Qwen3.8-Omni-Flash 概覽
主要規格
| 規格 | 詳細資訊 |
|---|---|
| Model ID | qwen3.8-omni-flash |
| Provider | Alibaba Cloud Model Studio / Qwen |
| Model type | 原生 omni-modal／多模態模型 |
| Input | 文字、影像、音訊、影片 |
| Output | 文字 |
| Context window | 1M tokens |
| Maximum input | 非 thinking 模式為 991,808 tokens；thinking 模式為 983,616 tokens |
| Maximum output | 131,072 tokens |
| Thinking | 預設啟用；可調整推理強度 |
| Reasoning effort | none, minimal, low, medium, high, xhigh, max |
| Function calling | 已支援 |
| Web search | 透過內建的 web_search Responses 工具支援 |
| Audio | 支援多聲道空間音訊；可透過 use_multichannel 啟用 2 聲道立體聲與 4 聲道 FOA |
| API styles | Chat Completions 與 Responses |
| Open weights | 在已審閱的官方託管模型文件中未發現可下載的權重 |
什麼是 Qwen3.8-Omni-Flash
Qwen3.8-Omni-Flash (qwen3.8-omni-flash) 是 Alibaba Cloud 的原生 omni-modal 模型，用於音訊/影片理解與多模態內容分析。它可接收文字、影像、音訊與影片作為輸入，並透過 Chat Completions 或 Responses API 輸出僅限文字的結果。Alibaba 將其定位於結合多模態理解、規劃、工具呼叫與任務完成的真實場景生產力與代理式工作流程。
該模型提供 1M-token 的上下文視窗，支援具可調整推理強度的 Thinking、函式呼叫、網路搜尋、上下文快取，以及空間/多聲道音訊輸入。它可在多個地區透過 Alibaba Cloud Model Studio 使用，包括日本（東京）、新加坡、香港、北京、德國（法蘭克福）與維吉尼亞。
Qwen3.8-Omni-Flash 的主要功能
1. 原生的文字、影像、音訊與影片理解
Qwen3.8-Omni-Flash 在單一模型中處理四種輸入模態：文字、影像、音訊與影片。這使其適合需要同時解讀視覺與聽覺資訊、而非由分離管線處理的工作流程。
2. 1M-Token 長上下文
該模型支援 1M-token 的上下文視窗，文件中記載的最大輸入長度為：非 thinking 模式 991,808 tokens、thinking 模式 983,616 tokens。這使得長篇多模態分析與在單一請求上下文中的長時間對話成為可能。
3. 可調整的 Thinking
Thinking 預設啟用。API 提供七個 reasoning_effort 值：none、minimal、low、medium、high、xhigh、max。Alibaba 的文件指出其中部分值的相容性對應。
4. 代理式工具使用
該模型支援函式呼叫，並可透過 Responses API 使用網路搜尋。這使多模態輸入能成為工具使用工作流程的一部分，例如分析會議錄音，然後呼叫外部系統或擷取最新資訊。
5. 空間與多聲道音訊
Qwen3.8-Omni-Flash 支援空間音訊輸入。文件中的 API 可透過 use_multichannel 啟用多聲道處理，包括 2 聲道立體聲與 4 聲道 FOA 空間音訊。
6. 音訊/影片生產力工作流程
Alibaba 明確將該模型定位於音訊/影片分析、會議摘要、字幕生成、轉換為文字或字幕，以及更廣泛的多媒體內容分析。Qwen 亦描述了代理式情境，如影片剪輯、音樂影片創作、影/視製作、旁白、多媒體摘要與音影片對話。
Qwen3.8-Omni-Flash 的基準表現
Alibaba 的發佈資料報告其在多模態評測上相較先前的 Qwen3.5-Omni-Plus 世代有提升。發佈涵蓋了共計 30 項評測，平均相較 Qwen3.5-Omni-Plus 提升超過 26%。
報告的重點結果包括：
- **WildClawBench-MM：**相較 Qwen3.5-Omni-Plus +36.5 分
- **AgenticVBench：**相較 Qwen3.5-Omni-Plus +22.3 分
- **UniClawBench：**69.6 分
這些數據為供應商在發佈時報告的結果，解讀時應考量評估方法與 Alibaba 所採用的比較模型版本。
Qwen3.8-Omni-Flash 與 Qwen3.8-Flash 的比較
| 功能 | Qwen3.8-Omni-Flash | Qwen3.8-Flash |
|---|---|---|
| 文字輸入 | 是 | 是 |
| 影像輸入 | 是 | 是 |
| 音訊輸入 | 是 | 支援多模態，但 Omni 專為整合音訊/影片的工作流程設計 |
| 影片輸入 | 是 | 是 |
| 原生 omni-modal 設計 | 是 | 否 |
| 空間音訊 | 是 | 非主要特性 |
| 上下文 | 1M | 1M |
| 函式呼叫 | 是 | 是 |
| 網路搜尋 | 是 | 是 |
| 主要定位 | 音訊/影片 + 多模態代理式工作流程 | 快速多模態/通用型工作負載 |
Alibaba 的模型文件特別推薦 Qwen3.8-Omni-Flash 用於音訊/影片分析與內容分析，while po
Qwen3.5-Omni-Plus
Qwen3.5-Omni-Plus 是先前的 Qwen omni-modal 世代。它被定位為旗艦 omni-modal 模型並支援音訊/影片理解，而 Qwen3.8-Omni-Flash 更著重於音訊/影片分析、代理式工作流程與文字輸出。
Qwen3-Omni-Flash
Qwen3-Omni-Flash 是較早的輕量 omni-modal 模型。其 API 與能力限制與 Qwen3.8-Omni-Flash 不同，特別是在新的 1M-token 上下文、目前的工具整合，以及擴展的推理控制方面。
Qwen3.8-Flash-Next
Qwen3.8-Flash-Next 是 Qwen3.8 時期的相關多模態模型，但不應視為同一模型。Qwen3.8-Omni-Flash 專為包含音訊與影片在內的原生 omni-modal 輸入而設計，而 Qwen3.8-Flash-Next 則屬於 Qwen3.8 的 Flash/Next 模型系列。
Qwen3.8-Omni-Flash 的使用案例
- 會議與通話分析：摘要長時間錄音、識別討論重點，並產出結構化文字輸出。
- 影片理解：分析長影片中的事件、動作、對話與影音上下文。
- 字幕與逐字稿工作流程：將音訊/影片內容轉成文字或以字幕為導向的輸出。
- 多媒體內容分析：在單一分析工作流程中結合影像、音訊、影片與文字上下文。
- 音訊感知代理：將空間或多聲道音訊輸入至使用工具的應用程式。
- 長上下文知識工作：在 1M-token 上下文視窗中分析大型多模態輸入。
- 代理式媒體工作流程：結合多模態理解、函式呼叫與網路搜尋。
限制與整合注意事項
- 該模型僅輸出文字；不適用於語音/音訊生成。
- Thinking 預設啟用，且推理強度的調整可能影響延遲與輸出行為。
- 最大輸入與輸出長度取決於所選的 thinking 模式與 API 限制。
- 多聲道空間音訊需要適當的 API 參數（
use_multichannel）及相容的輸入。 - 能力可用性可能因 Alibaba Cloud 所在區域而異；官方文件列出北京、新加坡、香港、東京、法蘭克福與維吉尼亞為支援地區。
如何透過 CometAPI 存取 Qwen3.8-Omni-Flash
對開發者而言，使用 CometAPI 等聚合層的實際優勢在於：可在既有的多模型應用中整合 Qwen3.8-Omni-Flash，而不必為每個模型建立單獨的供應商特定整合。
典型的整合流程：
- 在 CometAPI 中選擇
qwen3.8-omni-flash。 - 使用 CometAPI 的統一 API 介面傳送多模態請求。
- 在現有的應用程式、代理、RAG 流程或自動化工作流程中處理文字回應。
當應用已在多個 LLM、視覺、音訊與影片模型之間切換時，這尤其有用。應用程式不必維護各自的供應商憑證與整合邏輯，而是可將模型選擇層集中管理。