ОтветыОпубликовано17 источники
Qwen3.8-Omni-Flash: что умеет новая мультимодальная модель Alibaba
Qwen3.8 Omni Flash принимает текст, изображения, аудио и видео в едином процессе; объём контекста достигает 1 млн токенов. По данным Alibaba, средний результат модели вырос более чем на 25% относительно Qwen3.5 Omni Plus в 29 оценках.
ОпубликовалОтредактировано с помощью GPT-6 SolИзображения созданы с помощью GPT Image 2
Ответ на исследование
Ключевые выводы
- Qwen3.8 Omni Flash принимает текст, изображения, аудио и видео в едином процессе; объём контекста достигает 1 млн токенов.
- По данным Alibaba, средний результат модели вырос более чем на 25% относительно Qwen3.5 Omni Plus в 29 оценках.
- Выборочный просмотр длинного видео и снижение цены аудио и аудиовидеовхода могут удешевить работу агентов, но итоговые затраты зависят от конкретной задачи.
Промпт ИИ
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Alibaba’s Qwen3.8 Omni Flash, launched on the Qwen AI platform in September 2026, and how do its native text, image, audio, and vide. Article summary: Alibaba’s Qwen3.8 Omni Flash is a September 2026 model available on the Qwen AI platform that accepts text, images, audio, and video natively in one workflow, with a context window of up to 1 million tokens.. Topic tags: general web, agents, ai, workflow, productivity. 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, watermarks, charts with fake
Представьте задачу: найти в часовой записи встречи, кто взялся за проект, сверить речь с происходящим в кадре и подготовить итог. Для такого сценария Alibaba в сентябре 2026 года представила Qwen3.8-Omni-Flash, доступную на платформе Qwen AI. Модель принимает текст, изображения, аудио и видео как исходные данные в одном процессе, а её контекстное окно рассчитано на объём до 1 млн токенов. Обычная версия возвращает текстовый результат. 2
5
52
От просмотра записи — к выполнению задачи
Замысел Qwen — дать ИИ-агенту возможность совместно анализировать увиденное и услышанное, определять дальнейшие действия и обращаться к инструментам. На длинном видео агент может искать нужные эпизоды выборочно, а не обрабатывать каждый кадр подряд. Alibaba сообщает, что в тесте OmniVideoBench такой подход потребовал на 51,8% меньше токенов, чем статический анализ; это результат испытания, а не обещание такой же экономии в любом приложении. 16
12
Для встреч модель поддерживает аудиовидеовход длительностью до часа и может сопоставлять участников в кадре с их репликами, разделять речь по выступающим и делать расшифровку. Большое контекстное окно помогает работать с продолжительными записями и сопутствующими материалами, а вызов инструментов — использовать найденное для дальнейших действий, а не ограничиваться описанием записи. 52
1
6
16
Alibaba также заявляет о росте среднего результата более чем на 25% по сравнению с Qwen3.5-Omni-Plus в 29 оценках. Эти цифры характеризуют выбранные тесты и сами по себе не показывают, насколько надёжно модель справится с каждой рабочей задачей. 12
Что нужно для внедрения и сколько это стоит
Расширенный набор открытых Qwen-MM-Plugins помогает подключать работу с аудио и видео к агентным системам, в том числе для длительных процессов. Отдельно опубликован открытый Qwen-Live Harness для непрерывного взаимодействия в реальном времени. Это инструменты вокруг модели: саму Qwen3.8-Omni-Flash предлагают как сервис через API, без опубликованных весов. 1
52
5
Вариант Qwen3.8-Omni-Flash-Realtime принимает живые аудио- и видеопотоки и выдаёт текстовый и звуковой ответ. В его возможностях также указаны многоканальный звук, объединение видеоданных и удалённые инструменты MCP — протокола подключения внешних инструментов. 1
По расчётам Alibaba, стоимость API за час входящего аудио снизилась более чем на 98%, а за час входящего аудио и видео — более чем на 93%. Вместе с выборочным анализом записи это делает многократное обращение агента к медиаданным экономически доступнее. Но бюджет реального сервиса всё равно зависит от объёма обработанных материалов, числа токенов, длины ответов и используемых инструментов. 12
16
Studio Global AI
Продолжайте свое исследование
На этой странице есть ответ, подтвержденный источником, который вы можете продолжить внутри Studio Global.
Люди также спрашивают
Каков краткий ответ на вопрос «Qwen3.8-Omni-Flash: что умеет новая мультимодальная модель Alibaba»?
Qwen3.8 Omni Flash принимает текст, изображения, аудио и видео в едином процессе; объём контекста достигает 1 млн токенов.
Какие ключевые моменты необходимо проверить в первую очередь?
Qwen3.8 Omni Flash принимает текст, изображения, аудио и видео в едином процессе; объём контекста достигает 1 млн токенов. По данным Alibaba, средний результат модели вырос более чем на 25% относительно Qwen3.5 Omni Plus в 29 оценках.
Что мне делать дальше на практике?
Выборочный просмотр длинного видео и снижение цены аудио и аудиовидеовхода могут удешевить работу агентов, но итоговые затраты зависят от конкретной задачи.