29 项平均分涨超 25%，时价按两分钟的 30 倍估算：Qwen3.8-Omni-Flash

29 项平均分涨超 25%，时价按两分钟的 30 倍估算：Qwen3.8-Omni-Flash

阿里云社区在 2026 年 9 月 20 日介绍了全模态模型 Qwen3.8-Omni-Flash。它要做的不是只看懂音视频，而是在看懂之后规划任务、调用工具并交出成品。评测数字和价格口径写在同一段，两边不能混读。

先看 29 项和两笔价格

文本、图像、音频、视频都能进，上下文窗口是 1M token。原文说文本表现和同尺寸纯文本模型相当。29 项评测的平均分比 Qwen3.5-Omni-Plus 提高超过 25%。音频输入的时价降幅超过 98%，音视频输入的时价降幅超过 93%。

时价不是准确率。脚注写明：按两分钟素材输入成本的 30 倍估算一小时；音视频用 720p、1fps。Gemini 3.8 Flash 的 media_resolution 取 high，Seed 2.0 Lite 的 max_frame_tokens 取 384，其余 API 参数用默认值。文本输入和输出价格按每 1M token 的人民币计，Gemini 与 Muse 从美元换算，汇率 1 USD = 6.7191 CNY。

这 29 项的名单也在脚注里。音频推理：AliMeeting-test、AISHELL-4、MagicData-RAMC、MLC-SLM（en）、WenetSpeech（Net | Meeting）、FLEURS-60 ASR、FLEURS-60 S2TT、SpotSoundBench、MMAU、MMAR、MMSU、MuchoMusic-RUL、HumMusQA、MusTBench、Audio-MultiChallenge、WildSpeech、VoiceBench。音视频推理：DailyOmni、WorldSense、AVUT、JointAVBench、OmniCloze、OmniCap-IF、QIVD、OmniVideoBench、StreamingBench。音视频 Agent：WildClawBench-MM、UniClawBench、OmniGAIA。正文没有给出 29 项各自的绝对分。

音视频 Agent、编程和长程任务上，WildClawBench-MM 提高 36.5 分，AgenticVBench 提高 22.3 分，UniClawBench 得到 69.6。长音频和音视频理解里，LongAudioSpan 提高 8.3 分，OmniVideoBench 提高 9.6 分。OmniCap-IF 的 CSR 提高 8.5 分，ISR 提高 14.1 分。AliMeeting 的 DER 和 cpWER 从 88.11 / 89.61 降到 3.35 / 17.18。原文的对照结论是：音频表现超过 Gemini 3.8 Flash，音视频表现接近 Gemini 3.8 Flash。没有写出 Gemini 在这 29 项上的平均分。

长视频不看完全片，省下的是 token

数小时视频如果从头看到尾，算力和 token 都花在无关片段上。Qwen3.8-Omni-Flash 的原生 Agent 从问题出发，自己决定看哪一段、听哪一段，用多轮由粗到细的取证定位关键信息。

OmniVideoBench 上，Agentic Understanding 相对 Static Understanding，准确率从 63.4 提到 67.8，每条查询的 token 从 145,736 降到 79,117，大约少 45.7%。注记写明：Agentic 模式跨轮保留上下文。所以 token 下降不能单独理解成「每轮都从零开始还更省」。

会议场景里，说话人会轮流、重叠，指代也会变。模型把音频和视频里的说话人一起认，原生支持最长 1 小时的音视频输入，端到端做说话人切分、转写和身份对齐。再接到工具之后，可以发邮件、整理任务，甚至按会议要求开始写代码。1 小时是输入上限，不是评测得分。

和 Gemini 比的时候要看模式

Agentic Omni Understanding 让模型从问题出发规划、调用工具、逐步核对证据。对照模型是 Gemini 3.8 Flash。两种设置：Static 是直接理解输入；Agent 模式用的是 Qwen Code。

OmniVideoBench（音视频推理）：Qwen Static 63.4，Qwen Code 67.8；Gemini Static 65.2，Qwen Code 下的 Gemini 70.1。Video-MME-v2（音视频推理）：65.0 / 71.3，对照 71.0 / 72.7。LVOmniBench（长视频推理）：63.3 / 73.6，对照 70.7 / 70.7。Gemini 在 LVOmniBench 上，Agent 模式没有从 70.7 再涨。Qwen 在三行上都涨了，但 OmniVideoBench 和 Video-MME-v2 的 Agent 分数仍然低于同一模式下的 Gemini。

12 小时改小模型，只报了一个 CER

他们给 Qwen3.8-Omni-Flash 的任务是：12 小时内改进 Qwen2.5-Omni-3B 的四川话语音识别，并交出可用模型。它自己选了 WenetSpeech-Chuan，固定评测标准，建立基线，听样本、看识别结果、造针对性训练数据。连续四轮实验做出 3,413 条训练样本，有效的留下，无效的回滚。同一评测集上，字错误率从 25.79% 降到 15.30%，相对降幅大约 40.7%。原文没有给出其余方言、其余指标，也没有给出这 12 小时里失败轮次的分数。

实时接口 Qwen3.8-Omni-Flash-Realtime 另写了吞吐和延迟，正文没有给出具体毫秒数或 QPS。语音识别覆盖 74 种语言、39 种方言；语音生成覆盖 29 种语言、7 种方言。reasoning_effort 有三档：xhigh 是默认，用于要深入分析的复杂任务；medium 平衡准确和速度；low 偏向速度和成本。preserve_thinking 默认在所有场景打开。这些是接口设置，不是评测结果。

读的时候只保留原文给得出的边界：超过 25% 是 29 项平均分相对 Qwen3.5-Omni-Plus，不是对 Gemini；超过 98% 和超过 93% 是按脚注口径估算的时价，不是准确率；145,736 到 79,117 只对应 OmniVideoBench 这一张表；Gemini 的 70.7 在 LVOmniBench 的两种模式里没有变化；15.30% 只是四川话这一套评测集的 CER。

出处：阿里云，Alibaba Cloud Community，Qwen3.8-Omni-Flash: Omni Senses. Agentic Delivery.，2026-09-20，https://www.alibabacloud.com/blog/qwen3-8-omni-flash-omni-senses--agentic-delivery-_603580