阿里通义团队9月19日正式发布新一代原生全模态模型Qwen3.8-Omni-Flash。该模型面向音视频Agent场景设计，支持文本、图像、音频、视频四类输入，具备100万Token长上下文与工具调用能力。官方披露，模型在30项评测中的平均表现较上代提升超过26%，音频能力整体超过Gemini 3.8 Flash。
商业层面，这次发布直接把音视频场景的使用成本大幅压低：每小时音频输入价格较上代下降超过98%，音视频输入整体降幅超过93%。同步开源的还有Qwen-MM-Plugins工具集与Qwen-Live Harness实时交互评测框架。应用场景上，模型可完成视频剪辑、短剧翻译配音、电影解说与会议纪要等端到端工作流，Agentic理解准确率升至67.8%。
【AICOR点评】成本下降一个数量级意味着商业模式被重新定义：过去只敢小规模试用的音视频内容生产，现在可以变成规模化、常态化的流水线。企业内容团队下一步要思考的不是能不能用AI做视频，而是如何把创意判断与工程交付拆成两个环节，让模型负责后者，人专注前者。
版权声明 本文由 AI 辅助整理，基于公开报道转写，信息版权归原作者及原媒体所有；内容仅作行业信息分享，不构成任何投资或商业建议。
如涉版权问题，请联系 AICOR（400-601-8080 / 微信 aicor-ai），我们将在收到通知后及时处理。
