阿里发布首个面向智能体能力的全模态模型 Qwen3.8-Omni-Flash

阿里云于 2026 年 9 月 18 日发布首个围绕智能体能力构建的全模态模型 Qwen3.8-Omni-Flash，展示了端到端音视频理解与工具调用的整合路径。

• 模型原生整合音视频感知、推理与工具调用能力，支持联合解析视音频内容并跨流程调用工具，以执行视频剪辑、翻译与摘要等任务。
• 官方测试数据显示，其在 WildClawBench-MM 与 UniClawBench 基准上的 Agent 表现平均提升 19.5 分，并在 OmniVideoBench 上借助主动探索机制降低 51.8% 的 Token 消耗。
• 上下文窗口达 1M Token，视频输入成本较 Qwen3.5-Omni-Plus 降低约 89%，同时开源了 Qwen-MM-Plugins 与 Qwen-Live Harness 配套工具。
• 影响/看点：若多模态交互与工具执行的低成本方案在实际生产中保持稳定，将有助于推动长视频智能处理与实时音视频 Agent 应用的落地。
• 资料依据：
• 阿里云（2026-09-18）：https://x.com/alibaba_cloud/status/2100801080959639624

本内容由 AI 生成，仅供参考，请注意甄别