AnswersPublished18 sources
Qwen3.8-Omni-Flash: l’IA di Alibaba per analizzare testo, audio e video con contesto da 1 milione di token
Qwen3.8 Omni Flash è un modello cloud di Alibaba che riceve testo, immagini, audio e video nello stesso flusso e produce risposte testuali, con una finestra di contesto da 1 milione di token. Alibaba dichiara un miglioramento medio superiore al 25% su 29 valutazioni rispetto a Qwen3.5 Omni Plus e tagli di oltre il 9...
Pubblicato daModificato con GPT-5.6 TerraImmagini generate con GPT Image 2
Research answer
Key takeaways
- Qwen3.8 Omni Flash è un modello cloud di Alibaba che riceve testo, immagini, audio e video nello stesso flusso e produce risposte testuali, con una finestra di contesto da 1 milione di token.
- Alibaba dichiara un miglioramento medio superiore al 25% su 29 valutazioni rispetto a Qwen3.5 Omni Plus e tagli di oltre il 98% sul costo orario dell’input audio e del 93% su audio video.
- È accessibile tramite Alibaba Cloud Model Studio e supporta modalità di ragionamento, function calling, ricerca web, cache del contesto e campi audio/video nella Responses API.
AI Prompt
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 è il modello cloud e nativamente omnimodale di Alibaba pensato per comprendere insieme testo, immagini, audio e video, producendo però output testuale. Abbina una finestra di contesto da 1 milione di token a modalità di ragionamento, function calling e ricerca web: in pratica, è rivolto soprattutto all’analisi di contenuti multimediali e ai flussi di lavoro con strumenti esterni, non alla generazione generalista di voce o video. 17
Il punto chiave: un solo modello per materiali lunghi e misti
Il caso d’uso non è la sola chat su un documento. Alibaba lo indica per comprensione di audio e video, verbali di riunione, sottotitoli e analisi dei contenuti. Un’applicazione può quindi passare alla stessa richiesta la registrazione di una riunione, le slide correlate, alcuni screenshot e istruzioni scritte, chiedendo poi di estrarre informazioni o di invocare uno strumento autorizzato. 17
La caratteristica più evidente è la finestra di contesto da 1 milione di token. Può contenere grandi quantità di materiale in un’unica richiesta, ma la capienza non garantisce da sola recupero corretto delle informazioni o ragionamento affidabile tra modalità diverse. Prima di portarlo in produzione, conviene misurare recall, aderenza alle fonti, latenza e costi su video, documenti e sequenze di strumenti rappresentativi del proprio lavoro. 16
17
Cosa significa davvero “agentico”
Alibaba afferma che Qwen3.8-Omni-Flash supporta ragionamento, chiamate di funzione e ricerca web. Queste funzioni consentono a un’applicazione di far interpretare al modello materiale multimediale, lasciargli rilevare la necessità di un’informazione o di un’azione esterna e ricevere una richiesta di chiamata a uno strumento. 17
Questo non rende il modello autonomo in senso pieno. È chi sviluppa l’applicazione a decidere quali strumenti sono disponibili, quali credenziali ricevono, come validare le chiamate, come gestire gli errori e quando richiedere l’approvazione umana per azioni rilevanti. Il modello è un componente del workflow, non il suo sistema di governance.
Input, output e accesso API
Qwen3.8-Omni-Flash accetta input testuali, immagini, audio e video, ma l’output documentato è testo. Alibaba lo raccomanda per analisi non in tempo reale di audio e video e per generazione testuale; per scenari in tempo reale o con risposta vocale esistono altre offerte Qwen. 17
Il modello è disponibile in Alibaba Cloud Model Studio. La documentazione segnala disponibilità nelle regioni di Pechino, Singapore, Hong Kong, Tokyo, Francoforte e Virginia, ciascuna con una propria API key regionale. 17
Per chi usa un’interfaccia in stile OpenAI, la Responses API di Alibaba supporta espressamente i tipi di contenuto input_audio e input_video nei messaggi utente per qwen3.8-omni-flash. La scheda del modello indica inoltre modalità con e senza ragionamento, function calling, ricerca web e cache del contesto.
Il confronto con Qwen3.5-Omni-Plus
Il passaggio da Qwen3.5-Omni-Plus riguarda soprattutto l’unione tra comprensione multimodale, contesto più lungo e strumenti agentici espliciti. Alibaba dichiara un incremento medio superiore al 25% su 29 valutazioni, con un miglioramento di 36,5 punti su WildClawBench-MM e di 22,3 punti su AgenticVBench, benchmark rivolti all’uso multimodale di strumenti e ad attività agentiche. 16
Secondo Alibaba, il prezzo API per ora di input audio è sceso di oltre il 98%, mentre quello per input audio-video è diminuito di oltre il 93% rispetto a Qwen3.5-Omni-Plus. Sono dati potenzialmente importanti per chi deve elaborare grandi volumi di contenuti, ma restano dichiarazioni del fornitore: non sostituiscono una verifica completa dei costi basata su formati, tokenizzazione e percorso API effettivamente usati in produzione. 16
Prezzi: un riferimento, non un preventivo definitivo
Alcuni listini di terze parti indicano un prezzo serverless intorno a 0,15 dollari per milione di token in input, 0,47 dollari per milione di token in output e 0,016 dollari per milione di token in input da cache. 5
9
Il prezzo effettivo può cambiare in base a percorso API, regione, modalità e listino aggiornato. Queste cifre sono quindi un punto di confronto utile, non una previsione di spesa: prima di stimare volumi va consultato il listino live di Model Studio.
Benchmark: segnali positivi, non una classifica universale
I risultati pubblicati da Alibaba indicano miglioramenti nella gestione di audio-video, nell’uso di strumenti e nei compiti di lunga durata rispetto al precedente modello Omni. L’azienda cita progressi anche su LongAudioSpan e OmniVideoBench, oltre alle valutazioni orientate agli agenti. 16
Non equivalgono però a una certificazione indipendente secondo cui Qwen3.8-Omni-Flash sia il migliore modello multimodale in assoluto. Una finestra da 1 milione di token e benchmark solidi non dimostrano che supererà Gemini, OpenAI, Anthropic o altri provider cinesi per ogni lingua, tipo di video, catena di strumenti e requisito di sicurezza. La domanda utile per chi acquista è più concreta: offre qualità, latenza, governance e costo totale adeguati a quello specifico caso d’uso?
Modello ospitato, strumenti open source a fianco
Qwen3.8-Omni-Flash è un’offerta ospitata, non un modello a pesi aperti scaricabile. Alibaba ha invece pubblicato separatamente i pesi di Qwen3.8-Flash-Next, un diverso modello multimodale mixture-of-experts descritto come anteprima dell’architettura prevista per Qwen4. 19
20
Accanto a Omni-Flash, Qwen ha annunciato Qwen-MM-Plugins e Qwen-Live Harness, strumenti open source per creare applicazioni multimodali e interazioni continue in tempo reale. Possono ridurre il lavoro di integrazione, ma non rendono open source i pesi di Omni-Flash. 19
22
Perché conta nel mercato dell’IA
Il rilascio è rilevante perché combina tre elementi spesso costosi da usare insieme: comprensione di vari media, contesto molto esteso e strumenti adatti a workflow agentici. Il posizionamento di Alibaba è particolarmente interessante per team che elaborano molte riunioni, registrazioni, video o basi di conoscenza miste, dove il costo degli input pesa sul budget. 16
17
Riflette anche la competizione sempre più intensa sul rapporto tra prezzo e prestazioni nel mercato cinese dell’IA. Reuters ha riportato che il più ampio lancio di Qwen3.8-Flash ha puntato su minori costi di addestramento insieme a miglioramenti nel coding e nelle attività d’ufficio. 1
La conclusione prudente non è che un singolo lancio decida la sfida fra aziende cinesi e occidentali. Piuttosto, Qwen3.8-Omni-Flash va ormai incluso in una valutazione seria dei modelli multimodali con funzioni agentiche, soprattutto per analisi audio-video su larga scala, insieme ai provider più adatti a requisiti di disponibilità regionale, conformità, lingua e integrazione.
In sintesi
Qwen3.8-Omni-Flash va considerato come un livello di analisi multimodale e orchestrazione: riceve testo, immagini, audio e video, conserva fino a 1 milione di token di contesto e può partecipare a workflow che usano strumenti, restituendo testo. 17
Il suo punto di forza non è la generazione “onnimodale”, bensì la comprensione di media a lungo contesto con capacità agentiche e attenzione ai costi. I benchmark e le promesse di risparmio di Alibaba meritano test con dati rappresentativi prima di considerarlo un sostituto di un altro modello di frontiera.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Qwen3.8-Omni-Flash: l’IA di Alibaba per analizzare testo, audio e video con contesto da 1 milione di token"?
Qwen3.8 Omni Flash è un modello cloud di Alibaba che riceve testo, immagini, audio e video nello stesso flusso e produce risposte testuali, con una finestra di contesto da 1 milione di token.
What are the key points to validate first?
Qwen3.8 Omni Flash è un modello cloud di Alibaba che riceve testo, immagini, audio e video nello stesso flusso e produce risposte testuali, con una finestra di contesto da 1 milione di token. Alibaba dichiara un miglioramento medio superiore al 25% su 29 valutazioni rispetto a Qwen3.5 Omni Plus e tagli di oltre il 98% sul costo orario dell’input audio e del 93% su audio video.
What should I do next in practice?
È accessibile tramite Alibaba Cloud Model Studio e supporta modalità di ragionamento, function calling, ricerca web, cache del contesto e campi audio/video nella Responses API.
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