千问上线Qwen3.8-Omni-Flash，支持1M上下文

千问于18日上线新一代原生全模态模型Qwen3.8-Omni-Flash，支持文本、图像、音频与视频输入及1M长上下文，已在千问AI平台开放体验。模型在编程、文本知识工作和GUI操作等通用Agentic能力基础上，进一步拓展视频剪辑、MV创作、影视制作与解说、音视频转图文摘要及音视频对话等应用流程。 在累计30项评测中，Qwen3.8-Omni-Flash平均得分较上一代Qwen3.5-Omni-Plus提升超26%。其中，WildClawBench-MM提升36.5分，AgenticVBench提升22.3分，UniClawBench得分为69.6分；LongAudioSpan提升8.3分，OmniVideoBench提升9.6分，OmniCap-IF的CSR/ISR分别提升8.5分和14.1分。AliMeeting的DER/cpWER由88.11/89.61降至3.35/17.18。 官方称，该模型的音视频能力接近Gemini3.8Flash，音频能力整体超过后者；API每小时音频输入价格降幅超98%，音视频输入价格降幅超93%。千问还扩展Qwen-MM-Plugins并开源Qwen-Live Harness。在Agentic Understanding模式下，OmniVideoBench准确率由63.4升至67.8，Token消耗从145,736降至79,117，降幅约45.7%。 团队还在12小时内自主完成评测集选择、数据构建与4轮迭代，累计构建3,413条训练数据，将Qwen2.5-Omni-3B的四川话识别字符错误率从25.79%降至15.30%，相对下降约40.7%。同步推出的Realtime版本为首个支持“听声辨位”的全模态大模型。