阿里通义千问发布Qwen3.8-Omni-Flash，视频输入成本较前代降约89%
核心要点
- 阿里通义千问发布首个围绕智能体能力打造的全模态模型Qwen3.8-Omni-Flash，将原生音视频理解、推理及工具调用整合至单一模型，可完成理解内容、规划任务、调用工具并交付结果的完整流程。
- 在OmniVideoBench测试中，其智能体感知模式较静态理解减少51.8%的token消耗，视频输入成本
来源 PANews发布于 1 小时前
阿里通义千问发布首个围绕智能体能力打造的全模态模型Qwen3.8-Omni-Flash，将原生音视频理解、推理及工具调用整合至单一模型，可完成理解内容、规划任务、调用工具并交付结果的完整流程。该模型支持100万token上下文，可在长视频中主动定位关键片段；在OmniVideoBench测试中，其智能体感知模式较静态理解减少51.8%的token消耗，视频输入成本较Qwen3.5-Omni-Plus下降约89%。官方称，该模型的音视频能力接近Gemini 3.8 Flash，在WildClawBench-MM和UniClawBench两项测试中的智能体性能平均提升19.5分。此外，Qwen-MM-Plugins已开源，Qwen-Live Harness将于后续推出。