阿里釋出 Qwen3.8-Omni-Flash：100 萬上下文支援音影片即時互動

以前想讓 AI 幫你剪個片子或者翻譯一部短劇，流程往往麻煩得要命。你得先把音訊抽出來轉成文字，再把畫面拆成關鍵幀，最後一段段送給大模型拼湊。

本週阿里巴巴上線了 Qwen3.8-Omni-Flash，想徹底把這套繁瑣的中間環節砍掉。

這是一個原生音影片多模態模型，文本、音訊、圖片和影片全都能直接吃進去。更關鍵的是，它帶了 100 萬 token 的上下文視窗，折算下來大概能一口氣塞進 1 小時左右的影片，或者超過 10 小時的完整錄音。

拆解長影片，還能邊看邊聊

既然叫 Flash，速度自然是它的第一賣點。

它支援即時流式處理。說白了，你可以直接調出攝像頭對著房間，一邊移動一邊問它面前有啥，它能立刻即時理解並描述畫面。

如果你扔給它一段成片，它不僅能識別不同片段、自動打字幕，還能自主規劃並呼叫工具去完成粗剪或者短劇翻譯。

它甚至能幫你扒片。上傳影片之後，它可以把裡頭的人物角色、鏡頭運動軌跡、畫面構圖、臺詞對白以及環境聲音逐一拆出來分析。

按照官方放出的多模態測試資料，在絕大多數音影片理解和互動測試裡，Qwen3.8-Omni-Flash 跑分都壓過了深灰色柱子代表的 Gemini 3.8 Flash。在音訊推理和語音識別這幾項硬指標上，它也處在領先位置。

此外，比起之前的 3.5 版本，新版大幅縮減了 token 消耗。官方表示如果走 API 計費，每小時音影片輸入的呼叫成本比 Gemini Flash 還要便宜不少。

不過目前它並沒有像通義千問早期版本那樣直接開源，而是隻提供 API，目前需要通過 Chen AI 平臺訂閱對應的 token 計劃才能接入。

為什麼重要

我們認為，阿里這次的策略非常務實：它沒有去卷大而全的旗艦通用大模型，而是把刀刃對準了最耗算力的音影片吞吐場景。

對於做短劇出海、自媒體切片、播客整理或者安防監控分析的開發者來說，這款模型的價效比相當誘人。過去處理一小時音影片不僅速度慢，賬單也讓小團隊吃不消，現在單次長輸入的成本被壓到了極低水平，完全值得現在就接入測試。

它的聰明之處在於把自主工具呼叫和超大上下文綁在了一起。AI 不僅能「看懂」一小時的影片，還能自己去調剪輯工具動手切片段，這直接把工作流縮短了一大半。

但隱患也很明確。首先是它選擇了閉源走商業 API，對於許多對資料隱私極其敏感、希望私有化部署音影片管線的企業來說，這扇門暫時關上了。其次，雖然測試跑分壓過了 Gemini 3.8 Flash，但真正商用時的長文本影片檢索精度和複雜邏輯推理，依然需要經歷更嚴苛的現實業務檢驗。