Qwen3.8-Omni-Flash

Qwen3.8-Omni-Flash 是阿里巴巴通义千问团队于 2026 年 9 月通过阿里云 Model Studio 上线的全模态理解模型，API 名称为 qwen3.8-omni-flash。官方定位是“音视频理解与内容分析”：输入文本、图像、音频和视频，输出文本。核心判断：它是一个“听和看”的模型，而不是语音对话模型——官方页面没有提到语音输出、音色或实时会话，需要语音回复的场景应另选 Realtime 或 TTS 模型。

规格

官方模型页（10 月 11 日更新）给出的上下文为 100 万 token，非思考模式最大输入 991,808 token，思考模式 983,616 token，最大输出 131,072 token。音频输入支持 113 种语言和方言，与 Qwen3.5-Omni 相同；支持多声道空间音频输入（Chat Completions 中设置 use_multichannel）。思考默认开启并可调节推理强度，支持自定义函数调用、Responses API 内置的 web_search 工具，以及隐式缓存和 Responses 会话缓存。部署地域包括北京、新加坡、香港、东京、法兰克福和美国弗吉尼亚。

价格与评测

模型页未直接列出价格，需查阅 Model Studio 统一价格页；本站已录入的价格以价格表为准。阿里也没有为该模型发布评测表，目前没有可核对的独立成绩。

适用边界

适合会议录音、视频内容审核、长视频摘要和多语种音频分析等“输入多模态、输出文字”的任务；需要原生语音输出时，选同代的 Realtime 或语音合成模型。

来源：阿里云 Model Studio 模型页。