阿里发布 Qwen3.8-Omni-Flash：看得懂音视频的国产全模态模型

一句话说清：阿里千问出了个新模型，能同时看懂文字、图片、声音和视频，音频处理成本砍了 98%，做会议纪要和视频分析便宜多了。

发生了什么

9 月 17 日，阿里千问团队发布 Qwen3.8-Omni-Flash，这是千问 3.8 系列里第一个原生全模态模型——也就是同一个模型能直接吃进四种输入：文字、图片、声音、视频，然后输出文字。

几个普通人能感知的点：

• 100 万词元（token）超长上下文，官方说能连续处理约一小时的音视频。
• 音频输入成本比上一代降了 98% 以上，音视频整体成本降了 93% 以上——意味着以前“跑一遍比人工还贵”的音视频分析，现在可以放心全量跑了。
• 支持“边看边干活的智能体”用法：不仅能看懂会议录音、产品视频，还能顺手调用搜索、写代码把结果交出来。
• 已经在阿里云百炼、通义千问、Hugging Face、ModelScope 上线。

对我有什么用

• 打工人：丢一段一小时会议录音进去，它能直接出结构化的会议纪要，不用再人工听写。
• 做短视频 / 自媒体：一条长视频丢进去，让它做切片、写解说、出摘要，成本大幅降低。
• 开发者：它开放了兼容其它厂商的接口和插件，可以接到你常用的编程工具里，给 AI 智能体加上“看视频、听语音”的能力。

我可以怎么做

1. 打开通义千问网页版（tongyi.com）或阿里云百炼（bailian.console.aliyun.com），登录账号。
2. 在模型列表里找到 qwen3.8-omni-flash，直接用网页对话框上传一段音频或视频提问，例如：“总结这段会议的核心结论，列出 3 个关键时间点。”
3. 开发者想接 API：在百炼控制台创建密钥，用兼容 OpenAI 格式的接口调用，模型名填 qwen3.8-omni-flash。
4. 想做实时会议助手，可以搜官方开源的 Qwen-Live Harness 和 Qwen-MM-Plugins 插件库。

温馨提醒

• 目前公布的性能数字都来自阿里官方自报，独立复测和实际生产环境的稳定性还要再观察。
• 模型权重是否开源还没完全确认，要做私有化部署先看清授权说明，别踩合规坑。
• 长视频建议用百炼的异步接口或分片上传，一次性塞太大文件容易超时。