Tổng quan về Qwen3.8-Omni-Flash
Thông số chính
| Thông số | Chi tiết |
|---|---|
| Model ID | qwen3.8-omni-flash |
| Nhà cung cấp | Alibaba Cloud Model Studio / Qwen |
| Loại mô hình | Mô hình omni-modal gốc / đa phương thức |
| Đầu vào | Văn bản, hình ảnh, âm thanh, video |
| Đầu ra | Văn bản |
| Cửa sổ ngữ cảnh | 1M token |
| Đầu vào tối đa | 991,808 token ở chế độ không suy luận; 983,616 ở chế độ suy luận |
| Đầu ra tối đa | 131,072 token |
| Suy luận | Bật theo mặc định; có thể điều chỉnh mức độ suy luận |
| Mức độ suy luận | none, minimal, low, medium, high, xhigh, max |
| Gọi hàm | Được hỗ trợ |
| Tìm kiếm web | Được hỗ trợ thông qua công cụ Responses web_search tích hợp sẵn |
| Âm thanh | Hỗ trợ âm thanh không gian đa kênh; có thể bật stereo 2 kênh và FOA 4 kênh bằng use_multichannel |
| Kiểu API | Chat Completions và Responses |
| Trọng số mở | Không tìm thấy trọng số có thể tải xuống trong tài liệu chính thức của mô hình được lưu trữ đã được rà soát |
Qwen3.8-Omni-Flash là gì
Qwen3.8-Omni-Flash (qwen3.8-omni-flash) là mô hình omni-modal gốc của Alibaba Cloud dành cho hiểu âm thanh/video và phân tích nội dung đa phương thức. Mô hình chấp nhận đầu vào là văn bản, hình ảnh, âm thanh và video và tạo đầu ra chỉ văn bản thông qua API Chat Completions hoặc Responses. Alibaba định vị mô hình này cho năng suất trong thế giới thực và các quy trình tác tử kết hợp hiểu đa phương thức với lập kế hoạch, gọi công cụ và hoàn thành tác vụ.
Mô hình cung cấp cửa sổ ngữ cảnh 1M token, hỗ trợ suy luận với mức độ có thể điều chỉnh, gọi hàm, tìm kiếm web, bộ nhớ đệm ngữ cảnh và đầu vào âm thanh không gian/đa kênh. Mô hình khả dụng qua Alibaba Cloud Model Studio tại nhiều khu vực, bao gồm Nhật Bản (Tokyo), Singapore, Hong Kong, Bắc Kinh, Đức (Frankfurt) và Virginia.
Tính năng chính của Qwen3.8-Omni-Flash
1. Hiểu văn bản, hình ảnh, âm thanh và video gốc
Qwen3.8-Omni-Flash xử lý bốn phương thức đầu vào trong một mô hình: văn bản, hình ảnh, âm thanh và video. Điều này phù hợp với các quy trình trong đó thông tin thị giác và thính giác cần được diễn giải cùng nhau thay vì qua các pipeline tách rời.
2. Ngữ cảnh dài 1M token
Mô hình hỗ trợ cửa sổ ngữ cảnh 1M token, với độ dài đầu vào tối đa được ghi nhận là 991,808 token ở chế độ không suy luận và 983,616 token ở chế độ suy luận. Điều này cho phép phân tích đa phương thức dài và hội thoại kéo dài trong một ngữ cảnh yêu cầu đơn lẻ.
3. Suy luận có thể điều chỉnh
Suy luận được bật theo mặc định. API cung cấp bảy giá trị reasoning_effort: none, minimal, low, medium, high, xhigh và max. Tài liệu của Alibaba lưu ý có ánh xạ tương thích cho một số giá trị này.
4. Khả năng dùng công cụ
Mô hình hỗ trợ gọi hàm và có thể sử dụng tìm kiếm web thông qua Responses API. Điều này cho phép đầu vào đa phương thức trở thành một phần của các quy trình dùng công cụ, chẳng hạn phân tích bản ghi cuộc họp rồi gọi một hệ thống bên ngoài hoặc truy xuất thông tin hiện tại.
5. Âm thanh không gian và đa kênh
Qwen3.8-Omni-Flash hỗ trợ đầu vào âm thanh không gian. API được ghi nhận có thể bật xử lý đa kênh bằng use_multichannel, bao gồm stereo 2 kênh và FOA 4 kênh.
6. Quy trình năng suất cho âm thanh/video
Alibaba định vị cụ thể mô hình cho phân tích âm thanh/video, tóm tắt cuộc họp, tạo phụ đề, dịch sang văn bản hoặc phụ đề và phân tích nội dung đa phương tiện nói chung. Qwen cũng mô tả các kịch bản tác tử như chỉnh sửa video, tạo MV, sản xuất phim/video, thuyết minh, tóm tắt đa phương tiện và đối thoại âm thanh-video.
Hiệu năng benchmark của Qwen3.8-Omni-Flash
Tài liệu ra mắt của Alibaba báo cáo cải tiến so với thế hệ Qwen3.5-Omni-Plus trước đó trong các đánh giá đa phương thức. Phạm vi đánh giá được báo cáo gồm 30 bài đánh giá, với mức cải thiện trung bình hơn 26% so với Qwen3.5-Omni-Plus.
Kết quả nổi bật được báo cáo gồm:
- WildClawBench-MM: +36,5 điểm so với Qwen3.5-Omni-Plus.
- AgenticVBench: +22,3 điểm so với Qwen3.5-Omni-Plus.
- UniClawBench: 69,6 điểm.
Các con số này do nhà cung cấp báo cáo tại thời điểm ra mắt và cần được diễn giải trong bối cảnh phương pháp đánh giá và phiên bản mô hình so sánh do Alibaba sử dụng.
Qwen3.8-Omni-Flash vs Qwen3.8-Flash
| Tính năng | Qwen3.8-Omni-Flash | Qwen3.8-Flash |
|---|---|---|
| Đầu vào văn bản | Có | Có |
| Đầu vào hình ảnh | Có | Có |
| Đầu vào âm thanh | Có | Hỗ trợ đa phương thức, nhưng Omni được thiết kế chuyên cho các quy trình tích hợp âm thanh/video |
| Đầu vào video | Có | Có |
| Thiết kế omni-modal gốc | Có | Không |
| Âm thanh không gian | Có | Không phải năng lực cốt lõi |
| Ngữ cảnh | 1M | 1M |
| Gọi hàm | Có | Có |
| Tìm kiếm web | Có | Có |
| Định vị chính | Quy trình tác tử âm thanh/video + đa phương thức | Khối lượng công việc đa phương thức/đa mục đích tốc độ cao |
Tài liệu mô hình của Alibaba đặc biệt khuyến nghị Qwen3.8-Omni-Flash cho phân tích âm thanh/video và phân tích nội dung, while po
Qwen3.5-Omni-Plus
Qwen3.5-Omni-Plus là thế hệ omni-modal Qwen trước đó. Mô hình được định vị là mô hình omni-modal đầu bảng và hỗ trợ hiểu âm thanh/video, trong khi Qwen3.8-Omni-Flash tập trung rõ hơn vào phân tích âm thanh/video, các quy trình tác tử và đầu ra văn bản.
Qwen3-Omni-Flash
Qwen3-Omni-Flash là mô hình omni-modal gọn nhẹ ra đời trước. API và giới hạn năng lực của nó khác với Qwen3.8-Omni-Flash, đặc biệt ở cửa sổ ngữ cảnh 1M token mới, các tích hợp công cụ hiện tại và kiểm soát suy luận mở rộng.
Qwen3.8-Flash-Next
Qwen3.8-Flash-Next là mô hình đa phương thức cùng thời Qwen3.8 có liên quan, nhưng không nên coi là cùng một mô hình. Qwen3.8-Omni-Flash được thiết kế chuyên cho đầu vào omni-modal gốc bao gồm âm thanh và video, trong khi Qwen3.8-Flash-Next thuộc dòng mô hình Qwen3.8 Flash/Next.
Các trường hợp sử dụng của Qwen3.8-Omni-Flash
- Phân tích cuộc họp và cuộc gọi: tóm tắt các bản ghi dài, xác định điểm thảo luận và tạo đầu ra văn bản có cấu trúc.
- Hiểu video: phân tích sự kiện, hành động, đối thoại và ngữ cảnh nghe nhìn trên các video dài.
- Quy trình phụ đề và bản chép: chuyển đổi nội dung âm thanh/video thành văn bản hoặc đầu ra hướng tới phụ đề.
- Phân tích nội dung đa phương tiện: kết hợp hình ảnh, âm thanh, video và ngữ cảnh văn bản trong một quy trình phân tích duy nhất.
- Tác tử nhận biết âm thanh: nạp âm thanh không gian hoặc đa kênh vào các ứng dụng dùng công cụ.
- Công việc tri thức ngữ cảnh dài: phân tích đầu vào đa phương thức lớn trong cửa sổ ngữ cảnh 1M token.
- Quy trình tác tử truyền thông: kết hợp hiểu đa phương thức với gọi hàm và tìm kiếm web.
Hạn chế và lưu ý tích hợp
- Mô hình chỉ xuất văn bản; không dùng cho tạo giọng nói/âm thanh.
- Suy luận được bật theo mặc định, và thay đổi mức độ suy luận có thể ảnh hưởng đến độ trễ và hành vi đầu ra.
- Độ dài đầu vào và đầu ra tối đa phụ thuộc vào chế độ suy luận đã chọn và các ràng buộc của API.
- Âm thanh không gian đa kênh yêu cầu tham số API phù hợp (
use_multichannel) và đầu vào tương thích. - Khả năng sẵn có có thể khác nhau theo khu vực Alibaba Cloud; tài liệu chính thức liệt kê Bắc Kinh, Singapore, Hong Kong, Tokyo, Frankfurt và Virginia là các khu vực được hỗ trợ.
Cách truy cập Qwen3.8-Omni-Flash với CometAPI
Đối với nhà phát triển, lợi thế thực tiễn của việc sử dụng một lớp tổng hợp như CometAPI là có thể tích hợp Qwen3.8-Omni-Flash vào một ứng dụng đa mô hình hiện có mà không cần tạo tích hợp riêng theo từng nhà cung cấp cho mỗi mô hình.
Quy trình tích hợp điển hình:
- Chọn
qwen3.8-omni-flashtrong CometAPI. - Sử dụng giao diện API thống nhất của CometAPI để gửi yêu cầu đa phương thức.
- Xử lý phản hồi văn bản trong ứng dụng, tác tử, pipeline RAG hoặc quy trình tự động hóa hiện có của bạn.
Điều này đặc biệt hữu ích khi một ứng dụng đã chuyển đổi giữa nhiều mô hình LLM, thị giác, âm thanh và video. Thay vì duy trì thông tin xác thực và logic tích hợp riêng cho từng nhà cung cấp, ứng dụng có thể giữ lớp lựa chọn mô hình ở trạng thái tập trung.