Qwen 发布原生全模态模型 Qwen3.8-Omni-Flash，主打音视频智能体任务交付

Qwen 发布下一代原生全模态模型 Qwen3.8-Omni-Flash，支持文本、图像、音频和视频输入及 1M token 上下文窗口，29 项评测平均分较 Qwen3.5-Omni-Plus 提升超过 25%，音频输入每小时价格下降超过 98%，音视频输入每小时价格下降超过 93%。

Qwen 发布 Qwen3.8-Omni-Flash，原生全模态，支持文本、图像、音频和视频输入及 1M token 上下文窗口，29 项评测平均分较 Qwen3.5-Omni-Plus 提升超过 25%，音频输入每小时价格下降超过 98%，音视频输入每小时价格下降超过 93%，并同步开放 API 与开源插件和运行时。

• Qwen 发布 Qwen3.8-Omni-Flash，原生全模态，支持文本、图像、音频和视频输入及 1M token 上下文窗口，29 项评测平均分较 Qwen3.5-Omni-Plus 提升超过 25%，音频输入每小时价格下降超过 98%，音视频输入每小时价格下降超过 93%，并同步开放 API 与开源插件和运行时。
• 原贴提到：Qwen 发布下一代原生全模态模型 Qwen3.8-Omni-Flash，支持文本、图像、音频和视频输入及 1M token 上下文窗口，29
• 来源：qwen.ai

Qwen 发布 Qwen3.8-Omni-Flash，这不是一次普通的版本迭代，而是把文本、图像、音频、视频统一进一个原生全模态入口，并把上下文拉到 1M token。这意味着音视频智能体的输入不再必须拆成 ASR、视觉理解和文本 LLM 多段拼接，模型可以端到端处理更长、更杂的素材。

为什么重要

信号里最硬的两组数字：29 项评测平均分较 Qwen3.5-Omni-Plus 提升超过 25%，音频输入每小时价格下降超过 98%，音视频输入每小时价格下降超过 93%。能力提升叠加成本骤降，会直接改变音视频场景的经济性——过去因为推理太贵而只能做短片段、抽样帧或离线批处理的任务，现在有机会做成实时或准实时产品。

同时，官方发布同步开放 API 和开源插件与运行时。这给了团队两条路径：先用 API 快速验证，再评估用开源运行时做私有化或深度集成。对于剪辑、会议、实时交互三类工作流，这种“模型+运行时”的组合比单点模型发布更接近可交付。

对谁有价值

一是做会议记录、音视频摘要、内容审核的团队，可以用单模型替代多模型管线，减少编排和状态传递。二是做剪辑辅助、素材检索、直播互动的产品，可以靠更低的小时成本和 1M 上下文处理长素材。三是独立开发者和小团队，API 与开源运行时降低了试错门槛，可以在垂直场景快速做出原型。

可以怎么行动

建议先建一个小评测集，覆盖自己的真实音频/视频样本，对比现有 ASR+LLM 或专用视觉模型管线，重点看准确率、延迟、长上下文切分成本和并发表现。然后核算音频、音视频输入的实际账单，确认价格下降是否传导到总成本。若考虑私有化，尽早确认开源插件与运行时的部署资源、许可条款和可维护性。最后，把验证过的提示词、工具调用和长上下文切分策略沉淀成内部模板。

风险或限制

评测是 29 项平均分，不代表每个细分任务都提升；音视频输入价格下降不等于总推理成本同比下降，长上下文、输出 token、并发和重试都会影响账单。原生全模态在通用任务上强，但在强合规、低延迟或极专用场景未必优于专用模型。原文未披露具体价格、延迟、上下文有效长度和多语言表现，落地前需要用自己数据实测。

这条内容的真正价值，不只是“有人发布了一个新功能”，而是它揭示了 qwen.ai 背后的产品方向、工作流变化或竞争信号。对 OPC 来说，这种信息可以转化成持续追踪的栏目选题。

如果把《Qwen 发布原生全模态模型 Qwen3.8-Omni-Flash，主打音视频智能体任务交付》放到你的内容系统里，它最大的价值在于帮助读者更快看懂“为什么值得关注”，而不是只看到一条碎片化动态。

• Qwen：Blog Retrieval（API） 原帖