العربية Deutsch English Español Français 日本語 한국어 Bahasa Melayu Português (Brasil)Русский ไทย Tiếng Việt 繁體中文中文

全模态模型 Qwen3.8-Omni-Flash 发布：能力、API 与音视频 Agent 指南

2026年9月18日

Qwen3.8-Omni-Flash全模态模型多模态 API音视频 AgentQwen API

**全模态模型 Qwen3.8-Omni-Flash 正式上线。**它把文本、图像、音频和视频放进同一条 Agent 工作流，目标不只是“看懂内容”，而是从理解素材、规划任务、调用工具一直推进到交付结果。对需要处理长视频、会议录音、音乐视频和影视素材的开发者，这次发布的重点是音视频 Agent，而不是又一个只会对话的多模态模型。

本文根据 Qwen 大模型公众号发布材料整理，配图保留原文中的发布图和演示图；文章中的评测数字是官方披露结果，不是本站独立复测。模型是否已经出现在本站目录、实际倍率和扣费，以实时模型价格和真实账单为准。

全模态模型 Qwen3.8-Omni-Flash 与生产环境应用场景

Qwen3.8-Omni-Flash 支持哪些输入？

项目	发布材料中的信息
模型名称	Qwen3.8-Omni-Flash
输入模态	文本、图像、音频、视频
上下文	最长 1M Tokens
重点方向	音视频 Agent、编程、文本知识工作、GUI 操作
长程任务	长音视频理解、会议纪要与待办、视频研究报告、内容创作
配套工具	Qwen-MM-Plugins、Qwen-Live Harness

模型的实际 API 模型 ID、协议、上下文限制和区域可用性，需要以服务商的当前文档为准。不要因为发布稿提到“全模态”就假定所有兼容式网关都已经支持音频、视频和工具回传；接入时应分别验证文本、图片、音频、视频和工具调用。

官方评测：音视频 Agent 与长程任务提升明显

发布材料称，Qwen3.8-Omni-Flash 在累计 30 项评测上，相比上一代 Qwen3.5-Omni-Plus 平均提升超过 26%。其中几个更容易理解的变化是：

WildClawBench-MM 提升 36.5 分，关注音视频 Agent、编程和长程任务；
AgenticVBench 提升 22.3 分；
UniClawBench 得分 69.6；
LongAudioSpan 提升 8.3 分，OmniVideoBench 提升 9.6 分；
OmniCap-IF 的 CSR / ISR 分别提升 8.5 / 14.1 分；
AliMeeting 的 DER / cpWER 从 88.11 / 89.61 降至 3.35 / 17.18。

这些数字应结合测试集、提示词、工具环境和评价指标理解。比如 DER、cpWER 是会议识别相关错误指标，下降通常代表更好；而 Agent benchmark 的分数提升不能直接换算成所有生产任务的成功率。

长上下文不只是“能塞更多视频”

Qwen3.8-Omni-Flash 支持 1M 长序列，但长上下文的价值并不只是上传更大的文件。更实用的变化是，模型可以先根据问题决定“看什么、听什么”，再对相关片段进行由粗到细的多轮取证。

在官方材料引用的 OmniVideoBench 实验中，Agentic Understanding 将准确率从 63.4 提升至 67.8，同时 Token 消耗从 145,736 降至 79,117，下降约 45.7%。这说明主动取证可能减少无关片段的重复处理，但实际成本仍取决于文件时长、音视频编码、工具循环、输出长度和服务商计费方式。

Qwen3.8-Omni-Flash 的长音视频 Agentic Understanding 演示图

长会议：从记录转向执行

多人会议同时包含画面、声音、说话人切分、指代关系和项目上下文。发布材料称，Qwen3.8-Omni-Flash 支持最长一小时的音视频输入，可联合理解人物画面与语音内容，完成说话人切分、转录和身份对应，再生成会议纪要、待办和风险分析。

接入工具后，工作流可以继续向外延伸，例如发送邮件、整理任务，或根据会议需求开始编码。这里需要把“模型输出建议”和“真正执行外部动作”分开验收：生产环境应为发信、写文件、创建任务和运行代码设置明确的工具权限。

以视频为中心的深度研究

当用户对视频提出具体问题时，答案往往需要结合视频之外的网页、图片、文档和其他视频资料。Qwen3.8-Omni-Flash 可以先提炼视频中的关键问题，再组织多模态资料，形成图文并茂的研究报告。对于教程、课程、产品演示和影视素材，这比单纯生成一段摘要更接近实际工作流。

可控视频描述：同一段素材，不同业务输出不同结果

视频描述不应该只有一种固定答案。内容创作关心叙事，素材检索关心时间片段，资产管理关心人物、镜头、声音和结构化字段。

Qwen3.8-Omni-Flash 的定位是允许调用方控制描述对象、时间范围、信息粒度和输出格式。例如同一段素材可以分别输出：

面向编辑的三段式剧情梗概；
面向检索的时间戳、人物和关键动作；
面向资产库的 JSON 元数据；
面向字幕团队的说话人、语言和音频事件列表。

这类能力更适合与结构化输出、文件工具和检索系统一起设计，而不是只在聊天窗口里查看一段自然语言描述。

Qwen3.8-Omni-Flash 的音视频理解和内容生产应用示意

音视频生产与编辑：模型、工具和运行环境要一起升级

长音视频 Agent 面临的不只是模型能力问题，还包括文件存储、网络传输、多轮推理、时间轴编辑和结果交付。为此，发布材料介绍了两项配套开源项目：

Qwen-MM-Plugins：面向长音视频的按需感知、工具调用和工作流执行；
Qwen-Live Harness：面向实时、持续的全模态交互环境。

两者可以理解为不同的运行侧重点：一个更偏长程任务与素材处理，一个更偏实时交互。部署时需要单独核对依赖、显存、文件权限、外部网络和插件版本，不要把“仓库已开源”写成“本地一键可生产”。

Qwen3.8-Omni-Flash API 怎么接入？

如果服务商已经开放对应路由，建议先用一份小型、无敏感信息的素材做 Smoke Test：一张图片、一段几十秒音频、一段短视频，分别测试输入、输出、Token 用量和错误信息。

典型的兼容式 Chat Completions 请求形状如下，model 请替换为服务商实时模型目录中确认过的准确 ID；不要直接猜测模型名：

curl "$BASE_URL/chat/completions" \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen3.8-omni-flash",
    "messages": [{
      "role": "user",
      "content": [
        {"type": "text", "text": "总结这段素材的主题、说话人和三个关键时间点。"},
        {"type": "input_video", "video_url": {"url": "https://example.com/demo.mp4"}}
      ]
    }],
    "stream": false
  }'

上面的 input_video 仅用于说明多模态请求需要单独验证内容块格式，不代表所有兼容接口都接受这个字段。真实接入前应查看服务商文档，并分别记录：

接口是否支持视频 URL、Base64 或文件 ID；
单文件大小、时长、格式和下载超时限制；
音频/视频 Token 的计算方式与价格；
是否支持工具调用、结构化输出和流式返回；
失败重试是否会重复扣费。

如果你通过本站网关调用，请先打开实时模型价格，确认模型 ID、倍率和当前能力，再用小额余额验证真实账单。本站文章不会把官方发布价或其他平台价格直接当成本网站报价。

适合哪些场景？

1. 视频剪辑和素材检索

让模型先定位镜头、人物、动作和音频事件，再交给剪辑工具进行粗剪、字幕和章节整理。验收时应比较时间戳准确性和漏检率，而不只是看摘要读起来是否流畅。

2. 音乐视频与影视解说

模型可以同时理解画面、对白、音乐和叙事结构，再生成脚本、镜头说明或解说草稿。最终成片仍需要人工进行版权、事实和语言质量检查。

3. 会议和知识工作

会议视频可以进入转录、说话人识别、纪要、风险分析和任务创建流水线。涉及客户、员工或商业机密时，必须先确认数据存储与外部传输边界。

4. 多模态深度研究

把视频作为研究入口，结合网页、图片、文档和其他视频补充背景，适合课程复盘、产品调研和技术教程分析。

选型与接入清单

先确认服务商是否真的开放 Qwen3.8-Omni-Flash，不要只看新闻标题。
用无敏感的小文件分别测试文本、图片、音频和视频。
记录文件大小、时长、输入/输出 Tokens、延迟、缓存与实际扣费。
为 OCR、说话人识别、时间戳、视频问答和工具执行建立独立验收样本。
将视频理解、文件读取、任务创建、发信和代码执行放在不同权限边界内。
对长任务设置预算、超时、重试和人工接管条件。
将模型版本、请求日期、服务商、协议和返回结构写入可追溯日志。

常见问题

Qwen3.8-Omni-Flash 是普通视觉模型吗？

不是。它的发布定位是原生全模态模型，输入覆盖文本、图像、音频和视频，并把音视频理解与 Agent 工具执行结合起来。

它支持多长的视频？

发布材料提到最长一小时的音视频输入，以及 1M 长上下文。具体上限仍可能受 API、文件大小、编码、区域和服务商实现影响，应以当前接口文档和实际请求为准。

1M 上下文是否代表成本一定更低？

不代表。长上下文扩大了可处理范围，但文件上传、音视频 Token、工具循环和输出都会产生成本。Agentic 取证有机会减少无关处理，但必须通过真实用量验证。

Qwen-Live Harness 和 Qwen-MM-Plugins 有什么区别？

前者面向实时、持续的全模态交互运行环境；后者面向长音视频的按需感知、工具调用和工作流执行。两者都是配套项目，不等同于同一个 API 模型。

本站已经支持 Qwen3.8-Omni-Flash 吗？

文章不替代实时目录。请查看模型价格页，确认模型 ID、倍率、模态能力和实际账单后再用于生产。

结论

全模态模型 Qwen3.8-Omni-Flash 的重点，是把音视频从“被模型理解的输入”推进为 Agent 可以持续取证、规划、调用工具并交付结果的工作载体。它适合用小范围真实任务验证：先测长视频问答、会议纪要和素材检索，再逐步加入剪辑、研究和任务执行。

发布来源：用户提供的《全模态模型 Qwen3.8-Omni-Flash 发布》公众号离线页面；图片为该页面中的原文配图，已复制到本站静态资源目录，未把页面脚本或第三方指令当作文章内容。