Qwen3.8-Omni-Flash: Modelo Multimodal com Contexto de 1 Milhão de Tokens

Lançamento do Qwen3.8-Omni-Flash

Desenvolvedores descrevem esta versão como o primeiro modelo multimodal da linha construído em torno de capacidades agênticas. Ele compreende texto, imagens, áudio e vídeo como entrada, oferecendo uma janela de contexto de 1 milhão de tokens.

A compreensão e o processamento de vídeo foram significativamente aprimorados: o modelo entende muito melhor vídeos longos, pode gerar relatórios de pesquisa aprofundada ou legendas baseadas neles e não alucina códigos de tempo (timecodes). Enquanto isso, as capacidades de texto são mantidas no nível do padrão Qwen-3.8 Flash.

No geral, este modelo foi projetado como um elo intermediário para um pipeline completo futuro, destinado a cenários como edição de vídeo, tradução, comentários sobre filmes, criação de conteúdo, entre outros.

Em comparação ao anterior Qwen3.5-Omni-Flash, o consumo de tokens também diminuiu consideravelmente, resultando em preços mais baixos:

• O processamento de áudio é 98% mais barato;
• O processamento de áudio-vídeo é mais de 93% mais barato.

Isso é alcançado com desempenho comparável ao Gemini 3.8 Flash.

O modelo já está disponível na API e no Qwen Chat.