AI 资讯速递 (2026/9/18)： 阿里千问推出新一代原生全模态模型 Qwen3.8-Omni-Flash
阿里千问发布 Qwen3.8-Omni-Flash：全模态处理能力升级，长上下文与成本优化并进
资讯详情
阿里云通义实验室于9月18日发布 Qwen3.8-Omni-Flash 模型，在原生全模态架构基础上强化了多模态输入输出能力与推理效率。该模型支持文本/图像/音频/视频四类输入形式，并兼容混合模态交互场景，在30项基准测试中综合性能较上代提升26%以上。
核心要点
【多模态输入支持】：模型可同时接收文本（含多语言）、图像（分辨率上限2048×2048）、音频（采样率48kHz）及视频（帧率60fps）输入，并实现跨模态语义对齐与联合推理
【1M 长上下文处理】：通过改进注意力机制与内存压缩算法，在保持推理速度的同时将最大上下文长度扩展至100万tokens
【音频性能突破】：在语音识别准确率（97.2%）与语音合成自然度（MOS 4.7）两项指标上超越 Gemini 3.8 Flash 模型
【端到端工作流优化】：针对视频剪辑任务实现从脚本生成→素材筛选→字幕添加→特效合成的完整链路自动化处理
【成本结构调整】：API 音频输入单价降至 $0.0005/token（降幅98%），视频输出价格较上代下降45%
AI-ALL 深度点评
Qwen3.8-Omni-Flash 的发布标志着全模态大模型进入工业化部署新阶段。其1M tokens的上下文窗口为复杂任务提供了必要缓冲区，在会议纪要执行等场景中可完整保留时间线信息。相比竞品依赖模块拼接的方案设计，该模型通过原生架构实现了跨模态参数共享，在资源消耗与响应延迟间取得平衡。
音频性能的显著提升将推动语音交互场景的技术迭代——当前语音识别准确率已接近人类水平（97.5%），配合MOS 4.7的合成质量可直接替代专业配音工具链。值得注意的是其API定价策略：当音频处理成本降至 $0.0005/token 后，在线教育平台可通过实时语音转文字实现分钟级课件生成。
该模型对传统生产力工具构成实质挑战：在短剧翻译场景中，其跨语言音画同步能力已能覆盖95%常规需求；电影解说生成速度较上代提升3倍的同时保留了导演风格特征识别功能。不过需关注其在超高清视频处理时的显存占用曲线——测试数据显示4K视频帧分析仍需至少40GB VRAM支持。
