ITCOW牛新网 9月18日消息，阿里千问推出全新原生全模态模型Qwen3.8‑Omni‑Flash，已上线千问AI平台，可统一处理文本、图片、音频、视频，上下文窗口可达100万Token，百万Token图文音视频输入定价0.8元。
对比上一代Qwen3.5‑Omni‑Plus，30项评测平均得分提升超26%；音视频智能体、代码、长任务测试提升明显。官方称音视频综合能力接近Gemini 3.8 Flash，音频表现实现超越；API成本大幅下调，每小时音频输入价格降幅超98%，音视频输入降幅超93%。
配套开源Qwen‑MM‑Plugins、Qwen‑Live Harness组件，支撑长音视频按需感知、工具调用与实时全模态交互。业务场景覆盖：最长一小时会议音视频解析，做说话人区分、纪要、待办梳理；短剧翻译配音、MV生成、完整长电影AI解说；还可以自主做小模型微调优化、把数小时视频导出PDF图文笔记、从演示视频提炼可复用Agent技能。
同步推出Qwen3.8‑Omni‑Flash‑Realtime实时版本，支持音视频流实时响应、工具调用；实现“听声辨位”，结合视觉与空间音频判断声源方位距离，也支持带口音口语实时陪练。 在Agent模式下，该模型处理视频任务Token消耗下降约45.7%。目前该模型通过API对外提供服务。