Qwen3.8-Omni-Flash 上线：音视频 Agent 价格降幅超 98%
千问大模型 · wechat · 2026-09-18
阿里千问团队发布新一代原生全模态模型 Qwen3.8-Omni-Flash，主打真实生产力场景的 Agent 能力，支持文本/图像/音频/视频输入与 1M 长上下文。能力：相比上一代 Qwen3.5-Omni-Plus，30 项评测平均分提升超 26%；音视频能力接近 Gemini 3.8 Flash，音频整体超过。Agentic 长视频理解在 OmniVideoBench 上准确率从 63.4 升至 67.8，Token 消耗降约 45.7%；原生支持最长一小时的多说话人会议音画协同识别，可生成纪要并直接执行发邮件、编码等任务。定价：每小时音频输入价格降幅超 98%，音视频输入降幅超 93%。生态：开源 Qwen-MM-Plugins（含 Video2Note、可把操作录屏转成 Agent Skill 的 OmniSkillCreator）与实时交互运行环境 Qwen-LiveHarness；另推出 Realtime 版本，支持实时口语陪练、空间音频「听声辨位」等。团队还演示让该 Agent 在 12 小时内自主迭代 Qwen2.5-Omni-3B 的四川话识别，字符错误率从 25.79% 降至 15.30%。
所属事件:阿里发布 Qwen3.8-Omni-Flash：全模态 Agent 模型降价超 98%(15 条相关)→
「模型」频道最新
- 商汤开源 SenseNova-Loop-9B：权重共享跑 56 层，支持 256K 上下文 — AdinaYakup · 2026-11-02
- 用户实测:Gemini 3 Pro 长篇同人写作强,单篇可达 29 分钟阅读量 — Ok-Jello3739 · 2026-11-02
- Sam Altman 称 token 是「假单位」:计数不代表商业价值 — rohanpaul_ai · 2026-11-02
- 同一个任务两种「质感」：RL 过拟合模型与通用智能的手感差异 — theteknosaur · 2026-11-02
- LightOnOCR-3 发布：单一模型搞定转录、版面与图表解析 — IgorCarron · 2026-11-02
- NVIDIA Kumo 家族拆解：四款表格基础模型各管一类结构化数据 — pandeyparul · 2026-11-02