阿里千问发布全模态模型 Qwen3.8-Omni-Flash，音视频能力对标 Gemini 3.8 Flash

阿里巴巴旗下千问平台正式上线新一代原生全模态模型 Qwen3.8-Omni-Flash。该模型可同时处理文本、图像、音频和视频输入，支持 1M 上下文，已在千问 AI 平台提供。官方称其在保持同尺寸文本模型能力的同时，全模态能力较上一代显著提升。

在累计 30 项评测中，Qwen3.8-Omni-Flash 相比上一代平均得分提升超过 26%。音视频 Agent、Coding 和长程任务方面，WildClawBench-MM 提升 36.5 分，AgenticVBench 提升 22.3 分。音视频能力接近 Gemini 3.8 Flash，音频能力整体超过后者。API 每小时音频输入价格降幅超过 98%。

该模型支持最长一小时音视频输入，可完成说话人切分、转录、会议纪要生成及待办事项分析，结合工具调用还可发送邮件或编码。实时版 Qwen3.8-Omni-Flash-Realtime 为首个支持“听声辨位”的全模态大模型，可判断声源方向与距离。