ИИтак
Поиск

← Назад

модель · Qwen · вышла 18 сентября

Qwen3.8 Omni Flash

Бюджетная модель Qwen, которая понимает видео и звук и сама вызывает инструменты: монтаж роликов, конспекты, расшифровка встреч

О модели

Qwen3.8-Omni-Flash — модель Alibaba из линейки Qwen. В одном запросе она разбирает текст, картинки, звук и видео, а отвечает текстом. Устроена она так же, как текстовая Qwen3.8-Flash-Next, и, по словам лаборатории, с текстом справляется на уровне текстовой модели того же размера. Qwen называет её своей первой всеядной моделью, которую строили вокруг агентных возможностей. Это значит, что она не просто пересказывает ролик или запись, а планирует задачу, вызывает инструменты и доводит работу до результата.

Перед ответом модель рассуждает, и глубину рассуждений можно настраивать. Кроме обычной версии для готовых файлов есть Qwen3.8-Omni-Flash-Realtime: она работает с низкой задержкой и нужна для живого разговора голосом и по видео. По замерам Qwen, в среднем по 29 тестам модель на 25% с лишним лучше предшественницы Qwen3.5-Omni-Plus, а в агентном тесте WildClawBench-MM прибавила 36,5 балла. Больше всего она продвинулась в работе со звуком. На тесте AliMeeting нужно различать, кто из собеседников говорит, и здесь доля ошибок упала с 88% до 3,4%. Лаборатория заявляет, что со звуком модель справляется лучше Gemini 3.8 Flash, а по видео со звуком почти догоняет её.

Её берут для процессов вокруг аудио и видео: монтаж роликов, клипы под музыку, съёмка фильмов и закадровые комментарии, конспекты записей, разговор с помощником голосом и по видео. Среди задач Qwen также называет программирование, интеллектуальный труд и работу с графическим интерфейсом программ. Модель понимает объёмный звук с двумя и четырьмя каналами и распознаёт речь на 74 языках и 39 диалектах китайского. Час звука в API, по данным Qwen, стал стоить на 98% с лишним меньше, чем у прошлой версии, а час видео со звуком — на 93% с лишним меньше.

Gemini 3.8 Flash она обходит не везде. На части видеотестов, по замерам самой Qwen, впереди конкурент: в OmniVideoBench у Gemini 65,2 балла против 63,4 у Qwen. Веса модели закрыты, работать с ней можно только через облако Alibaba: QwenCloud, Model Studio и Qwen Studio.

источники:Анонс Qwen3.8-Omni-Flash ↗Документация Model Studio ↗Страница модели в QwenCloud ↗

Новости о модели

все упоминания · 28

  1. Qwen3.8 на ноутбуке Уиллисона определила по числовым параметрам, во что играют нейросети

    Уиллисон показал, что определить по числовым параметрам нейросети, во что она играет, может не только GPT-6 Astra, но и открытая модель на 17 ГБ — правда, на каждый ответ уходит около часа.

  2. Движок TokenSpeed ускорил Qwen3.8-Flash-Next до 685 токенов в секунду

    Открытый движок TokenSpeed выдаёт ответ модели Alibaba со скоростью 685 токенов в секунду, если на четырёх ускорителях NVIDIA GB300 работает один пользователь.

  3. Рассуждая по шагам, Qwen3.8 27B почти без ошибок сложила большие числа и записала ответ словами

    В опыте Саймона Уиллисона Qwen3.8 27B без рассуждений правильно посчитала и записала прописью около четверти сумм чисел до 13 цифр, а с рассуждениями — 167 из 169.

  4. Alibaba выпустила модель синхронного перевода речи Qwen3.8-LiveTranslate

    Модель Alibaba переводит живую речь с 60 языков, различает собеседников и озвучивает перевод их голосами. Отстаёт от говорящего она в среднем на 2,3 секунды.

  5. Alibaba выпустила Qwen3.8-Omni-Flash — модель, которая смотрит видео, слушает звук и работает с инструментами

    Qwen3.8-Omni-Flash принимает текст, картинки, звук и видео, держит контекст до 1 млн токенов и умеет вызывать инструменты. По данным Alibaba, обработка видео стоит примерно на 89% меньше, чем у Qwen3.5-Omni-Plus.

Данные: models.dev (MIT).