千问上线新一代原生全模态模型Qwen3.8-Omni-Flash，把竞争点从“听得清、看得懂”推向“能规划、会调工具、交成品”。模型统一接收文本、图像、音频、视频，上下文扩至1M，并在千问AI平台、阿里云百炼开放。
PChome 9月18日消息，千问上线新一代原生全模态模型Qwen3.8-Omni-Flash，把竞争点从“听得清、看得懂”推向“能规划、会调工具、交成品”。模型统一接收文本、图像、音频、视频，上下文扩至1M，并在千问AI平台、阿里云百炼开放。
官方汇总30项评测，平均得分较Qwen3.5-Omni-Plus提升超26％：音视频智能体方向，WildClawBench-MM提高36.5分，AgenticVBench提高22.3分，UniClawBench达69.6；长视频与音频理解上，OmniVideoBench、LongAudioSpan分别提升9.6、8.3分。多人会议是重点场景，AliMeeting的说话人分离与转写错误指标由88.11/89.61降至3.35/17.18，原生支持最长1小时音视频，可输出纪要、待办并调用邮件、代码等工具。
成本端改动更直接：API每小时音频输入价格降超98％，音视频输入降超93％。配合Agentic取证，长视频先粗扫再定位关键片段，OmniVideoBench准确率从63.4升至67.8，单次Token由14.57万降至7.91万，降幅约45.7％。
落地层面，Music2MV按曲式生成带时间轴歌词，短剧翻译做角色识别、克隆配音与音轨重混，电影解说自动提炼情节并剪辑；Video2Note把教程压成图文PDF。千问同时扩展Qwen-MM-Plugins、开源Qwen-Live Harness，分别覆盖长程音视频工作流与实时全模态交互。其音视频能力已接近Gemini 3.8 Flash，音频整体反超，企业处理会议、培训、影视素材的门槛明显降低。
