答案已發布16 個來源
阿里巴巴 Qwen3.8-Omni-Flash：讓 AI 看聽讀並用工具完成任務
Qwen3.8 Omni Flash 於 2026 年 9 月在 Qwen AI 平台推出，可在同一流程接收文字、圖片、音訊與影片，上下文視窗最高達 100 萬 token。[1][2] 阿里巴巴稱，相較 Qwen3.5 Omni Plus，新模型在 29 項評測的平均分數提升逾 25%；長影片可按任務需要選取片段檢視，而非一律處理每一格畫面。[12][16] 延伸的 Qwen MM Plugins、開源的 Qwen Live Harness 與獨立的 Realtime 版本，分別支援長流程及即時互動；官方稱每小時音訊、音影片輸入 API 成本分別下降逾 98% 和 93%。[1][12][52]
發布者使用 GPT-6 Sol 編輯圖片由 GPT Image 2 生成
研究答案
重點整理
- Qwen3.8 Omni Flash 於 2026 年 9 月在 Qwen AI 平台推出，可在同一流程接收文字、圖片、音訊與影片，上下文視窗最高達 100 萬 token。[1][2]
- 阿里巴巴稱，相較 Qwen3.5 Omni Plus，新模型在 29 項評測的平均分數提升逾 25%；長影片可按任務需要選取片段檢視，而非一律處理每一格畫面。[12][16]
- 延伸的 Qwen MM Plugins、開源的 Qwen Live Harness 與獨立的 Realtime 版本，分別支援長流程及即時互動；官方稱每小時音訊、音影片輸入 API 成本分別下降逾 98% 和 93%。[1][12][52]
AI 提示詞
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
對需要整理會議或研究長影片的人來說，難題往往不只是「把內容轉成文字」，而是找出關鍵片段、對照畫面與發言，再把結論變成可用的成果。阿里巴巴於 2026 年 9 月推出的 Qwen3.8-Omni-Flash，正是朝這類工作設計：它已在 Qwen AI 平台提供服務，能在同一流程原生接收文字、圖片、音訊及影片，上下文視窗最高達 100 萬 token。這裡的 token 是模型處理內容的計量單位，不等於字數；較大的視窗讓它有空間處理更長、更多樣的資料。1
2
5
重點不只是看懂，還要完成任務
Qwen 將這款模型定位為可理解影音、規劃步驟並使用工具的代理式模型。以長影片為例，系統可依問題選擇值得進一步查看的時段，而不是始終逐格處理。阿里巴巴稱，在 OmniVideoBench 評測中，這種按需處理方式比靜態理解方式少用 51.8% token；相較前代 Qwen3.5-Omni-Plus，新模型在 29 項評測的平均分數提升逾 25%。兩者都是官方公布的測試結果，不能直接視為每個實際部署都會達到的效益。12
16
會議是另一個較具體的場景。資料指出，模型原生支援最長 一小時的音影片輸入，可結合聲音與畫面辨識不同發言者、轉錄內容，並對應說話者身分。在工作流程中，代理系統還可據此找出相關發言、整理紀要或待辦事項，並視任務需要使用工具；這比單純描述錄影內容多了一步。2
52
長流程與即時互動，使用的工具不同
擴充後的 Qwen-MM-Plugins 旨在讓代理框架接入影音能力，支援長影音的按需感知、工具呼叫與流程執行；另行開源的 Qwen-Live Harness 則面向持續的即時互動。兩者是配套工具，不應與模型本身是否開放權重混為一談。1
5
52
若應用需要邊接收影音、邊作出回應，另有 Qwen3.8-Omni-Flash-Realtime 版本：文件列明它支援即時音訊與影片互動，可輸出文字及音訊，並加入多聲道音訊、影片彙整與遠端 MCP 工具支援。MCP 是供 AI 系統連接外部工具的協定。一般 Qwen3.8-Omni-Flash 與這個可輸出音訊的 Realtime 版本，不能當作完全相同的服務。1
5
成本下降，為何仍不能只看百分比？
阿里巴巴表示，按每小時輸入計算，音訊 API 成本下降 逾 98%，音影片輸入下降 逾 93%。配合只檢視所需影片片段的做法，反覆聆聽、檢視及呼叫工具的代理流程因此更有成本可行性。不過，這些降幅採用官方的每小時輸入估算方式；實際帳單仍取決於處理了哪些媒體、消耗多少 token、產生多少輸出，以及使用了哪些工具。12
16
Studio Global AI
繼續深入研究
這個頁面包含附來源佐證的答案，你可以在 Studio Global 內繼續追問。
大家也會問
「阿里巴巴 Qwen3.8-Omni-Flash：讓 AI 看聽讀並用工具完成任務」的簡短答案是什麼？
Qwen3.8 Omni Flash 於 2026 年 9 月在 Qwen AI 平台推出，可在同一流程接收文字、圖片、音訊與影片，上下文視窗最高達 100 萬 token。[1][2]
最值得優先驗證的重點是什麼？
Qwen3.8 Omni Flash 於 2026 年 9 月在 Qwen AI 平台推出，可在同一流程接收文字、圖片、音訊與影片，上下文視窗最高達 100 萬 token。[1][2] 阿里巴巴稱，相較 Qwen3.5 Omni Plus，新模型在 29 項評測的平均分數提升逾 25%；長影片可按任務需要選取片段檢視，而非一律處理每一格畫面。[12][16]
接下來在實務上該怎麼做？
延伸的 Qwen MM Plugins、開源的 Qwen Live Harness 與獨立的 Realtime 版本，分別支援長流程及即時互動；官方稱每小時音訊、音影片輸入 API 成本分別下降逾 98% 和 93%。[1][12][52]