Qwen3.8 Flash
inferway/qwen3.8-flashQwen's efficiency-focused Flash model.
文本
数据零保留
隐私优先的推理服务 成本更低
零数据保留（ZDR）-- 你的数据，不是我们的数据
或查看快速开始POST /v1/chat/completionsbase_urlhttps://api.inferway.ai/v1stream true
01
发出请求
经 TLS 加密，直达专属端点
02
路由
路径中没有共享队列
03
GPU 显存中推理
分页 KV，永不写盘
04
销毁
完成即擦除，仅存元数据
02模型与定价
精挑细选的模型
取自 catalogQwen3.8 27B
已上线262K ctxNVFP4max out 32,768零保留
按 token 计费，只按元数据计量。没有席位费，没有最低消费。
即将上线
MiniMax H3
inferway/minimax-h3MiniMax's general-purpose H3 generation model.
DeepSeek V4 Flash 0731
inferway/deepseek-v4-flash-0731DeepSeek's efficiency-focused V4 Flash release.
文本
GLM-5.3 Flash
inferway/glm-5.3-flashZ.ai's Flash model for coding and agentic workloads.
03性能数据
数字正在重新实测
实测中首 token 延迟待实测固定并发下实测
输出吞吐待实测单流 token/s
90 天可用率待实测逐服务，来自状态页
吞吐与延迟正在当前硬件与模型上重新实测。测完之前这里保持空白 -- 我们只发布标注了硬件型号、并发与时间戳的实测值，否则就不发布。
04接入
SDK 不用换
免费使用：突发 8/秒 · 60/分钟 · 300/小时 · 1000/天
长输出必须用 stream=true
流式
curl https://api.inferway.ai/v1/chat/completions \
-H "Authorization: Bearer $INFERWAY_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "inferway/qwen3.8-27b",
"stream": true,
"messages": [{"role": "user", "content": "Say hello in one short sentence."}]
}'复制给你的 AI 助手
粘贴到 Claude Code 或 Cursor。Key 留在你的 .env 里，不进 prompt。常见问题
不会。内容永不写入磁盘 -- 推理全程在 GPU 显存中进行，完成即销毁。仅保留请求元数据（token 数、时间戳、延迟、路由、HTTP 状态），最长 90 天，用于计费与可靠性。
命中缓存的输入 token 按缓存价计费，而非普通输入价，长共享 system prompt 与检索上下文受益最明显。三档价格即上方展示的价格，按你所在市场发布。
非流式请求经 CDN 有约 100 秒的首字节超时。长输出在生成完之前不会返回首字节，因此会撞上这个超时。stream=true 从第一个 token 就开始返回，不受此约束。短补全用非流式没问题。
按 token 付费，依据请求元数据计量，绝不读取请求内容。价格与上下文上限公布在模型目录，由 catalog 单一来源生成。