阿里通义千问发布Qwen3.8-Omni-Flash多模态模型，支持文本、图像、音频、视频输入，上下文长度达1M（100万token），30项评测平均性能提升26%。

核心能力

  • 全模态输入：文字+图片+音频+视频
  • 1M长上下文：可处理整本书或数小时视频
  • 音视频增强：专门优化了音频和视频理解能力
  • 价格优化：API定价进一步下调

适用场景

  1. 长文档分析：整本书、合同集、代码库
  2. 视频理解：长视频内容分析、会议纪要
  3. 音频处理：多语言语音识别、音频内容理解
  4. 多模态Agent：结合视觉和听觉的智能助手

国产模型格局

国产第一梯队已形成：

  • Qwen3.8-Max：综合能力国产第一
  • DeepSeek V4.1 Flash：开源Agent能力最强
  • GLM-5.3：智谱旗舰
  • MiniMax M3：AI视频最强
  • 小米MiMo-V2.6：新晋开源第一

竞争激烈，用户受益。