Qwen3.8-Omni-Flash نظرة عامة

المواصفات الرئيسية

ما هو Qwen3.8-Omni-Flash

Qwen3.8-Omni-Flash (qwen3.8-omni-flash) هو نموذج أصيل شامل الوسائط من Alibaba Cloud لفهم الصوت/الفيديو وتحليل المحتوى متعدد الوسائط. يقبل الإدخال من النص، الصور، الصوت، والفيديو ويُنتج خروجاً نصيّاً فقط عبر واجهات Chat Completions أو Responses. تضعه Alibaba في سياقات الإنتاجية الواقعية وتدفّقات عمل الوكلاء التي تجمع بين الفهم متعدد الوسائط مع التخطيط، واستدعاء الأدوات، وإتمام المهام.

يوفّر النموذج نافذة سياق بسعة 1M-token، ويدعم التفكير مع جهد استدلال قابل للضبط، واستدعاء الدوال، والبحث على الويب، وتخزين السياق، ومدخلات الصوت الفراغي/متعدد القنوات. وهو متاح عبر Alibaba Cloud Model Studio في عدة مناطق، بما في ذلك اليابان (طوكيو)، سنغافورة، هونغ كونغ، بكين، ألمانيا (فرانكفورت)، وفرجينيا.

الميزات الرئيسية لـ Qwen3.8-Omni-Flash

1. فهم أصيل للنصوص والصور والصوت والفيديو

يتعامل Qwen3.8-Omni-Flash مع أربع طرائق إدخال ضمن نموذج واحد: النص، الصور، الصوت، والفيديو. يجعل ذلك مناسباً لتدفّقات العمل التي يجب فيها تفسير المعلومات المرئية والسمعية معاً بدلاً من معالجتها عبر خطوط أنابيب منفصلة.

2. سياق طويل بسعة 1M-Token

يدعم النموذج نافذة سياق بسعة 1M-token، مع أطوال إدخال قصوى موثّقة تبلغ 991,808 tokens في وضع عدم التفكير و983,616 tokens في وضع التفكير. يتيح ذلك التحليل المطوّل متعدد الوسائط والمحادثات الممتدة ضمن سياق طلب واحد.

3. تفكير قابل للضبط

التفكير مفعّل افتراضياً. توفّر الـ API سبعة قيَم لـ reasoning_effort: none، minimal، low، medium، high، xhigh، وmax. تشير وثائق Alibaba إلى تعيينات توافقية لبعض هذه القيم.

4. استخدام وكالتي للأدوات

يدعم النموذج استدعاء الدوال ويمكنه استخدام البحث على الويب عبر Responses API. يتيح ذلك إدخالات متعددة الوسائط لتصبح جزءاً من تدفّقات عمل تستخدم الأدوات، مثل تحليل تسجيل اجتماع ثم استدعاء نظام خارجي أو استرجاع معلومات راهنة.

5. صوت فراغي ومتعدد القنوات

يدعم Qwen3.8-Omni-Flash إدخال الصوت الفراغي. يمكن تمكين المعالجة متعددة القنوات عبر use_multichannel، بما في ذلك الستريو 2-channel وFOA 4-channel.

6. تدفّقات عمل إنتاجية للصوت/الفيديو

تضع Alibaba النموذج تحديداً لتحليل الصوت/الفيديو، وتلخيص الاجتماعات، وتوليد الترجمات، والترجمة إلى نص أو ترجمات، وتحليل المحتوى متعدد الوسائط على نطاق أوسع. كما تصف Qwen سيناريوهات وكالتي مثل تحرير الفيديو، إنشاء الفيديوهات الموسيقية، إنتاج الأفلام/الفيديو، السرد، التلخيص متعدد الوسائط، والحوار الصوتي-المرئي.

أداء Qwen3.8-Omni-Flash على المعايير

تفيد مواد الإطلاق لدى Alibaba بتحسينات مقارنة بجيل Qwen3.5-Omni-Plus السابق عبر تقييمات متعددة الوسائط. يغطي تقرير الإطلاق 30 تقييماً، مع متوسط تحسّن يتجاوز 26% مقارنة بـ Qwen3.5-Omni-Plus.

تشمل النتائج البارزة المبلّغ عنها:

• WildClawBench-MM: +36.5 نقطة مقارنة بـ Qwen3.5-Omni-Plus.
• AgenticVBench: +22.3 نقطة مقارنة بـ Qwen3.5-Omni-Plus.
• UniClawBench: 69.6 نقطة.

هذه الأرقام نتائج إطلاق مبلّغ عنها من البائع ويجب تفسيرها ضمن سياق منهجية التقييم وإصدار نموذج المقارنة المستخدم من قِبل Alibaba.

Qwen3.8-Omni-Flash مقابل Qwen3.8-Flash

توصي وثائق نموذج Alibaba تحديداً Qwen3.8-Omni-Flash لتحليل الصوت/الفيديو وتحليل المحتوى، while po

Qwen3.5-Omni-Plus

Qwen3.5-Omni-Plus هو الجيل السابق من Qwen الشامل الوسائط. يتموضع كنموذج رائد شامل الوسائط ويدعم فهم الصوت/الفيديو، بينما يركّز Qwen3.8-Omni-Flash بشكل أوضح على تحليل الصوت/الفيديو، وتدفّقات عمل الوكلاء، والإخراج النصي.

Qwen3-Omni-Flash

Qwen3-Omni-Flash هو نموذج أخفّ شاملياً أقدم. تختلف واجهة الـ API وحدود القدرات لديه عن Qwen3.8-Omni-Flash، خصوصاً حول نافذة السياق الجديدة 1M-token، وتكاملات الأدوات الحالية، وضوابط الاستدلال الموسّعة.

Qwen3.8-Flash-Next

Qwen3.8-Flash-Next هو نموذج متعدد الوسائط من حقبة Qwen3.8 ذو صلة، لكنه ليس النموذج نفسه. تم تصميم Qwen3.8-Omni-Flash تحديداً لإدخال أصيل شامل الوسائط يتضمّن الصوت والفيديو، في حين ينتمي Qwen3.8-Flash-Next إلى خط نماذج Qwen3.8 Flash/Next.

حالات استخدام Qwen3.8-Omni-Flash

• تحليل الاجتماعات والمكالمات: تلخيص تسجيلات طويلة، تحديد نقاط النقاش، وإنتاج مخرجات نصية منظمة.
• فهم الفيديو: تحليل الأحداث، الإجراءات، الحوار، والسياق السمعي-البصري عبر مقاطع فيديو طويلة.
• تدفّقات الترجمات والنصوص: تحويل محتوى الصوت/الفيديو إلى نص أو مخرجات موجّهة للترجمة.
• تحليل محتوى متعدد الوسائط: الجمع بين الصور والصوت والفيديو والسياق النصي ضمن تحليل واحد.
• وكلاء واعون بالصوت: إدخال صوت فراغي أو متعدد القنوات في تطبيقات تستخدم الأدوات.
• عمل معرفي طويل السياق: تحليل مدخلات متعددة الوسائط كبيرة ضمن نافذة السياق 1M-token.
• تدفّقات وسائط وكالتي: الجمع بين الفهم متعدد الوسائط مع استدعاء الدوال والبحث على الويب.

القيود وملاحظات التكامل

• يُنتج النموذج نصاً فقط؛ ليس مخصّصاً لتوليد الكلام/الصوت.
• التفكير مفعّل افتراضياً، ويمكن أن تؤثر تغييرات جهد الاستدلال على زمن الاستجابة وسلوك الإخراج.
• تعتمد أطوال الإدخال والإخراج القصوى على وضع التفكير المختار وقيود الـ API.
• يتطلب الصوت الفراغي متعدد القنوات معامل الـ API المناسب (use_multichannel) ومدخلاً متوافقاً.
• قد تختلف توافر القدرات حسب منطقة Alibaba Cloud؛ تسرد الوثائق الرسمية بكين، سنغافورة، هونغ كونغ، طوكيو، فرانكفورت، وفرجينيا كمناطق مدعومة.

كيفية الوصول إلى Qwen3.8-Omni-Flash عبر CometAPI

بالنسبة للمطورين، تتمثّل الميزة العملية لاستخدام طبقة تجميع مثل CometAPI في إمكانية دمج Qwen3.8-Omni-Flash ضمن تطبيق متعدد النماذج قائم دون إنشاء تكامل خاص بمزوّد منفصل لكل نموذج.

سير عمل تكامل نموذجي:

1. اختَر qwen3.8-omni-flash في CometAPI.
2. استخدم واجهة API الموحّدة الخاصة بـ CometAPI لإرسال طلبات متعددة الوسائط.
3. عالِج الاستجابة النصية ضمن تطبيقك القائم أو وكيلك أو خط أنابيب RAG أو سير أتمتة.

يكون هذا مفيداً بشكل خاص عندما يكون التطبيق يبدّل بالفعل بين نماذج LLM والرؤية والصوت والفيديو المتعددة. بدلاً من الحفاظ على بيانات اعتماد مزوّدين متعددين ومنطق تكامل منفصل، يمكن للتطبيق إبقاء طبقة اختيار النموذج مركزية.