2026年9月18日，阿里巴巴Qwen团队正式推出Qwen3.8-Omni-Flash，这是一款原生全模态模型，支持文本、图像、音频和视频输入，上下文窗口达100万token，输出文本。该模型强调代理能力，可同时处理感知、规划、工具调用与任务执行，适用于长视频分析、会议总结、视频研究及多模态实时交互。[[1]](https://technode.com/2026/09/18/alibabas-qwen-releases-qwen3-8-omni-flash-with-1m-token-context/)
相比前代Qwen3.5-Omni-Plus，新模型在30项评估中平均得分提升超过26%，音频视频代理、编码和长上下文任务表现尤为突出，WildClawBench-MM提升36.5分，AgenticVBench提升22.3分。音频输入成本降幅超98%，音视频输入成本降幅超93%。Qwen称其音频视觉性能接近Gemini 3.8 Flash，并在音频性能上有所超越。模型现已通过Qwen AI平台、阿里云Model Studio及DashScope API上线，同时发布Qwen-MM-Plugins与开源Qwen-Live Harness支持实时工作流。[[2]](https://www.marktechpost.com/2026/09/18/alibaba-qwen-releases-qwen3-8-omni-flash/)
这一发布正值全球AI实验室围绕安全与对齐展开激烈辩论之际。中国开源/开源兼容模型在多模态代理领域的持续迭代，与美系闭源前沿模型形成鲜明对比。Qwen3.8-Omni-Flash的1M上下文与低成本代理特性，或将加速企业级音视频工作流的落地，也为中国模型在全球推理需求中的份额争夺提供新筹码。
下一步值得关注的是该模型在真实代理场景中的实际部署效果，以及是否会引发更多中外模型在成本与能力上的直接对标。
信源：https://technode.com/2026/09/18/alibabas-qwen-releases-qwen3-8-omni-flash-with-1m-token-context/