速途网讯 9月18日，阿里发布新一代全模态大模型Qwen3.8-Omni-Flash。新模型能统一处理文本、图像、音频和视频输入，在多项音视频权威评测中可媲美最新的Gemini3.8-Flash，还拥有极强的Agentic能力，能自主规划任务、调用工具并交付结果，是国内首个全模态Agentic模型。用户提供歌曲、影视剧或会议视频并描述需求，模型即可配合Agent完成MV制作、影视剪辑、多人会议整理等任务。同时，相较上代模型，Qwen3.8-Omni-Flash输入价格骤降九成。

Qwen3.8-Omni-Flash采用全新架构，实现了全模态能力的显著提升。在累计30项评测上，相比上一代Qwen3.5-Omni-Plus，新模型平均得分提升超过26%。其中，长音频理解LongAudioSpan提升8.3分，音视频理解OmniVideoBench提升9.6分，覆盖音视频Agent、Coding和长程任务的WildClawBench-MM、AgenticVBench分别大幅提升36.5分和22.3分。通过扩展数据、上下文与Agentic环境，Qwen3.8-Omni-Flash的音频能力整体超过最新的 Gemini3.8-Flash。 同时，新模型支持113种语言及方言识别、36种语言及方言生成和百万上下文，可处理时间更长、人员角色更复杂的音视频内容。