阿里通义发布 Qwen3.8-Omni-Flash：百万上下文原生全模态
阿里 Qwen 团队发布原生全模态模型 Qwen3.8-Omni-Flash，支持文本/图像/音频/视频输入与百万 token 上下文，主打音视频理解与智能体工具调用，并宣称多项基准接近或超过 Gemini 3.8 Flash。
阿里通义推出 Qwen3.8-Omni-Flash，定位为原生全模态（omni）模型：可接受文本、图像、音频与视频输入，上下文窗口达 100 万 token，原生输出为文本，并通过函数调用与联网搜索驱动剪辑、会议摘要、影视制作与实时对话等智能体工作流。
官方称相对 Qwen3.5-Omni-Plus，在约 29–30 项评测上平均提升逾 25%，音频整体表现宣称超过 Gemini 3.8 Flash、音视频接近该模型；并称音频输入 API 小时成本降逾 98%、音视频降逾 93%。配套扩展了 Qwen-MM-Plugins，并开源面向实时音视频交互的 Qwen-Live Harness；模型已在通义/阿里云 Model Studio 等渠道上线。