Компания Alibaba представила Qwen3.8-Omni-Flash — нативную мультимодальную модель, способную одновременно обрабатывать текст, изображения, аудио и видео с поддержкой контекста до 1 миллиона токенов.
По результатам 30 тестов модель показала рост средней оценки на 26% по сравнению с Qwen3.5-Omni-Plus. В частности, показатели WildClawBench-MM выросли на 36,5 балла, а AgenticVBench — на 22,3 балла.
Разработчик заявляет, что аудиовозможности Qwen3.8-Omni-Flash превосходят Gemini 3.8 Flash. Стоимость API-запросов снизилась: цена за час аудиоввода упала более чем на 98%, аудиовидеоввода — более чем на 93%.
Для работы с длинными видео представлены плагины Qwen-MM-Plugins и открытый инструмент Qwen-Live Harness. Модель умеет составлять протоколы встреч, переводить видео, создавать контент и извлекать данные из видеопотока.
Версия Qwen3.8-Omni-Flash-Realtime поддерживает потоковую обработку данных и «слуховое позиционирование», определяя направление и расстояние до источника звука через интеграцию аудиовизуальных сигналов.
