阿里发布Qwen3.8-Omni-Flash，百万token输入低至0.8元
发布日期：2026-09-21
事件概述
2026年9月18日，阿里千问上线原生全模态模型 Qwen3.8-Omni-Flash，可同时处理文字、图片、音频和视频，支持100万 token 上下文窗口。
核心要点
- 能力提升：在约30项评测中较上一代 Qwen3.5-Omni-Plus 平均提升超过25%，音频多说话人识别错误率由88.11%降至3.35%
- 音视频理解：长音视频任务中 OmniVideoBench 准确率由63.4提升至67.8，token 消耗减少约45.7%
- 价格：图文音视频输入价格低至每百万 token 0.8元，音频输入成本降幅超过98%
- 配套工具：Qwen-MM-Plugins 提供 Video2Note 与 Omni Skill Creator，可把长视频整理成图文笔记，或从操作演示中提炼可复用的智能体技能
行业意义
音视频输入的价格门槛被显著拉低，此前因成本被排除在外的实时音视频流水线重新具备可行性，多模态竞争的重心从"能识别"转向"能直接进流程"。
来源：搜狐科技