Alibaba выпустила Qwen3.8-Omni-Flash: модель смотрит и слушает часовые видео и в 10 раз дешевле Gemini
Понимать видео и звук на уровне лидеров теперь стоит копейки — мультимодальные агенты станут массовыми.
Модель принимает текст, картинки, звук и видео с контекстом до 1 млн токенов, отвечает текстом и умеет сама вызывать инструменты: например, разобрать длинную встречу, перевести сериал или смонтировать клип. По данным Qwen, в среднем по 29 тестам она на 25% лучше Qwen3.5-Omni-Plus. На OmniVideoBench точность выросла с 63,4 до 67,8, а токенов уходит на 45,7% меньше. Цена — $0,15 за миллион входных и $0,47 за миллион выходных токенов против $1,50/$9,00 у Gemini 3.8 Flash, к которой модель, по заявлению Qwen, близка по аудио и видео. Веса не открыты, доступ только через API.
Источники 2