text/event-stream',
        'Content-Type': 'application/json',
    },
    json={
        'model': 'qwen-3.8-max-web-search',
        'messages': [
            {
                'role': 'user',
                'content': 'What are the latest developments in quantum computing this year?',
            }
        ],
        'stream': True,
        'max_tokens': 2048,
        'top_p': 0.9,
        'top_k': 50,
    },
    stream=True,
)

response.raise_for_status()

event_name = 'message'
assistant_text = ''

for raw_line in response.iter_lines(decode_unicode=True):
    if not raw_line:
        event_name = 'message'
        continue

    if raw_line.startswith('event:'):
        event_name = raw_line.replace('event:', '', 1).strip()
        continue

    if raw_line.startswith('data:'):
        raw_data = raw_line.replace('data:', '', 1).strip()
        if raw_data == '[DONE]':
            print('\nFinal text:', assistant_text)
            continue

        payload = json.loads(raw_data)

        if event_name == 'error' or payload.get('error'):
            error = payload.get('error') or payload
            raise RuntimeError(error.get('message', 'Chat request failed'))

        choices = payload.get('choices') or []
        if choices:
            delta = choices[0].get('delta') or {}
            content = delta.get('content')
            if content:
                assistant_text += content
                print(content, end='', flush=True)

Contoh Pengiriman

curl -N -X POST "https://api.flaq.ai/api/v1/chat/completions" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Accept: text/event-stream" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen-3.8-max-web-search",
    "messages": [
      {
        "role": "user",
        "content": "What are the latest developments in quantum computing this year?"
      }
    ],
    "stream": true,
    "max_tokens": 2048,
    "top_p": 0.9,
    "top_k": 50
  }'

Mulai chat baru

Kirim pesan untuk memulai.

Harga Qwen 3.8 Max Web Search

Parameter	Harga	Harga asli	Diskon

Token: input	$2.0000 per 1 juta token input	-	Standar
Token: output	$6.0000 per 1 juta token output	-	Standar

README

API Qwen 3.8 Max Web Search (Jawaban yang Didukung Pencarian)

API Qwen 3.8 Max Web Search menggabungkan pembuatan bahasa dengan alur kerja pencarian web untuk pertanyaan yang memerlukan informasi terkini atau bersumber dari luar. API ini membantu aplikasi mengubah kueri pengguna menjadi pengalaman pencarian dan jawaban terstruktur melalui integrasi chat berorientasi Alibaba di Flaq AI.

Fitur Utama API Qwen 3.8 Max Web Search

Respons yang Didukung Pencarian: Gunakan pencarian web sebagai bagian dari alur kerja bahasa ketika jawaban bergantung pada informasi di luar konteks percakapan.
Kueri Bahasa Alami: Terima pertanyaan pengguna dan instruksi riset dalam bahasa biasa tanpa memerlukan sintaks pencarian tersendiri.
Sintesis Hasil: Susun informasi yang diambil menjadi rangkuman, perbandingan, penjelasan, atau rekomendasi langkah berikutnya.
Tindak Lanjut Sadar Konteks: Lanjutkan percakapan berorientasi pencarian dengan pertanyaan tambahan dan penyempurnaan yang terfokus.
Kontrol Respons Terstruktur: Gunakan kontrol pesan, sampling, dan panjang respons yang tersedia agar output sesuai dengan aplikasi.
Alur Riset Ramah API: Tambahkan jawaban berbantuan web ke asisten, alat dukungan, dan produk informasi melalui endpoint berorientasi chat.

Cara Menggunakan API Qwen 3.8 Max Web Search untuk Jawaban yang Didukung Pencarian di Flaq AI

Masukan: Pertanyaan bahasa alami atau instruksi riset beserta konteks dan persyaratan output yang relevan.
Arah Pencarian: Perjelas topik, rentang waktu, kriteria perbandingan, dan tingkat detail yang diharapkan dalam respons.
Keluaran: Respons bahasa yang disintesis dan dikembalikan melalui alur kerja chat Flaq AI untuk ditampilkan atau diotomatisasi.
Tindak Lanjut: Ajukan pertanyaan terfokus untuk menyempurnakan cakupan pencarian, membandingkan temuan, atau meminta struktur output lain.
Penanganan Aplikasi: Tinjau jawaban berbasis pencarian, tangani kesalahan penyedia, dan sampaikan ketidakpastian jika informasinya dapat berubah.

Kasus Penggunaan Terbaik untuk Integrasi API Qwen 3.8 Max Web Search

Riset Informasi Terkini: Bantu pengguna menyelidiki topik, produk, organisasi, dan informasi publik yang terus berubah.
Pemantauan Pasar dan Kompetitor: Tata temuan eksternal menjadi rangkuman berulang dan alur kerja perbandingan.
Asisten Pengetahuan: Berikan jalur respons berkemampuan pencarian kepada alat dukungan dan internal untuk pertanyaan di luar pengetahuan tersimpan.
Persiapan Konten: Kumpulkan informasi latar, referensi, dan konteks topik sebelum membuat draf artikel atau kampanye.
Dukungan Keputusan: Gabungkan pengambilan berorientasi pencarian dengan penjelasan terstruktur untuk riset dan perencanaan operasional.

Catatan Jawaban berbasis pencarian harus ditinjau dari segi kualitas sumber, kebaruan, kelengkapan, dan ketidakpastian sebelum digunakan untuk keputusan berdampak besar atau konten yang dipublikasikan.

Qwen 3.8 Max Web Search vs Kompetitor: Analisis Perbandingan

Qwen 3.8 Max vs. Perplexity Sonar: Perplexity Sonar dirancang dengan fokus pada riset web berbasis jawaban. Qwen 3.8 Max Web Search menyediakan jalur API berorientasi Qwen untuk mengintegrasikan jawaban berbantuan pencarian ke alur kerja aplikasi yang lebih luas.
Qwen 3.8 Max vs. Gemini with Grounding: Gemini dapat menggabungkan pembuatan bahasa dengan ekosistem pencarian Google. Qwen 3.8 Max sesuai bagi tim yang membangun percakapan berbantuan pencarian di sekitar layanan Alibaba.
Qwen 3.8 Max vs. Claude with Web Search: Claude dengan pencarian web menawarkan sintesis bahasa yang cermat dan interaksi riset. Qwen 3.8 Max menyediakan alternatif bagi produk yang telah menstandarkan alur kerja pesan Qwen.
Qwen 3.8 Max vs. OpenAI Web Search: OpenAI Web Search terintegrasi dengan produk bahasa dan API OpenAI. Qwen 3.8 Max mendukung pola aplikasi berbantuan pencarian yang sebanding dalam keluarga Qwen.
Qwen 3.8 Max vs. Tavily: Tavily berfokus pada pengambilan hasil pencarian untuk aplikasi AI. Qwen 3.8 Max Web Search menggabungkan alur kerja berorientasi pencarian dengan pembuatan respons bahasa dalam satu integrasi model.