Premiera Qwen3.8-Omni-Flash: Multimodalny model z kontekstem 1 mln tokenów

Premiera Qwen3.8-Omni-Flash

Programiści określają go jako pierwszy w tej linii model multimodalny zbudowany wokół zdolności agentowych (agentic capabilities). Model przyjmuje jako dane wejściowe tekst, obrazy, dźwięk oraz wideo, dysponując oknem kontekstowym wynoszącym 1 milion tokenów.

Znacznie ulepszono funkcje rozumienia i przetwarzania wideo: model lepiej radzi sobie z długimi nagraniami, potrafi generować na ich podstawie dogłębne raporty badawcze lub opisy, a także nie „halucynuje” znaczników czasu (timecodes). Jednocześnie możliwości w zakresie przetwarzania tekstu pozostają na poziomie standardowego modelu Qwen-3.8 Flash.

Ogólnie rzecz biorąc, ten model został zaprojektowany jako ogniwo pośrednie dla przyszłego pełnego pipeline’u scenariuszy takich jak edycja wideo, tłumaczenie, komentarze filmowe czy tworzenie treści.

W porównaniu z poprzednią wersją Qwen3.5-Omni-Flash zużycie tokenów również znacząco spadło, co przełożyło się na niższe ceny:

• Przetwarzanie audio jest tańsze o 98%;
• Przetwarzanie audio-wideo jest tańsze o ponad 93%.

Takie wyniki osiągnięto przy wydajności porównywalnej z Gemini 3.8 Flash.

Model jest już dostępny w API oraz w Qwen Chat.