通义千问正式发布 Agent 原生全模态模型 Qwen3.8-Omni-Flash

通义千问团队于 2026 年 9 月 18 日正式发布 Agent 原生全模态模型 Qwen3.8-Omni-Flash，强调多模态感知与复杂任务规划执行的统一。

• 模型具备原生音视频联合理解与推理能力，可结合工具调用完成长流程视频解析、自动剪辑与内容转译。
• 在智能体基准 WildClawBench-MM 与 UniClawBench 上平均得分提升 19.5 分，官方称其音视频能力接近 Gemini 3.8 Flash。
• 支持 1M Token 上下文并具备 Agent 级主动感知机制，视频输入调用成本较上一代下降约 89%。
• 阿里同步开源了多模态插件库 Qwen-MM-Plugins 与测试套件 Qwen-Live Harness，并上线云端 API 与体验平台。
• 影响/看点：该模型将全模态理解与 Agent 工具调用深度绑定，若开源生态工具与低推理成本优势持续兑现，可能降低长流程音视频应用的开发门槛。
• 资料依据：
• 通义千问（2026-09-18）：https://x.com/Alibaba_Qwen/status/2100785962414702599

本内容由 AI 生成，仅供参考，请注意甄别