9月18日消息，千问大模型宣布新一代原生全模态模型 Qwen3.8-Omni-Flash正式上线。
据了解，该模型的核心目标是提升其在真实生产力场景中的 Agent 能力，推动全模态模型从“理解全模态内容”进一步走向“规划任务、调用工具并完成创作”。在具备编程、文本知识工作和 GUI 操作等通用 Agentic 能力的基础上，Qwen3.8-Omni-Flash 进一步拓展了以音视频为核心的 Agentic 应用，在视频剪辑、音乐视频创作、影视制作与解说、音视频转图文摘要和音视频对话等，需要综合处理文本、图像、音频与视频的工作流中取得了显著效果。
据介绍，Qwen3.8-Omni-Flash 支持 1M 长序列，在累计 30 项评测上，相比上一代 Qwen3.5-Omni-Plus，平均得分提升超过26%。
在音视频 Agent、Coding 和长程任务方面，模型在 WildClawBench-MM 上大幅提升36.5分，在 AgenticVBench 上提升22.3分，并在 UniClawBench 上取得 69.6的高分。
基础能力方面，模型在长音频/音视频理解、音视频推理、音视频 Caption 和多说话人识别上均有明显提升：例如，LongAudioSpan 提升8.3分，OmniVideoBench 提升 9.6 分，OmniCap-IF 的 CSR / ISR 分别提升 8.5 / 14.1 分，AliMeeting 的 DER / cpWER 从 88.11 / 89.61 降至 3.35 / 17.18。
通过扩展数据、上下文与 Agentic Environment，Qwen3.8-Omni-Flash 的音视频能力接近 Gemini 3.8 Flash，音频能力整体超过 Gemini 3.8 Flash。
同时，Qwen3.8-Omni-Flash的API 每小时音频输入价格降幅超过98%，每小时音视频输入价格降幅超过93%。
