Ikhtisar Qwen3.8-Omni-Flash
Spesifikasi Utama
| Specification | Details |
|---|---|
| Model ID | qwen3.8-omni-flash |
| Provider | Alibaba Cloud Model Studio / Qwen |
| Model type | Model omni-modal native / multimodal |
| Input | Teks, gambar, audio, video |
| Output | Teks |
| Context window | 1M token |
| Maximum input | 991,808 token dalam mode non-thinking; 983,616 dalam mode thinking |
| Maximum output | 131,072 token |
| Thinking | Diaktifkan secara default; upaya penalaran dapat disesuaikan |
| Reasoning effort | none, minimal, low, medium, high, xhigh, max |
| Function calling | Didukung |
| Web search | Didukung melalui alat web_search Responses bawaan |
| Audio | Audio spasial multisaluran didukung; stereo 2-kanal dan FOA 4-kanal dapat diaktifkan dengan use_multichannel |
| API styles | Chat Completions dan Responses |
| Open weights | Tidak ada bobot yang dapat diunduh yang diidentifikasi dalam dokumentasi model terhost resmi yang ditinjau |
Apa itu Qwen3.8-Omni-Flash
Qwen3.8-Omni-Flash (qwen3.8-omni-flash) adalah model omni-modal native dari Alibaba Cloud untuk pemahaman audio/video dan analisis konten multimodal. Model ini menerima masukan berupa teks, gambar, audio, dan video serta menghasilkan keluaran hanya teks melalui API Chat Completions atau Responses. Alibaba memposisikannya untuk produktivitas dunia nyata dan alur kerja berbasis agen yang menggabungkan pemahaman multimodal dengan perencanaan, pemanggilan alat, dan penyelesaian tugas.
Model ini menyediakan jendela konteks 1M token, mendukung thinking dengan upaya penalaran yang dapat disesuaikan, pemanggilan fungsi, pencarian web, cache konteks, serta input audio spasial/multisaluran. Model ini tersedia melalui Alibaba Cloud Model Studio di berbagai wilayah, termasuk Jepang (Tokyo), Singapura, Hong Kong, Beijing, Jerman (Frankfurt), dan Virginia.
Fitur Utama Qwen3.8-Omni-Flash
1. Pemahaman Teks, Gambar, Audio, dan Video secara Native
Qwen3.8-Omni-Flash menangani empat modalitas input dalam satu model: teks, gambar, audio, dan video. Hal ini membuatnya cocok untuk alur kerja di mana informasi visual dan auditori harus diinterpretasikan bersama, bukan diproses oleh pipeline terpisah.
2. Konteks Panjang 1M Token
Model ini mendukung jendela konteks 1M token, dengan panjang input maksimum terdokumentasi 991,808 token dalam mode non-thinking dan 983,616 token dalam mode thinking. Ini memungkinkan analisis multimodal bentuk panjang dan percakapan panjang dalam satu konteks permintaan.
3. Thinking yang Dapat Disesuaikan
Thinking diaktifkan secara default. API menyediakan tujuh nilai reasoning_effort: none, minimal, low, medium, high, xhigh, dan max. Dokumentasi Alibaba mencatat pemetaan kompatibilitas untuk beberapa nilai ini.
4. Penggunaan Alat Berbasis Agen
Model ini mendukung pemanggilan fungsi dan dapat menggunakan pencarian web melalui Responses API. Ini memungkinkan input multimodal menjadi bagian dari alur kerja yang menggunakan alat, seperti menganalisis rekaman rapat lalu memanggil sistem eksternal atau mengambil informasi terkini.
5. Audio Spasial dan Multisaluran
Qwen3.8-Omni-Flash mendukung input audio spasial. API yang terdokumentasi dapat mengaktifkan pemrosesan multisaluran dengan use_multichannel, termasuk stereo 2-kanal dan audio spasial FOA 4-kanal.
6. Alur Kerja Produktivitas Audio/Video
Alibaba secara khusus memposisikan model ini untuk analisis audio/video, peringkasan rapat, pembuatan subtitle, terjemahan ke teks atau subtitle, dan analisis konten multimedia yang lebih luas. Qwen juga menggambarkan skenario berbasis agen seperti pengeditan video, pembuatan musik-video, produksi film/video, narasi, peringkasan multimedia, dan dialog audio-video.
Kinerja Benchmark Qwen3.8-Omni-Flash
Materi peluncuran Alibaba melaporkan peningkatan dibanding generasi Qwen3.5-Omni-Plus sebelumnya di berbagai evaluasi multimodal. Cakupan peluncuran yang dilaporkan mencakup 30 evaluasi, dengan peningkatan rata-rata lebih dari 26% dibanding Qwen3.5-Omni-Plus.
Hasil utama yang dilaporkan meliputi:
- WildClawBench-MM: +36,5 poin dibanding Qwen3.5-Omni-Plus.
- AgenticVBench: +22,3 poin dibanding Qwen3.5-Omni-Plus.
- UniClawBench: 69,6 poin.
Angka-angka ini adalah hasil peluncuran yang dilaporkan vendor dan harus diinterpretasikan dalam konteks metodologi evaluasi serta versi model pembanding yang digunakan oleh Alibaba.
Qwen3.8-Omni-Flash vs Qwen3.8-Flash
| Feature | Qwen3.8-Omni-Flash | Qwen3.8-Flash |
|---|---|---|
| Text input | Ya | Ya |
| Image input | Ya | Ya |
| Audio input | Ya | Dukungan multimodal, tetapi Omni dirancang khusus untuk alur kerja audio/video terintegrasi |
| Video input | Ya | Ya |
| Native omni-modal design | Ya | Tidak |
| Spatial audio | Ya | Bukan kapabilitas penentu |
| Context | 1M | 1M |
| Function calling | Ya | Ya |
| Web search | Ya | Ya |
| Main positioning | Alur kerja agentik audio/video + multimodal | Beban kerja multimodal/serbaguna yang cepat |
Dokumentasi model Alibaba secara khusus merekomendasikan Qwen3.8-Omni-Flash untuk analisis audio/video dan analisis konten, while po
Qwen3.5-Omni-Plus
Qwen3.5-Omni-Plus adalah generasi omni-modal Qwen sebelumnya. Model ini diposisikan sebagai model omni-modal andalan dan mendukung pemahaman audio/video, sementara Qwen3.8-Omni-Flash lebih berfokus pada analisis audio/video, alur kerja berbasis agen, dan keluaran teks.
Qwen3-Omni-Flash
Qwen3-Omni-Flash adalah model omni-modal ringan yang lebih awal. Batasan API dan kapabilitasnya berbeda dari Qwen3.8-Omni-Flash, khususnya terkait jendela konteks 1M yang lebih baru, integrasi alat saat ini, dan kontrol penalaran yang diperluas.
Qwen3.8-Flash-Next
Qwen3.8-Flash-Next adalah model multimodal terkait di era Qwen3.8, tetapi tidak boleh diperlakukan sebagai model yang sama. Qwen3.8-Omni-Flash dirancang khusus untuk input omni-modal native termasuk audio dan video, sedangkan Qwen3.8-Flash-Next termasuk dalam lini model Qwen3.8 Flash/Next.
Use Case Qwen3.8-Omni-Flash
- Analisis rapat dan panggilan: merangkum rekaman panjang, mengidentifikasi poin diskusi, dan menghasilkan keluaran teks terstruktur.
- Pemahaman video: menganalisis kejadian, aksi, dialog, dan konteks audiovisual pada video panjang.
- Alur kerja subtitle dan transkrip: mengonversi konten audio/video menjadi keluaran teks atau berorientasi subtitle.
- Analisis konten multimedia: menggabungkan konteks gambar, audio, video, dan teks dalam satu alur analisis.
- Agen yang menyadari audio: memasukkan audio spasial atau multisaluran ke dalam aplikasi yang menggunakan alat.
- Pekerjaan pengetahuan dengan konteks panjang: menganalisis input multimodal besar dalam jendela konteks 1M token.
- Alur kerja media berbasis agen: menggabungkan pemahaman multimodal dengan pemanggilan fungsi dan pencarian web.
Batasan dan Catatan Integrasi
- Model ini hanya menghasilkan teks; tidak dimaksudkan untuk generasi suara/audio.
- Thinking diaktifkan secara default, dan perubahan upaya penalaran dapat memengaruhi latensi serta perilaku keluaran.
- Panjang input dan output maksimum bergantung pada mode thinking yang dipilih dan batasan API.
- Audio spasial multisaluran memerlukan parameter API yang sesuai (
use_multichannel) dan input yang kompatibel. - Ketersediaan kapabilitas dapat bervariasi menurut wilayah Alibaba Cloud; dokumentasi resmi mencantumkan Beijing, Singapura, Hong Kong, Tokyo, Frankfurt, dan Virginia sebagai wilayah yang didukung.
Cara Mengakses Qwen3.8-Omni-Flash dengan CometAPI
Bagi pengembang, keuntungan praktis menggunakan lapisan agregasi seperti CometAPI adalah Qwen3.8-Omni-Flash dapat diintegrasikan ke dalam aplikasi multi-model yang sudah ada tanpa membuat integrasi khusus penyedia untuk setiap model.
Alur integrasi tipikal adalah:
- Pilih
qwen3.8-omni-flashdi CometAPI. - Gunakan antarmuka API terpadu CometAPI untuk mengirim permintaan multimodal.
- Proses respons teks di aplikasi, agen, pipeline RAG, atau alur otomatisasi Anda yang sudah ada.
Ini sangat berguna ketika sebuah aplikasi sudah beralih di antara banyak model LLM, visi, audio, dan video. Alih-alih mempertahankan kredensial penyedia terpisah dan logika integrasi, aplikasi dapat menjaga lapisan pemilihan model tetap terpusat.