Создавайте с CometAPIНужен один API для нескольких моделей?Протестируйте рабочий процесс в Playground, затем создайте API-ключ, когда модель и стоимость подойдут для вашего сценария.
Qwen3.8-Omni-Flash — нативная омнимодальная модель Alibaba Qwen для понимания текста, изображений, аудио и видео с текстом в качестве выходной модальности. Анонсирована 18 сентября 2026 года; сочетает контекстное окно 1M токенов, нативное аудио‑видео рассуждение, настраиваемые рассуждения, вызов функций, веб‑поиск, понимание пространственного звука и использование инструментов.
Главное изменение — не просто лучшее понимание видео. Qwen описывает модель как свою первую омнимодальную модель, построенную вокруг агентных возможностей: она понимает, что видит и слышит, планирует дальнейшие действия, вызывает инструменты и решает более длинные задачи, такие как монтаж влогов, перевод видео, создание пересказов фильмов, анализ встреч и мультимедийные исследования.
На запуске Qwen сообщила о по сравнению с Qwen3.5-Omni-Plus. Это результаты, заявленные поставщиком на момент запуска, а не независимые оценки.
Нативный омнимодальный ввод: Qwen3.8-Omni-Flash принимает текст, изображения, аудио и видео, а возвращает текст.
Агентные медиапроцессы: сочетает понимание медиа с планированием, вызовом функций и веб‑поиском.
Длинный контекст и глубина по аудио: хостинговая модель предоставляет контекстное окно 1M токенов и поддерживает мультиязычное, стерео и амбисоническое аудио первого порядка.
Приросты по бенчмаркам от вендора: наибольшие улучшения — в мультимодальных агентах, понимании длинного аудио, диаризации говорящих и аудиопривязке.
Доступность как сервис: модель доступна через хостинговые API; Qwen-MM-Plugins отдельно доступен с открытым исходным кодом для мультимодальных агентных сценариев.
Qwen3.8-Omni-Flash — это следующее поколение нативной омнимодальной модели Qwen. Вместо того чтобы рассматривать аудио или видео лишь как артефакты предобработки, она рассуждает в едином процессе над текстом, визуальными кадрами, речью, звуками окружения и временными связями. Поддерживаемые входы: текст, изображения, аудио и видео; текущий выход — текст.
Это различие по выходным данным важно. Официальная документация Alibaba Cloud позиционирует Qwen3.8-Omni-Flash для мультимодального понимания и агентного исполнения, в то время как сценарии с генерацией речи лучше соответствуют вариантам Omni, которые явно поддерживают аудиогенерацию.
Рамка запуска смещается от “воспринимать медиа” к “понимать, планировать, исполнять и доставлять результат”. Это делает модель релевантной для видеомонтажа, мультимедийных исследований, анализа встреч, обработки учебных видео и других сценариев, где нужно что‑то делать с медиа, а не просто их суммировать.
Спецификации Qwen3.8-Omni-Flash
Таблица ниже основана на официальных страницах Alibaba Cloud и QwenCloud; лимиты и цены могут отличаться по регионам и должны быть перепроверены перед публикацией или развёртыванием.
Параметр
Qwen3.8-Omni-Flash — официальная страница модели
Разработчик
Alibaba Qwen
Выпуск
18 сентября 2026
Тип модели
Нативная омнимодальная модель
Ввод / вывод
Текст, изображение, аудио, видео / текст
Контекстное окно
1,000,000 токенов
Максимальный ввод
991,808 токенов обычный; 983,616 токенов в режиме рассуждений
Максимальный вывод
131,072 токена
Макс. лимит рассуждений
До 262K токенов на QwenCloud
Рассуждения
Включено по умолчанию; настраиваемая интенсивность рассуждений
Инструменты и кэширование
Вызов функций, веб‑поиск, неявный кэш и сессионный кэш
Аудио
113 языков и диалектов; стерео и четырёхканальный FOA
Стили API
Chat Completions и Responses
Цена QwenCloud
$0.15 за ввод, $0.47 за вывод и $0.016 за ввод через implicit‑cache на 1M токенов
Открытые веса
Не объявлены для этой модели на запуске
Как работает Qwen3.8-Omni-Flash?
QwenCloud указывает, что Qwen3.8-Omni-Flash основана на архитектуре Qwen3.8-Flash-Next. Это даёт архитектурный контекст, однако опубликованные для Flash-Next числа параметров не следует автоматически представлять как точные параметры Omni‑модели, если Qwen не подтвердит соответствие.
Gated DeltaNet + Qwen Sparse Attention
База Flash-Next сочетает Gated DeltaNet с Qwen Sparse Attention. В упрощённом виде рекуррентный компонент сжимает историческую информацию в компактное состояние, а разрежённое внимание извлекает выбранный дальний контекст вместо плотного внимания ко всем парам токенов. Это особенно важно для длинных аудио‑ и видеопотоков, где длина последовательности доминирует в вычислительной стоимости.
Агентное восприятие вместо статического
Главное изменение — на уровне системы. Qwen утверждает, что модель может активно исследовать длинные видео и сосредотачиваться на релевантных моментах, а не тратить равные ресурсы на каждый сегмент. Концептуально агент выявляет, где вероятны свидетельства, глубже исследует эти моменты, рассуждает о них, а затем решает, какой инструмент или операция должны быть следующими.
Основные возможности Qwen3.8-Omni-Flash
Нативное аудио‑видео рассуждение
Qwen3.8-Omni-Flash рассуждает совместно по визуальному и аудиопотокам видео. Это важно, когда ответ зависит от обеих модальностей: определить, кто что сказал, решить, произошёл ли звук до или после действия, интерпретировать музыку или фоновый звук, связать проговорённые инструкции с тем, что на экране.
Понимание многоголосия и пространственного звука
API поддерживает многоканальное аудио, включая двухканальное стерео и амбисонику первого порядка (FOA). Сохранение направленной информации помогает в анализе встреч, воплощённых агентах, записи событий, многоголосых средах и аудиопривязке.
Настраиваемая интенсивность рассуждений
Режим рассуждений включён по умолчанию. Разработчики могут настраивать интенсивность рассуждений, балансируя задержку и расход токенов против глубины для сложных мультимедийных задач.
Вызов функций и веб‑поиск
Вызов функций и веб‑поиск — ключ к агентной позиции. Поняв видео, изображение или аудиофайл, модель может передать структурированные аргументы внешнему инструменту, получить дополнительную информацию или продолжить рабочий процесс вне модели.
Qwen-MM-Plugins
Qwen также выпустила Qwen-MM-Plugins — набор инструментов Apache-2.0 для нативных мультимодальных агентных каркасов. Среди сценариев — видеопроизводство, конвертация видео в заметки, обучение переносимым навыкам по демонстрационным видео и аудиовизуальная память.
Насколько хороша Qwen3.8-Omni-Flash на бенчмарках?
Остаётся ли Qwen3.8-Omni-Flash сильной в тексте и коде?
По результатам запуска модель Omni остаётся близка к родственной текстовой модели Flash на ряде оценок кода и рассуждений. Qwen сообщает 92.6 на LiveCodeBench v6, 63.3 на SWE-bench Pro и 91.0 на GPQA Diamond. Это результаты, заявленные поставщиком в условиях запуска, и их следует валидировать относительно задач кодирования и агентного каркаса, используемых в продакшене.
Qwen сообщает более 25% среднего улучшения по 29 оценкам по сравнению с Qwen3.5-Omni-Plus. Следующие таблицы суммируют официальные результаты запуска. Это первичные результаты и на момент публикации ещё не были независимо воспроизведены.
Условия оценки: статические строки измеряют один прогон модели в настройках запуска Qwen. Строки с пометкой “+ агент” включают окружающий агентный каркас, поиск или итеративный просмотр медиа. Официальные материалы запуска следует консультировать по шаблонам подсказок, настройкам сэмплирования, предобработке медиа и версиям каркасов; если детали не раскрыты, результат следует считать заявленным поставщиком, а не независимо воспроизводимым.
Главный сдвиг — от мультимодального понимания к мультимодальному исполнению. Ранее конвейеры часто транскрибировали аудио, семплировали кадры, отправляли артефакты в LLM, получали ответ, а затем опирались на отдельную логику приложения для выполнения задачи. Qwen3.8-Omni-Flash призвана сжать больше этого цикла в одну агентную систему.
Медиапроизводственный агент может изучить видео и аудио перед планированием монтажей. Агент для встреч может сочетать идентичность говорящих с содержанием речи и визуалами презентации. Исследовательский агент может найти релевантные моменты в часах аудиовизуального материала, а затем выполнить поиск внешнего контекста. В такой рамке аудио и видео становятся рабочим контекстом агента, а не пассивными вложениями.
Аудио‑видео агенты
Бенчмарк — официальный источник запуска
Qwen3.8-Omni-Flash
Qwen3.5-Omni-Plus
Gemini 3.8 Flash
WildClawBench-MM
71.0
34.5
58.9
UniClawBench
69.6
67.1
69.0
AgenticVBench
36.8
14.5
45.0
OmniGAIA
74.0
—
78.6
StreamingBench
80.8
57.1
79.9
Наибольший поколенческий скачок — WildClawBench-MM: по данным Qwen рост с 34.5 до 71.0. AgenticVBench также улучшился, при этом Gemini 3.8 Flash остаётся впереди на этом бенчмарке. Шаблон, таким образом, не сводится к универсальному “одна модель выигрывает всё”.
Аудио‑видео понимание и рассуждение
Бенчмарк
Qwen3.8-Omni-Flash
Qwen3.5-Omni-Plus
Gemini 3.8 Flash
OmniVideoBench
63.4
53.8
65.2
OmniVideoBench + агент
67.8
—
65.2
Video-MME-v2
65.0
—
71.0
Video-MME-v2 + агент
71.3
—
71.0
LVOmniBench
63.3
—
70.7
LVOmniBench + агент
73.6
—
70.7
JointAVBench
75.9
—
70.4
Статические строки дают смешанную картину. Gemini лидирует в нескольких традиционных тестах по видеорассуждению, но результат Qwen часто повышается внутри агентного цикла. Это различие важно лишь при условии, что продакшн‑приложение использует сопоставимые поиск/инструменты/итеративный просмотр.
Аудио и многоголосое понимание
Бенчмарк
Qwen3.8-Omni-Flash
Qwen3.5-Omni-Plus
Gemini 3.8 Flash
LongAudioSpan
82.7
74.4
79.3
AliMeeting DER ↓
3.4
88.1
72.6
AliMeeting cpWER ↓
17.2
89.6
53.1
FLEURS-ASR WER ↓
9.3
7.2
7.9
VoiceBench
91.6
92.9
92.3
Строки по встречам — явные лидеры, тогда как FLEURS-ASR и VoiceBench не улучшились относительно предшественника. Результаты запуска указывают, что выгоды больше в многоголосом, пространственном и длинноконтекстном аудио, а не в равномерном росте распознавания речи.
Qwen3.8-Omni-Flash vs Qwen3.5-Omni-Plus vs Gemini 3.8 Flash
Таблица объединяет официальную продуктовую информацию Qwen и официальную спецификацию Gemini 3.8 Flash от Google. Сравнения бенчмарков — выполнены Qwen и не должны рассматриваться как нейтральные третьесторонние рейтинги.
Параметр
Qwen3.8-Omni-Flash
Qwen3.5-Omni-Plus
Gemini 3.8 Flash
Архитектура
Основа Qwen3.8-Flash-Next; точное соответствие параметров Omni не раскрыто
Предыдущее поколение Qwen Omni
Проприетарная архитектура Google Gemini
Контекстное окно
1M токенов
Меньшие развернутые лимиты
1,048,576 входных токенов
Рассуждения
Настраиваемая интенсивность; режим рассуждений включён по умолчанию
Нет эквивалентного режима по умолчанию в указанной конфигурации
Низкий, средний и высокий уровни рассуждений
Мультимодальный ввод
Текст, изображение, аудио, видео
Текст, изображение, аудио, видео
Текст, изображение, видео, аудио и PDF
Выход
Текст
Текст и поддерживаемые речевые сценарии
Текст
Кодирование
Высокие заявленные показатели по коду; не главный дифференциатор
Не основное позиционирование
Разработана для долгосрочного софтверного инжиниринга и агентов
Доступность API
Chat Completions и Responses; хостинговый API
Хостинговые API Qwen
Gemini API; общедоступен
Инструменты
Вызов функций и веб‑поиск
Вызов функций и веб‑поиск
Вызов функций, поиск с привязкой, исполнение кода и другие встроенные инструменты
Опубликованные цены API
Qwen3.5-Omni-Plus остаётся актуальной, когда требуется генерируемая речь. Qwen3.8-Omni-Flash более явно оптимизирована под эффективное аудио‑видео понимание и инструментально ориентированное исполнение.
По сравнению с Gemini 3.8 Flash оценка Qwen смешанная: Qwen3.8-Omni-Flash конкурентоспособна в аудио, многоголосной обработке, привязке и ряде агентных рабочих процессов, тогда как Gemini лидирует в некоторых статических тестах по видеорассуждению. Разумное сравнение — по конкретной нагрузке.
Только текстовый выход: понимает аудио и видео, но не генерирует речь в качестве выходной модальности.
Хостинговое развёртывание: открытые веса не объявлены для Qwen3.8-Omni-Flash на запуске.
Свежие бенчмарки: основные сравнения — преимущественно первичные результаты, требующие независимой проверки.
Эффекты агентного каркаса: некоторые оценки включают поиск, инструментальную среду или итеративный просмотр и не должны путаться с результатами “только модель”.
Стоимость, зависящая от процесса: длинные видео всё ещё могут быть дорогими, если приложение повторно перерабатывает большие сегменты вместо использования поиска, кэширования или целевого просмотра.
Кому стоит использовать Qwen3.8-Omni-Flash?
Qwen3.8-Omni-Flash наиболее интересна, когда аудио или видео — часть самой задачи, а не вложение для краткого резюме. Подходящие сценарии включают интеллект встреч, поиск по длинным медиа, конвейеры перевода видео, рабочие процессы “урок‑в‑конспект”, медиапроизводственные агенты и аудиовизуальные архивы.
Для обычного текстового чата специализированная текстовая модель Flash может быть проще. Для приложений с речевым выходом лучше подойдёт Omni‑модель с явной аудиогенерацией. Для сценариев, сочетающих зрение, слух, рассуждение и действие, Qwen3.8-Omni-Flash — более выразительный вариант в линейке Qwen.
Заключение
Qwen3.8-Omni-Flash правильнее понимать как агентную аудио‑видео модель, а не просто очередной мультимодальный релиз Flash. Её контекст 1M, нативное аудио‑видео рассуждение, многоголосие и пространственный звук, настраиваемые рассуждения, вызов функций, поиск и экосистема Qwen-MM-Plugins нацелены на одно и то же: позволить ИИ‑системе перейти от понимания мультимедиа к работе с мультимедиа.
Данные запуска показывают существенный поколенческий скачок относительно Qwen3.5-Omni-Plus, особенно в агентных рабочих процессах и сложных аудиосценариях. По сравнению с Gemini 3.8 Flash собственные числа Qwen более сбалансированы. Важен не вопрос “какая модель выигрывает таблицу”, а то, какая комбинация модели и каркаса решает целевой рабочий процесс точно и экономично.
QwenCloud: $0.15 за ввод / $0.47 за вывод на 1M токенов
Зависит от региона и точки доступа
Вступительная цена Google: $0.75 за ввод / $3.75 за вывод на 1M токенов до 31 декабря 2026
Оптимальное применение
Медиа‑агенты и анализ
Omni‑диалоги и вывод речи
Широкие мультимодальные, кодовые и автономные агентные сценарии
Что такое Qwen3.8-Omni-Flash и как получить к нему доступ? - CometAPI
