Qwen3.8-Omni-Flash上线：自己看视频、调工具、交成片

动察 Beating AI 快讯，阿里千问上线原生全模态模型 Qwen3.8-Omni-Flash，支持文本、图片、音频、视频和 1M 上下文。 这代明显加强了音视频 Agent 能力。模型可以自己从视频里找信息、规划任务，再调用外部工具完成剪辑、配音和渲染。官方展示了长会议处理、短剧翻译、电影解说、MV 制作和视频转图文笔记等场景。 面对几小时的长视频，它也不用从头到尾全部处理。模型会先判断答案可能在哪，再逐步定位关键片段。OmniVideoBench 上，准确率从 63.4 提到 67.8，Token 消耗从 145,736 降到 79,117，少了 45.7%。 千问称，Qwen3.8-Omni-Flash 在 30 项评测上的平均成绩比 Qwen3.5-Omni-Plus 提升超过 26%，音视频能力接近 Gemini 3.8 Flash，音频能力整体超过后者。音频输入成本下降超过 98%，音视频输入下降超过 93%。 目前 Qwen3.8-Omni-Flash 模型权重尚未公开，只开放了 API。千问同时开源了 Qwen-MM-Plugins，可以装进 Claude Code、Codex、Gemini CLI、Qwen Code 等 Agent，给它们补上图片、音频、长视频处理和视频剪辑能力。 另一套 Qwen-Live Harness 更像实时调度层。用户可以直接和实时全模态模型说话，再把复杂任务交给 Gemini CLI、Claude Code、Codex 等后台 Agent 持续执行。它会跟踪任务进度，做完后再主动回来告诉你结果。