RéponsesPublié18 sources
Qwen3.8-Omni-Flash : ce qu’apporte le modèle multimodal et agentique d’Alibaba
Qwen3.8 Omni Flash est un modèle hébergé d’Alibaba capable d’analyser, dans un même contexte, du texte, des images, de l’audio et de la vidéo, puis de produire une réponse textuelle. Alibaba annonce un gain moyen de plus de 25 % sur 29 évaluations par rapport à Qwen3.5 Omni Plus, ainsi qu’une baisse de plus de 98 %...
Publié parModifié avec GPT-5.6 TerraImages générées avec GPT Image 2
Réponse de recherche
Points clés à retenir
- Qwen3.8 Omni Flash est un modèle hébergé d’Alibaba capable d’analyser, dans un même contexte, du texte, des images, de l’audio et de la vidéo, puis de produire une réponse textuelle.
- Alibaba annonce un gain moyen de plus de 25 % sur 29 évaluations par rapport à Qwen3.5 Omni Plus, ainsi qu’une baisse de plus de 98 % du coût audio et de plus de 93 % du coût audio vidéo par heure.
- Accessible via Alibaba Cloud Model Studio, il propose les modes avec ou sans raisonnement, l’appel de fonctions, la recherche web, le cache de contexte et des champs audio/vidéo dans l’API Responses.
Prompt IA
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Alibaba’s Qwen3.8-Omni-Flash, and how does its native text-, image-, audio-, and video-processing architecture, 1-million-token cont. Article summary: Qwen3.8-Omni-Flash is Alibaba’s hosted “native omnimodal” model for understanding text, images, audio, and video in one context, then producing text responses. Its main advance over Qwen3.5-Omni-Plus is not merely broade. Topic tags: general, news, documentation, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, water
Qwen3.8-Omni-Flash est le modèle « omni-modal » hébergé d’Alibaba pour comprendre conjointement du texte, des images, de l’audio et de la vidéo, et générer une sortie textuelle. Son atout central associe une fenêtre de contexte de 1 million de tokens, des modes de raisonnement, l’appel de fonctions et la recherche web. Il cible donc avant tout l’analyse de médias et les workflows avec outils, plutôt que la génération généraliste de voix ou de vidéo. 17
À quoi sert-il concrètement ?
Le modèle est pensé pour des tâches dont les entrées ne se limitent ni à un document ni à un fil de discussion : analyse audio et vidéo, comptes rendus de réunions, sous-titrage et analyse de contenu, selon la documentation d’Alibaba. Une application peut, par exemple, lui transmettre l’enregistrement d’une réunion, les diapositives associées, des captures d’écran et une consigne écrite, puis lui demander d’en extraire les informations utiles ou d’appeler un outil externe autorisé. 17
Sa fenêtre de 1 million de tokens permet de réunir un très grand volume de contenu dans un même contexte. Cette capacité ne garantit toutefois ni la bonne récupération de chaque information ni un raisonnement fiable entre les modalités. En production, il faut mesurer sur ses propres vidéos longues, documents et séquences d’outils la précision, l’ancrage dans les sources, la latence et le coût. 16
17
« Agentique » : ce que cela signifie, et ce que cela ne signifie pas
Alibaba indique que Qwen3.8-Omni-Flash prend en charge le raisonnement, l’appel de fonctions et la recherche web. Une application peut ainsi lui demander d’interpréter des contenus multimodaux, d’identifier la nécessité d’une information ou d’une action externe, puis de solliciter un appel d’outil. 17
Cela ne rend pas le modèle autonome par lui-même. Le propriétaire de l’application définit toujours les outils disponibles, leurs identifiants et autorisations, les contrôles appliqués aux appels, la gestion des erreurs et les actions nécessitant une validation humaine. Le modèle n’est qu’un maillon d’un workflow sûr.
Entrées, sorties et accès API
Qwen3.8-Omni-Flash accepte des entrées texte, image, audio et vidéo, mais sa sortie documentée est du texte. Alibaba le recommande pour l’analyse audio/vidéo non temps réel et la génération de texte ; d’autres offres Qwen couvrent les usages en temps réel ou les sorties vocales. 17
Le modèle est accessible via Alibaba Cloud Model Studio dans les régions de Pékin, Singapour, Hong Kong, Tokyo, Francfort et Virginie. Une clé API correspondant à la région choisie est requise. 17
Pour les développeurs qui utilisent une interface inspirée d’OpenAI, l’API Responses d’Alibaba prend spécifiquement en charge les types de contenu input_audio et input_video dans les messages utilisateur pour qwen3.8-omni-flash. La fiche du modèle mentionne aussi les modes avec ou sans raisonnement, l’appel de fonctions, la recherche web et le cache de contexte.
Face à Qwen3.5-Omni-Plus : le contexte et les outils au premier plan
Le changement par rapport à Qwen3.5-Omni-Plus repose surtout sur l’association de la compréhension multimodale, d’un contexte plus long et d’outils explicitement orientés agents. Alibaba annonce une hausse moyenne de plus de 25 % sur 29 évaluations, avec notamment +36,5 points sur WildClawBench-MM et +22,3 points sur AgenticVBench, deux benchmarks centrés sur les tâches multimodales et l’usage d’outils. 16
Le groupe indique également que le prix API par heure d’entrée audio a diminué de plus de 98 %, et celui des entrées audio-vidéo de plus de 93 %, par rapport à Qwen3.5-Omni-Plus. Ces chiffres, fournis par le fournisseur, peuvent compter pour l’analyse de gros volumes de médias ; ils ne remplacent pas un test de coût complet avec les formats, la tokenisation et le parcours API réellement utilisés. 16
Prix : un point de comparaison, pas un budget définitif
Des listings tiers évoquent environ 0,15 $ par million de tokens en entrée, 0,47 $ par million de tokens en sortie et 0,016 $ par million de tokens d’entrée servie depuis le cache pour une offre serverless. 5
9
Les tarifs peuvent varier selon l’itinéraire d’accès, la région, la modalité et la grille tarifaire en vigueur. Ces montants doivent donc servir de repère initial : avant une prévision de volume, mieux vaut vérifier la grille Model Studio en direct.
Des benchmarks encourageants, pas un classement universel
Les résultats publiés par Alibaba suggèrent des progrès en audio-vidéo, en utilisation d’outils et en tâches de longue durée par rapport à son précédent modèle Omni. L’entreprise signale aussi des améliorations sur LongAudioSpan et OmniVideoBench. 16
Ils ne permettent pas pour autant de conclure que Qwen3.8-Omni-Flash est le meilleur modèle multimodal dans tous les cas. Une fenêtre de 1 million de tokens et de bons scores de benchmark ne prouvent pas qu’il surpassera systématiquement Gemini, OpenAI, Anthropic ou d’autres fournisseurs chinois, quelle que soit la langue, la nature des vidéos, la chaîne d’outils ou les exigences de sécurité. La question utile pour une entreprise est plus précise : répond-il aux objectifs de qualité, de latence, de gouvernance et de coût total d’un cas d’usage donné ?
Un service hébergé, avec des outils compagnons open source
Qwen3.8-Omni-Flash est un service hébergé : ses poids ne sont pas proposés au téléchargement. Alibaba a séparément publié les poids de Qwen3.8-Flash-Next, un autre modèle multimodal de type mixture-of-experts (MoE), présenté comme un aperçu précoce de l’architecture employée pour Qwen4. 19
20
En parallèle, Qwen a annoncé Qwen-MM-Plugins et Qwen-Live Harness, deux outils compagnons open source destinés respectivement à construire des applications multimodales et à permettre une interaction continue en temps réel. Ils peuvent alléger le travail d’intégration, sans pour autant rendre open source les poids de Qwen3.8-Omni-Flash. 19
22
Pourquoi ce lancement compte
L’intérêt du modèle tient à la réunion de trois capacités souvent coûteuses à déployer ensemble : compréhension de médias variés, contexte très long et outils adaptés aux agents. Le positionnement d’Alibaba est particulièrement pertinent pour les équipes qui traitent de nombreux enregistrements, réunions, vidéos ou bases de connaissances mêlant plusieurs formats, lorsque le coût des entrées est déterminant. 16
17
Le lancement illustre également l’intensification de la concurrence sur le rapport prix-performance dans l’IA chinoise. Reuters a rapporté que la sortie plus large de Qwen3.8-Flash mettait en avant une baisse des coûts d’entraînement, en parallèle de meilleures performances en programmation et sur les tâches bureautiques. 1
La conclusion raisonnable n’est pas qu’une sortie règle à elle seule la compétition entre entreprises chinoises et occidentales. En revanche, Qwen3.8-Omni-Flash mérite désormais de figurer dans toute évaluation sérieuse de modèles multimodaux à usage agentique, en particulier pour l’analyse audio et vidéo à fort volume, aux côtés des fournisseurs les plus adaptés aux contraintes de disponibilité régionale, de conformité, de langues et d’intégration.
En bref
Qwen3.8-Omni-Flash doit surtout être vu comme une couche d’analyse multimodale et d’orchestration : il absorbe texte, images, audio et vidéo, conserve jusqu’à 1 million de tokens de contexte et participe à des workflows exploitant des outils, tout en renvoyant du texte. 17
Son cas d’usage le plus solide n’est pas la génération « omni-modale », mais la compréhension de médias longs avec contexte étendu et capacités agentiques, en cherchant à maîtriser les coûts. Les promesses d’Alibaba en matière de benchmarks et de prix doivent être validées sur des données et scénarios représentatifs avant d’en faire un remplaçant d’un autre modèle de pointe.
Studio Global AI
Continuez vos recherches
Cette page comprend une réponse basée sur la source que vous pouvez continuer dans Studio Global.
Les gens demandent aussi
Quelle est la réponse courte à « Qwen3.8-Omni-Flash : ce qu’apporte le modèle multimodal et agentique d’Alibaba » ?
Qwen3.8 Omni Flash est un modèle hébergé d’Alibaba capable d’analyser, dans un même contexte, du texte, des images, de l’audio et de la vidéo, puis de produire une réponse textuelle.
Quels sont les points clés à valider en premier ?
Qwen3.8 Omni Flash est un modèle hébergé d’Alibaba capable d’analyser, dans un même contexte, du texte, des images, de l’audio et de la vidéo, puis de produire une réponse textuelle. Alibaba annonce un gain moyen de plus de 25 % sur 29 évaluations par rapport à Qwen3.5 Omni Plus, ainsi qu’une baisse de plus de 98 % du coût audio et de plus de 93 % du coût audio vidéo par heure.
Que dois-je faire ensuite en pratique ?
Accessible via Alibaba Cloud Model Studio, il propose les modes avec ou sans raisonnement, l’appel de fonctions, la recherche web, le cache de contexte et des champs audio/vidéo dans l’API Responses.
Sources
alibabacloud.comAlibaba Cloud Model Studio:Qwen-Omni
qwen.aiQwen3.8-Omni-Flash: Omni Senses. Agentic Delivery.
marktechpost.comAlibaba Qwen Releases Qwen3.8-Omni-Flash
llmreference.comQwen3.8-Omni-Flash – 1m context, multimodal | LLM Reference
ai-tldr.devQwen3.8-Omni-Flash — Alibaba's omni model gets a… | AI/TLDR