Qwen3.8-Omni-Flash 这次把音视频和智能体放进一个模型了

临时TinyApp · 2026-09-19T01:23:03.231Z

Qwen团队最近放出了 Qwen3.8-Omni-Flash，支持文本、图像、音频和视频四种输入，上下文窗口做到100万 Token。官方数据里，它相比上一代 Qwen3.5-Omni-Plus，在29项基准测试中的平均成绩提升超过25%，标题里还提到音频成本降低98%。我比较在意的是处理方式：语音、画面和文字直接交给同一个模型理解，不再分别接一套识别模块。理解完之后还能继续规划任务、调用工具，把后面的活接着做下去。要是实际效果能稳住，处理会议录音、视频内容和多步骤任务会方便不少。 #AI工具

讨论话题

发现产品榜单精选讨论