摘要：
2026年9月18日，阿里千问正式推出Qwen3.8-Omni-Flash，一款原生全模态大模型。它把文本、图像、音频、视频四种模态压进同一套架构，输出为... 2026年9月18日，阿里千问正式推出Qwen3.8-Omni-Flash，一款原生全模态大模型。它把文本、图像、音频、视频四种模态压进同一套架构，输出为纯文本，上下文窗口1M tokens（输入991K/输出131K），音频侧支持2通道与4通道空间音频解析，通过DashScope提供API并兼容OpenAI协议。
原生全模态：不再“先转写再理解”
过去处理长视频，流程是ASR转写、抽帧做视觉理解、再交给文本模型规划任务，三步之间信息大量流失。Qwen3.8-Omni-Flash在单一架构内联合建模四种模态，判断“谁在什么时候说了什么”同时依赖音频与画面的口型、出镜状态，跨模态取证更稳。1M上下文可原生容纳数小时音视频，两小时会议录像整段输入，长程依赖任务一致性更好。
Agentic按需感知与多说话人取证
模型先粗粒度扫描定位候选片段，再细粒度调取音画核对，官方数据显示长视频理解的token消耗降低约45.7%。多人交替发言、声音重叠时纯音频方案容易混淆说话人，模型联合建模画面与音频流辅助消歧，多说话人识别AliMeeting DER仅3.4%，并支持39种中文方言。端到端可完成说话人切分、转录、身份对齐、纪要生成与待办执行，也能一句话完成短剧翻译的台词识别、口语化翻译、音色克隆配音与音轨重混。
与Gemini 3.8 Flash的对比
按官方逐项对比，Qwen3.8-Omni-Flash的强项集中在音频与多说话人场景：多说话人识别DER 3.4%，远优于Gemini 3.8 Flash的72.6%；音频定位67.2对39.7，音频理解81.8对76.9，音视频理解85.1对84.0，音视频Agent基准71.0对58.9，均领先。音频输入价较上代降超98%，长音视频成本大头在音频轨，降幅直接体现在账单上。代价是音视频推理63.4低于对手的65.2，需要深度画面情节推理的任务对手更稳。在AI工具导航的视角下，这种“音频强、画面推理稍弱”的偏科定位，反而让它在会议纪要、短剧译制、多说话人取证等场景更具性价比。
应用场景与使用方式
视频内容生产可用它完成解说文案、译制配音与MV制作；会议效率工具上传一小时录像即可产出纪要、待办与执行项；学习知识沉淀可把发布会、课程转为带时间戳的图文笔记；实时交互服务如口语陪练、智能客服依赖其低延迟流式能力。适用人群：影视与短视频团队、处理长会议与培训录像的企业、做音视频智能体的开发者。只处理纯文本或纯图像的业务，同门Qwen3.8-Flash性价比更高。
使用上，可先在千问AI平台搜索qwen3.8-omni-flash上传素材体验；API调用在阿里云百炼申请DashScope Key，兼容OpenAI接口；接入Agent框架可安装Qwen-MM-Plugins，让Claude Code、Qwen Code等获得原生音视频感知能力。
价格与开源
API定价输入¥0.8/百万tokens、输出¥2.7/百万tokens，缓存命中输入降至¥0.1。结合音视频输入降价超98%、音频输入降价超93%，长音视频批处理单次成本大幅下降。模型本体通过DashScope以API提供，官方同步开源Qwen-MM-Plugins为Agent框架提供按需感知与工具调用能力。对于关注AI办公软件推荐的团队，会议纪要与音视频内容生产正是其高频落地场景。