การกำหนดราคา API ของ Qwen3.7 Plus ปี 2026: ค่าใช้จ่าย, แคช & แบตช์

TL;DR Qwen3.7 Plus เริ่มต้น at $0.40/M input และ $1.60/M output บนเส้นทาง US-local ของ Alibaba ในขณะที่เส้นทาง Global เริ่มต้นที่ $0.276/M และ $1.101/M. เพื่อเทียบกัน CometAPI ปัจจุบันแสดงราคาโมเดลที่ $0.32/M ขาเข้า และ $1.28/M ขาออก ความเสี่ยงด้านต้นทุนหลักคือเกณฑ์ 256K ของ Alibaba: เมื่อคำขอเกินเกณฑ์นี้ ระดับราคาที่สูงกว่าจะถูกใช้กับคำขอทั้งหมด

ภาพรวมราคา Qwen3.7 Plus API

Qwen3.7 Plus ไม่มีราคา API แบบเดียวที่ใช้ได้ทุกกรณี ต้นทุนสุดท้ายขึ้นอยู่กับเส้นทางการปรับใช้ ความยาวคำขอ ส่วนลดชั่วคราว การใช้แคช ปริมาณการคิด การเรียก Web Search และความพร้อมใช้งานของฟีเจอร์ตามภูมิภาค

Alibaba ระบุหน้าต่างบริบทที่มีขนาด 1,000,000 โทเค็น สำหรับ qwen3.7-plus

แหล่งข้อมูล:**Alibaba Cloud Model Studio pricing

หมายเหตุเกี่ยวกับส่วนลดชั่วคราวของ Alibaba

ตารางราคาปัจจุบันของ Alibaba แสดงว่า Global qwen3.7-plus มีส่วนลดช่วงเวลากลางวัน 20% และกลางคืน 60% แบบจำกัดเวลา

ช่วงเวลากลางคืนที่ประกาศคือ 22:00–08:00 UTC**+8** ตามเวลาคิดค่าบริการ เส้นทาง International ปัจจุบันแสดงส่วนลด 20% แบบจำกัดเวลา

เนื่องจากโปรโมชันเหล่านี้อาจเปลี่ยนแปลงหรือหมดอายุ การคำนวณด้านล่างจึงใช้ราคาปกติตามรายการ ยกเว้นเมื่อระบุเป็นอย่างอื่น หากต้องการประมาณการการผลิตแบบเรียลไทม์ กรุณาตรวจสอบคอนโซล Model Studio และหน้าราคาในวันที่คุณส่งทราฟฟิก

การเทียบราคา Alibaba US-Local กับ Global

ความแตกต่างที่สำคัญที่สุดสำหรับนักพัฒนาในสหรัฐฯ คือเส้นทาง US-local และ Global ของ Alibaba ไม่ได้ใช้แถวราคาเดียวกัน

รหัสโมเดล US-local คือ:

qwen3.7-plus-us

ราคาปกติเริ่มต้นที่:

• $0.40 ต่อ 1M โทเค็นขาเข้า
• $1.60 ต่อ 1M โทเค็นขาออก

รหัสโมเดล Global คือ:

qwen3.7-plus

ราคาปกติเริ่มต้นที่:

• $0.276 ต่อ 1M โทเค็นขาเข้า
• $1.101 ต่อ 1M โทเค็นขาออก

เส้นทาง Global มีราคาถูกกว่าตามราคาปกติที่ประกาศ แต่ต้นทุนไม่ควรเป็นปัจจัยเดียวในการเลือกเส้นทาง

ทีมงานควรพิจารณาด้วยว่า:

• ข้อกำหนดด้านการพำนักของข้อมูล
• ความพร้อมใช้งานตามภูมิภาค
• ความหน่วงแฝง
• การรองรับเครื่องมือ
• ข้อกำหนดด้านการปฏิบัติตามกฎระเบียบ
• ความเสถียรของบริการ
• ส่วนลดจากผู้ให้บริการแบบชั่วคราว

เส้นทาง Global ที่ราคาต่ำกว่าอาจไม่เหมาะสำหรับเวิร์กโหลดที่ต้องประมวลผลในภูมิภาคเฉพาะ

วิธีการทำงานของระดับราคา 256K

Alibaba Cloud ใช้จำนวนโทเค็นขาเข้ารวมในคำขอเดียวเพื่อเลือกระดับราคา

หากคำขอเกิน 256K โทเค็นขาเข้า ราคาต่อหน่วยที่สูงกว่าจะถูกใช้กับทุกโทเค็นที่ถูกคิดค่าบริการในคำขอนั้น รวมถึงโทเค็นขาออกที่อัตราขาออกของระดับที่สูงกว่า

คำขอ 300K โทเค็นจะไม่ถูกคิดราคาดังนี้:

• 256K โทเค็นที่ราคาต่ำกว่า
• 44K โทเค็นที่ราคาสูงกว่า

แต่ทั้งคำขอจะใช้ระดับราคาที่สูงกว่า

สำหรับเส้นทาง US-local หมายความว่าราคาเปลี่ยนจาก:

• $0.40 เป็น $1.20 ต่อ 1M โทเค็นขาเข้า
• $1.60 เป็น $4.80 ต่อ 1M โทเค็นขาออก

อัตราที่สูงกว่าจะถูกใช้กับโทเค็นขาเข้าและขาออกทั้งหมดที่ถูกคิดค่าบริการในคำขอนั้น

ตัวอย่างต้นทุน Qwen3.7 Plus

ตัวอย่างที่ 1: คำขอที่ต่ำกว่า 256K

สมมติว่าคำขอประกอบด้วย:

• 100,000 โทเค็นขาเข้า
• 10,000 โทเค็นขาออก

ตัวเลขของ Alibaba ข้างต้นใช้ราคาปกติที่ประกาศก่อนส่วนลดชั่วคราวใดๆ ที่อาจใช้ได้

ตัวอย่างที่ 2: คำขอที่เกิน 256K

ตอนนี้สมมติว่าคำขอประกอบด้วย:

• 400,000 โทเค็นขาเข้า
• 20,000 โทเค็นขาออก

เนื่องจากคำขอเกิน 256K โทเค็นขาเข้า Alibaba Cloud จะใช้ระดับราคาที่สูงกว่ากับโทเค็นขาเข้าและขาออกทั้งหมดในคำขอนั้น

*ตัวเลขของ CometAPI เป็นการประมาณแบบมีเงื่อนไข ไม่ใช่ราคาการผลิตที่ยืนยันแล้วสำหรับคำขอที่เกิน 256K

หน้าสาธารณะของ CometAPI สำหรับโมเดลปัจจุบันแสดงราคาเฮดไลน์เดียวและโทเค็นขาเข้ามากที่สุดประมาณ 991.8K อย่างไรก็ตาม ไม่ได้ระบุว่าเมื่อเกิน 256K คำขอจะ:

• รักษาราคาเฮดไลน์เดิม
• ใช้ระดับราคาบริบทยาวแยกต่างหาก
• มีค่าบริการเส้นทางเพิ่ม

หากราคาเฮดไลน์ยังคงไม่เปลี่ยนเมื่อเกิน 256K ต้นทุนโดยประมาณจะเป็น:

• ขาเข้า: 400K ÷ 1M × $0.32 = $0.1280
• ขาออก: 20K ÷ 1M × $1.28 = $0.0256
• รวม: $0.1536

แหล่งข้อมูล*:* CometAPI Qwen3.7 Plus Pricing

การแยกคำขอขนาดใหญ่ช่วยลดต้นทุนได้หรือไม่?

ในบางกรณี ได้

สมมติว่างานที่มีขาเข้า 400K สามารถแบ่งเป็นคำขอสองคำขอที่เป็นอิสระต่อกัน แต่ละคำขอมี:

• 200K โทเค็นขาเข้า
• 10K โทเค็นขาออก

บนเส้นทาง US-local:

แบบสองคำขอถูกกว่ามากเพราะทั้งสองคำขออยู่ต่ำกว่าเกณฑ์ 256K

อย่างไรก็ตาม นี่เป็นการปรับให้เหมาะสมเพื่อประกอบการอธิบาย ไม่ใช่คำแนะนำทั่วไปเสมอไป

การแยกงานอาจทำให้เกิด:

• บริบทที่ซ้ำซ้อน
• การเรียก API เพิ่มขึ้น
• ลอจิกการประสานงานที่ซับซ้อนขึ้น
• ความหน่วงแฝงสูงขึ้น
• การสูญเสียบริบทข้ามเอกสาร
• คุณภาพคำตอบลดลง

ใช้แนวทางนี้เฉพาะเมื่อสามารถแยกงานได้โดยไม่ทำให้ผลลัพธ์สุดท้ายอ่อนลง

ราคา Context Cache สำหรับ Qwen3.7 Plus

Context Cache สามารถลดต้นทุนของพรอมต์ระบบที่ซ้ำๆ บริบทของที่เก็บโค้ด เอกสารนโยบาย แค็ตตาล็อกสินค้า และข้อมูลอ้างอิงที่นำกลับมาใช้ได้อื่นๆ

Alibaba Cloud มีโหมด Context Cache แบบชัดแจ้ง (explicit) และแบบปริยาย (implicit)

แหล่งข้อมูล: Alibaba Cloud Context Cache documentation.

ตัวอย่างต้นทุน Context Cache

สมมติว่าเวิร์กโฟลว์ US-local ส่งซ้ำๆ ดังนี้:

• โทเค็นคำนำหน้าที่คงที่ 80K
• โทเค็นขาเข้าใหม่ 5K
• โทเค็นขาออก 5K

Explicit cache มีระยะเวลาความถูกต้อง (validity) ห้านาทีและตัวจับเวลาจะรีเซ็ตหลังการ hit สำเร็จ ไม่ใช่ TTL ขั้นต่ำหนึ่งชั่วโมง

โทเค็นที่ใช้สร้างแคชมีต้นทุน 125% ของราคาขาเข้าปกติ ในขณะที่การ hit แคชครั้งต่อๆ ไปคิดที่ 10%

เมื่อใดที่ Explicit Cache จะคุ้มค่ากว่า?

พิจารณาเฉพาะคำนำหน้าที่คงที่ ให้ N แทนจำนวนคำขอทั้งหมดที่มีคำนำหน้าเหมือนกัน

ต้นทุน normalized ของ explicit-cache คือ:

1.25 + 0.10 × (N − 1)

ลำดับ implicit-cache แบบอุดมคติคือ:

1.00 + 0.20 × (N − 1)

ภายใต้สมมติฐานอย่างง่ายที่ว่าทุกคำขอหลังจากคำขอแรกได้รับ implicit-cache hit explicit cache จะคุ้มค่ากว่าที่ สี่คำขอทั้งหมด:

• หนึ่งคำขอเพื่อสร้างแคช
• การนำแคชกลับมาใช้สำเร็จสามครั้ง

เมื่อเทียบกับการไม่ใช้แคชเลย explicit caching จะคุ้มค่ากว่าตั้งแต่คำขอที่สอง

ในการทำงานจริง จุดคุ้มทุนอาจแตกต่าง เพราะ implicit-cache hit ไม่ได้รับการรับประกัน

ติดตาม:

• โทเค็นขาเข้าที่ถูกแคช
• โทเค็นสร้างแคช
• โทเค็นขาเข้าที่ไม่ถูกแคช
• โทเค็นขาออก
• อัตรา cache hit
• จำนวน retry
• อัตราความสำเร็จของงาน

การลดจำนวนโทเค็นไม่ช่วยหาก cache miss หรือคุณภาพถดถอยทำให้เกิดการ retry มากขึ้น

ราคา Qwen Web Search

สำหรับ qwen3.7-plus Alibaba แนะนำให้นักพัฒนาใช้เครื่องมือ Responses API web_search

Web Search เพิ่มส่วนประกอบต้นทุนสองส่วนแยกกัน:

1. เนื้อหาที่ดึงมาจากเว็บจะถูกเพิ่มลงในพรอมต์ของโมเดลและถูกคิดเป็นโทเค็นขาเข้าตามปกติ
2. นโยบายการค้นหามีค่าธรรมเนียมแยกต่างหากต่อ 1,000 ครั้ง

อัตรานโยบาย agent ที่ระบุในปัจจุบันคือ:

แหล่งข้อมูล: Alibaba Cloud Web Search documentation.

ตารางการรองรับในปัจจุบันระบุ qwen3.7-plus สำหรับขอบเขตการปรับใช้ Global และ International แต่ยัง ไม่ ระบุรหัสโมเดล US-local qwen3.7-plus-us

ตรวจสอบความพร้อมของเครื่องมือก่อนออกแบบเวิร์กโฟลว์ US-local รอบฟีเจอร์ Web Search ของ Alibaba

ตัวอย่างต้นทุน Web Search สำหรับ International

สมมติว่าคำขอประกอบด้วย:

• โทเค็นขาเข้าปกติ 10K
• โทเค็นขาออก 2K
• การเรียก Web Search สองครั้ง

ก่อนนับโทเค็นเพิ่มเติมที่ได้จากเครื่องมือค้นหา:

สัดส่วนค่าธรรมเนียมตามนโยบายการค้นหาคือ:

$0.0200 ÷ $0.0272 = 73.5%

ในตัวอย่างนี้ ค่าธรรมเนียมการค้นหาคิดเป็น 73.5% ของยอดรวมก่อนนับโทเค็นเนื้อหาที่ดึงมา หรือ 74% เมื่อปัดเป็นจำนวนเต็ม

บนเส้นทาง Global ค่าธรรมเนียมตามนโยบายต่อครั้งต่ำกว่ามาก อย่างไรก็ตาม หน้าเว็บที่ดึงมายังคงเพิ่มการใช้โทเค็นขาเข้าอย่างมีนัยสำคัญหรือผลักดัน agent ที่ทำงานยาวให้ข้ามขอบเขต 256K ไปยังระดับราคาที่สูงกว่าได้

สำหรับเวิร์กโฟลว์ที่ยึดกับการค้นหา ให้ติดตามทั้ง:

• จำนวนครั้งที่ค้นหา
• จำนวนโทเค็นของเนื้อหาที่ดึงมา

ราคาและความพร้อมใช้งานของ Batch API

Alibaba’s Batch File API คิดค่าบริการโทเค็นขาเข้าและขาออกที่สำเร็จที่ 50% ของราคาการอนุมานแบบเรียลไทม์ที่สอดคล้องกัน

ถูกออกแบบมาสำหรับเวิร์กโหลดแบบออฟไลน์ที่ไม่ต้องการคำตอบทันที รวมถึง:

• การประเมินโมเดล
• การติดแท็กเอกสาร
• การจัดหมวดหมู่ขนาดใหญ่
• การสร้างข้อมูลสังเคราะห์
• การเสริมข้อมูลช่วงกลางคืน
• การประมวลผลมัลติโหมดแบบออฟไลน์
• การรันทดสอบมาตรฐาน

อย่างไรก็ตาม ส่วนลด Batch ไม่ควรถูกนำไปรวมในทุกการประมาณต้นทุนของ Qwen3.7 Plus โดยอัตโนมัติ

เอกสารปัจจุบันระบุว่า:

• โมเดล qwen3.7-plus ตรงตัวมีอยู่ภายใต้ China (Beijing)
• ขอบเขต Batch ของสิงคโปร์ระบุ alias ทั่วไป เช่น qwen-plus แทนที่จะเป็นรหัสโมเดล qwen3.7-plus ที่ตรงตัว
• เอกสารไม่ระบุ qwen3.7-plus-us ว่าเป็นโมเดล Batch ที่รองรับใน US-local
• คำขอ Qwen3.7 Plus Batch ที่รองรับมีบริบทสูงสุด 256K ไม่ใช่ 1M
• Batch ไม่รองรับ Context Cache
• ไม่สามารถรวมส่วนลด Batch และ cache
• โหมด Thinking ถูกเปิดใช้งานโดยค่าเริ่มต้นสำหรับงาน Batch ในตระกูล Qwen3.7 เว้นแต่กำหนดไว้เป็นอย่างอื่น
• โทเค็นการคิดถูกคิดราคาในอัตราโทเค็นขาออก
• completion_window ที่กำหนดค่าได้เป็นระยะเวลารอสูงสุดระหว่าง 24 ถึง 336 ชั่วโมง
• completion window ไม่ได้เป็นการรับประกันว่างานทุกงานจะใช้เวลา 24 ชั่วโมงหรือเสร็จสิ้นในเวลาที่ระบุ

แหล่งข้อมูล*:* Alibaba Cloud OpenAI-compatible Batch API documentation**.

ส่วนลด Batch 50% ไม่ได้แปลว่างานจะถูกลง 50% เสมอไป

Batch ลดราคาต่อหน่วยของโทเค็นขาเข้าและขาออกลงครึ่งหนึ่ง แต่ไม่ได้ควบคุมจำนวนโทเค็นการคิดที่โมเดลสร้างขึ้น

ตัวอย่างต่อไปนี้ใช้สัดส่วนราคาขาเข้า/ขาออกของ US-local เพื่อแสดงคณิตศาสตร์เท่านั้น ไม่ได้หมายความว่าเส้นทาง US-local รองรับ Batch ในปัจจุบัน

ตัวอย่างเรียลไทม์คำนวณดังนี้:

• ขาเข้า: 100K ÷ 1M × $0.40 = $0.0400
• ขาออก: 10K ÷ 1M × $1.60 = $0.0160
• รวม: $0.0560

ตัวอย่าง Batch การคิดระดับปานกลางคำนวณโดยใช้อัตราลดครึ่งหนึ่ง:

• ขาเข้า: 100K ÷ 1M × $0.20 = $0.0200
• ขาออก: 40K ÷ 1M × $0.80 = $0.0320
• รวม: $0.0520

ตัวอย่าง Batch การคิดมากขึ้น:

• ขาเข้า: 100K ÷ 1M × $0.20 = $0.0200
• ขาออก: 50K ÷ 1M × $0.80 = $0.0400
• รวม: $0.0600

ในสถานการณ์สุดท้าย โทเค็นการคิดที่เพิ่มขึ้นทำให้ส่วนลด Batch โดยนัยหมดไปทั้งหมด

สำหรับเวิร์กโหลดแบบออฟไลน์ที่กำหนดได้แน่นอน เช่น การจัดหมวดหมู่ การดึงข้อมูล การติดแท็ก และการจัดรูปแบบ ให้ตั้งค่า:

{
  "enable_thinking": false
}

สำหรับงานที่ยากขึ้น ให้ตั้ง thinking_budget ที่เหมาะสมและเปรียบเทียบต้นทุนต่อภารกิจที่สำเร็จ แทนการสมมุติว่าการลดราคา Batch ตามเฮดไลน์จะลดบิลสุดท้ายลง 50% เสมอไป

สำหรับการวางแผน US หรือ Global ให้ถือว่าส่วนลด Batch ยัง ไม่ยืนยัน จนกว่ารหัสโมเดลและเส้นทางที่แน่นอนจะปรากฏในคอนโซลปัจจุบันหรือเอกสารประจำภูมิภาคของคุณ

โทเค็นการคิดและต้นทุนเอาต์พุต

Qwen3.7 Plus รองรับโหมดการคิดและไม่คิด

โหมดการคิดช่วยปรับปรุงประสิทธิภาพในงานให้เหตุผลที่ซับซ้อน การเขียนโค้ด การวางแผน และเวิร์กโฟลว์ของ agent อย่างไรก็ตาม โทเค็นการคิดทำให้การใช้โทเค็นขาออกเพิ่มขึ้นและถูกคิดราคาที่อัตราโทเค็นขาออก

สิ่งนี้สำคัญเพราะโทเค็นขาออกมีราคาแพงกว่าโทเค็นขาเข้าถึงสี่เท่าบนระดับราคาของ Alibaba Qwen3.7 Plus

สำหรับเส้นทาง US-local ที่ต่ำกว่า 256K:

• ขาเข้า: $0.40 ต่อ 1M โทเค็น
• ขาออก: $1.60 ต่อ 1M โทเค็น

สูงกว่า 256K:

• ขาเข้า: $1.20 ต่อ 1M โทเค็น
• ขาออก: $4.80 ต่อ 1M โทเค็น

สำหรับเวิร์กโหลดที่อ่อนไหวต่อต้นทุน พิจารณาปิดหรือจำกัดโหมดการคิดสำหรับงานตรงไปตรงมา เช่น:

• การดึงข้อมูล
• การจัดรูปแบบ
• การจัดหมวดหมู่
• การติดแท็กเนื้อหา
• สรุปอย่างง่าย
• การกำหนดเส้นทางพื้นฐาน
• การสร้างเอาต์พุตเชิงโครงสร้าง

ใช้ขีดจำกัดการคิดที่ยาวขึ้นเฉพาะเมื่อข้อมูลการประเมินแสดงว่าช่วยเพิ่มอัตราความสำเร็จของงานอย่างมีนัยสำคัญ

Qwen3.7 Plus เทียบกับ Qwen3.7 Max และ Qwen3.6 Plus ใน CometAPI

แหล่งข้อมูล: CometAPI Qwen3.7 Plus model page**； CometAPI Qwen3.7 Max model page；CometAPI Qwen3.6 Plus model page

Qwen วางตำแหน่ง Qwen3.7 Plus เป็นโมเดลมัลติโหมดสำหรับความเข้าใจเชิงภาพ การเขียนโค้ด ปฏิสัมพันธ์กับ GUI การใช้เครื่องมือ และเวิร์กโฟลว์เพิ่มผลิตภาพ

รายการ Qwen API ปัจจุบันแสดง Qwen3.7 Max ว่ามี อินพุตข้อความและเอาต์พุตข้อความ ในขณะที่เอกสารความเข้าใจเชิงภาพของ Alibaba ระบุ Qwen3.7 Plus สำหรับอินพุตภาพและวิดีโอ

เริ่มจาก Plus เมื่อภารกิจรวมถึง:

• รูปภาพ
• วิดีโอ
• สกรีนช็อต
• เอกสาร
• แผนภูมิ
• สถานะอินเทอร์เฟซ
• โค้ดเชิงภาพ
• ปฏิสัมพันธ์กับ GUI

ทดสอบ Max สำหรับงานข้อความอย่างเดียวเมื่ออัตราสำเร็จของงานที่สูงกว่าสามารถชดเชยต้นทุนโทเค็นที่สูงกว่าได้

วิธีลดต้นทุน Qwen3.7 Plus API

1. วัดทราฟฟิกรอบๆ เกณฑ์ 256K

จัดกลุ่มคำขอการผลิตตามความยาวขาเข้ารวม:

• 0–32K
• 32K–128K
• 128K–256K
• มากกว่า 256K

จากนั้นทบทวนว่าเวิร์กโฟลว์ใดที่ต้องใช้ระดับราคาสูงสุดจริงๆ

คำขอไม่ควรข้าม 256K เพียงเพราะเอกสารทุกฉบับ เทิร์นสนทนา ผลลัพธ์เครื่องมือ หรือไฟล์ในที่เก็บถูกรวมเข้ามาโดยค่าเริ่มต้น

2. เพิ่มตัวป้องกันโทเค็นแบบ Preflight

ใช้ตัวนับโทเค็นที่เข้ากันได้กับโมเดลในแอปพลิเคชันหรือเลเยอร์ API gateway ก่อนส่งคำขอทุกครั้ง

เกณฑ์ต่อไปนี้เป็น heuristic ทางวิศวกรรมไม่ใช่กฎของ Alibaba:

• ต่ำกว่า 220K: ส่งตามปกติ
• ระหว่าง 220K และ 240K: บันทึกคำเตือนและป้องกันบริบทเติบโตโดยไม่จำเป็น
• สูงกว่าประมาณ 240K: บีบอัดบริบทก่อนส่ง
• สูงกว่า 256K: ดำเนินการต่อเมื่อคาดว่าได้คุณภาพที่เพิ่มขึ้นคุ้มกับระดับราคาที่สูงกว่าของ Alibaba

เมื่อการ์ดถูกทริกเกอร์ เวิร์กโฟลว์สามารถ:

1. สรุปผลลัพธ์เครื่องมือที่เก่ากว่า
2. ลบผลการค้นหาที่ซ้ำซ้อน
3. แทนที่ล็อกดิบด้วยสรุปข้อผิดพลาดแบบมีโครงสร้าง
4. ดึงมาเฉพาะชิ้นส่วนเอกสารที่เกี่ยวข้องที่สุด
5. ย้ายเทิร์นสนทนาที่เก่ากว่าไปเป็นบล็อกหน่วยความจำที่บีบอัด
6. แยกกลุ่มเอกสารที่เป็นอิสระจริงๆ ออกเป็นคำขอแยกกัน
7. เปลี่ยนเส้นทางงานไปยังผู้ให้บริการที่มีราคาคงที่สำหรับบริบทยาวที่ยืนยันแล้ว เมื่อเหมาะสม

เผื่อระยะปลอดภัยไว้บ้างเพราะ:

• อินพุตรูปภาพใช้โทเค็น
• สคีมาของเครื่องมือเพิ่มบริบท
• ข้อความระบบอาจมีขนาดใหญ่
• เนื้อหาที่ดึงจากเว็บอาจเติบโตโดยไม่คาดคิด
• ตัวแยกโทเค็นอาจนับข้อความเดียวกันต่างกัน

เครื่องมือสังเกตการณ์อย่าง Langfuse ช่วยติดตามการใช้โทเค็นได้ และ gateway อย่าง APISIX สามารถบังคับใช้ขอบเขตเมื่อจับคู่กับตัวแยกโทเค็นที่เหมาะสมหรือแนวทางการกำหนดเส้นทางแบบกำหนดเอง

3. วางเนื้อหาที่คงที่ไว้ก่อน

วางเนื้อหาที่นำกลับมาใช้ใหม่ไว้ใกล้จุดเริ่มต้นของพรอมป์ รวมถึง:

• คำสั่งระบบ
• บล็อกนโยบาย
• สคีมาของเครื่องมือ
• สรุปที่เก็บโค้ด
• แค็ตตาล็อกสินค้า
• เอกสารที่นำกลับมาใช้ได้
• แนวทางแบรนด์
• สคีมาเอาต์พุต

วางเนื้อหาผู้ใช้ที่ผันผวนสูงไว้ภายหลัง

คำนำหน้าที่คงที่ช่วยเพิ่มโอกาสของ implicit cache hit และทำให้ explicit cache จัดการได้ง่ายขึ้น

4. สรุปผลลัพธ์เครื่องมือเก่า

เวิร์กโฟลว์ของ agent สามารถสะสมบริบทจำนวนมากผ่าน:

• ผลการค้นหา
• เอาต์พุตจากเบราว์เซอร์
• ล็อกการรันโค้ด
• คำตอบก่อนหน้าของโมเดล
• ข้อความแสดงข้อผิดพลาด
• สคีมาของเครื่องมือ

แทนที่จะเก็บเอาต์พุตดิบทั้งหมดไว้ ให้สรุปบริบทที่เก่ากว่าเป็นระยะและเก็บไว้เฉพาะข้อมูลที่ต้องใช้สำหรับขั้นตอนถัดไป

5. ควบคุมเอาต์พุตการคิด

บันทึกโทเค็นการคิดแยกจากโทเค็นคำตอบที่มองเห็นได้

สำหรับงานง่ายๆ ให้ปิดโหมดการคิดเมื่อรองรับหรือกำหนดงบประมาณการให้เหตุผลที่เล็กลง

สำหรับงานที่ซับซ้อน ให้เปรียบเทียบต้นทุนการให้เหตุผลที่เพิ่มขึ้นกับการลดการ retry ข้อผิดพลาด และเวลาตรวจทานโดยมนุษย์

6. นับการเรียกเครื่องมือและโทเค็นที่ดึงมา

สำหรับเอเจนต์ Web Search ให้บันทึก:

• จำนวนครั้งที่ค้นหา
• จำนวนครั้งที่ extractor ทำงาน
• โทเค็นของเนื้อหาที่ดึงมา
• การ retry ของการค้นหา
• การ retry ของโมเดล
• การเรียก fallback
• ผลลัพธ์สุดท้ายของงาน

ค่าธรรมเนียมของเครื่องมือค้นหาสามารถมีสัดส่วนมากในคำขอขนาดเล็ก ในขณะที่เนื้อหาที่ดึงมาสามารถมีสัดส่วนมากในคำขอขนาดใหญ่

7. ปรับให้เหมาะกับต้นทุนต่อภารกิจที่เสร็จสมบูรณ์

อย่าเปรียบเทียบเส้นทางเฉพาะตามราคาต่อหนึ่งล้านโทเค็นที่โฆษณาไว้เท่านั้น

วัด:

• ต้นทุนต่อคำขอ
• ต้นทุนต่อภารกิจที่เสร็จสมบูรณ์
• อัตราความสำเร็จของงาน
• อัตราการ retry
• อัตรา fallback
• อัตรา cache hit
• จำนวนการเรียกค้นหาต่อภารกิจ
• ความหน่วงแฝง
• เวลาตรวจทานโดยมนุษย์

โมเดลที่ราคาถูกกว่าอาจแพงกว่า หากสร้างคำตอบที่ไม่ถูกต้อง ต้องการการเรียกเพิ่ม หรือสร้างงานมือมากขึ้น

แผนการประเมิน Qwen3.7 Plus ที่ใช้งานได้จริง

ก่อนย้ายทราฟฟิกการผลิต ให้สร้างชุดการประเมินที่มุ่งเน้นตามเวิร์กโหลดจริงของคุณ

ชุดทดสอบ 30 งานมักเพียงพอที่จะระบุความแตกต่างหลักในด้านต้นทุน ความหน่วงแฝง และคุณภาพการทำงานเสร็จ

สำหรับแต่ละงาน ให้บันทึก:

• โทเค็นขาเข้า
• โทเค็นขาออก
• โทเค็นการคิด
• โทเค็นที่ถูกแคช
• โทเค็นสร้างแคช
• การเรียกค้นหา
• โทเค็นเนื้อหาที่ดึงมา
• ความหน่วงแฝง
• จำนวน retry
• ผลลัพธ์สุดท้ายของงาน

CometAPI Cookbook มีตัวอย่างการผสานและการกำหนดเส้นทางโมเดลเพิ่มเติมสำหรับการประเมินประเภทนี้

คำถามที่พบบ่อย

Qwen3.7 Plus API มีราคาเท่าไร?

เส้นทาง US-local qwen3.7-plus-us ของ Alibaba มีราคา $0.40 ต่อ 1M โทเค็นขาเข้า และ $1.60 ต่อ 1M โทเค็นขาออก สำหรับคำขอที่มีโทเค็นขาเข้าถึง 256K

สำหรับคำขอที่เกิน 256K และถึง 1M ราคาเพิ่มเป็น $1.20 ต่อ 1M โทเค็นขาเข้า และ $4.80 ต่อ 1M โทเค็นขาออก

เส้นทาง Global ของ Alibaba มีราคาปกติที่ต่ำที่สุดในการเปรียบเทียบนี้ โมเดลยังมีให้ผ่าน CometAPI ที่อัตรา $0.32 ต่อ 1M โทเค็นขาเข้า และ $1.28 ต่อ 1M โทเค็นขาออก

คำขอบริบทยาวถูกคิดราคาผ่าน CometAPI อย่างไร?

รายการ Qwen3.7 Plus แสดงอัตราเดียวที่ $0.32/M ขาเข้า และ $1.28/M ขาออก แต่ขณะนี้ไม่ได้ระบุว่ามีระดับแยกเมื่อเกิน 256K โทเค็นหรือไม่

ที่อัตราที่แสดงไว้** คำขอที่มีโทเค็นขาเข้า 400K และโทเค็นขาออก 20K จะมีต้นทุน $0.1536** โปรดถือว่าเป็นการประมาณจนกว่านโยบายการเรียกเก็บเงินของบริบทยาวจะได้รับการยืนยัน

Qwen3.7 Plus มีให้ใช้ในสหรัฐฯ หรือไม่?

มี Alibaba ระบุรหัสโมเดล US-local ที่เรียกว่า qwen3.7-plus-us ในภูมิภาค US (Virginia)

Alibaba ยังระบุเส้นทาง Global qwen3.7-plus ในส่วนราคาภูมิภาคเดียวกัน

เลือกเส้นทางตาม:

• ข้อกำหนดการปรับใช้
• ตำแหน่งที่ประมวลผลข้อมูล
• การรองรับเครื่องมือ
• ความหน่วงแฝง
• ความพร้อมใช้งาน
• ราคาที่มีผลจริง

ทำไมราคาของ Qwen3.7 Plus จึงกระโดดหลัง 256K โทเค็น?

Alibaba เลือกระดับราคาโดยอิงจากจำนวนโทเค็นขาเข้ารวมในคำขอเดียว

เมื่อคำขอเกิน 256K โทเค็นขาเข้า โทเค็นขาเข้าและขาออกที่ถูกคิดค่าบริการทั้งหมดในคำขอนั้นจะใช้อัตราที่แสดงสำหรับระดับราคาที่สูงกว่า

ราคาจะไม่คำนวณแบบไล่ระดับ

Context Cache ช่วยลดต้นทุน Qwen3.7 Plus หรือไม่?

ช่วย

Alibaba ระบุว่า explicit cache hit จะถูกคิดที่ 10% ของอัตราขาเข้าปกติ ในขณะที่ implicit cache hit จะถูกคิดที่ 20%

การสร้าง explicit cache มีต้นทุน 125% ของราคาขาเข้าปกติ และแคชจะยังใช้งานได้เป็นเวลาห้านาที โดยตัวจับเวลาจะรีเซ็ตหลังการ hit สำเร็จ

ภายใต้การเปรียบเทียบแบบอุดมคติที่มี implicit-cache hit ซ้ำๆ explicit cache จะคุ้มค่ากว่าเมื่อมีการสร้างหนึ่งครั้งและนำกลับมาใช้งานสำเร็จสามครั้ง

ราคา Qwen Web Search ทำงานอย่างไร?

Web Search เพิ่มต้นทุนสองส่วน:

1. เนื้อหาที่ดึงมาจากเว็บเพิ่มการใช้โทเค็นขาเข้าปกติ
2. เครื่องมือค้นหามีค่าธรรมเนียมแยกต่างหากต่อ 1,000 ครั้ง

อัตราปัจจุบันที่ระบุคือ:

• $0.573411 ต่อ 1,000 ครั้งสำหรับขอบเขต Global และจีนแผ่นดินใหญ่
• $10 ต่อ 1,000 ครั้งสำหรับขอบเขต International

Qwen3.7 Plus รองรับ Batch API หรือไม่?

โมเดล qwen3.7-plus ตรงตัวถูกระบุสำหรับ Batch ภายใต้ China (Beijing) ซึ่งโทเค็นที่สำเร็จถูกคิดที่ 50% ของราคาการอนุมานแบบเรียลไทม์และบริบทจำกัดที่ 256K

เอกสารปัจจุบันไม่ได้ระบุเส้นทาง US-local qwen3.7-plus-us ว่ารองรับ Batch

อย่าสมมุติว่าส่วนลด Batch ใช้ได้กับการปรับใช้ US-local หรือ Global โดยไม่ตรวจสอบความพร้อมในคอนโซลปัจจุบัน

Qwen3.7 Plus ถูกกว่า Qwen3.7 Max หรือไม่?

ใช่ ตามอัตราที่แสดงในการเปรียบเทียบนี้

Qwen3.7 Plus แสดงที่:

• $0.32 ต่อ 1M โทเค็นขาเข้า
• $1.28 ต่อ 1M โทเค็นขาออก

Qwen3.7 Max แสดงที่:

• $1.36 ต่อ 1M โทเค็นขาเข้า
• $4.08 ต่อ 1M โทเค็นขาออก

อย่างไรก็ตาม Max อาจคุ้มค่ากว่าสำหรับงาน agent ที่ยากและเน้นข้อความ หากทำสำเร็จด้วยการ retry ที่น้อยกว่า

ฉันควรใช้ Alibaba โดยตรงหรือผู้รวม API?

การเข้าถึง Alibaba โดยตรงเป็นตัวเลือกที่ชัดเจนกว่าเมื่อเวิร์กโหลดขึ้นกับขอบเขตการปรับใช้เฉพาะ ฟีเจอร์ให้โดยผู้ให้บริการ ความคุมตามภูมิภาค หรือความสัมพันธ์การเรียกเก็บเงินโดยตรง

เลเยอร์การรวมอาจใช้งานได้จริงกว่าเมื่อแอปเดียวกันต้องทดสอบหรือกำหนดเส้นทางข้ามหลายตระกูลโมเดล CometAPI ตัวอย่างเช่น ให้บริการ Qwen3.7 Plus ควบคู่กับโมเดลจากผู้ให้บริการอย่าง OpenAI, Anthropic, Google, Moonshot และ DeepSeek ผ่านอินเทอร์เฟซที่เข้ากันได้กับ OpenAI

เส้นทางที่ดีกว่าขึ้นกับข้อกำหนดตามภูมิภาค ต้นทุนที่มีผลจริง ความพยายามในการผสาน ความต้องการ fallback และว่าจำเป็นต้องใช้ฟีเจอร์ของ Alibaba แบบ native หรือไม่

รันการเปรียบเทียบแบบสไตล์การผลิตก่อนเลือกเส้นทาง

อัตราโทเค็นที่ประกาศมีประโยชน์ในการคัดตัวเลือกเบื้องต้น แต่การตัดสินใจสุดท้ายควรมาจากเวิร์กโหลดที่คล้ายกับการผลิต

แนวทางปฏิบัติหนึ่งคือรันชุดการประเมินเดียวกันบน Qwen3.7 Plus, Qwen3.7 Max และทางเลือกที่เกี่ยวข้องอีกไม่กี่ตัว บริการ API แบบ unified อย่าง CometAPI สามารถทำให้การเปรียบเทียบนี้ง่ายขึ้น โดยให้บริการโมเดล Qwen, Claude, Gemini, GPT, Kimi และ DeepSeek ผ่านอินเทอร์เฟซที่เข้ากันได้กับ OpenAI

ระหว่างการทดสอบ ให้บันทึก:

• โทเค็นขาเข้าและขาออก
• การใช้โทเค็นการคิด
• การใช้แคช
• การเรียกเครื่องมือ
• การ retry
• ความหน่วงแฝง
• ความสำเร็จของงาน

ใช้ Qwen3.7 Plus model page เป็นจุดเริ่มต้น จากนั้นเลือกเส้นทางที่มีต้นทุนต่อภารกิจที่เสร็จสมบูรณ์ต่ำที่สุด ไม่ใช่แค่ราคาต่อโทเค็นที่ประกาศต่ำที่สุด