阿里千问上线Qwen3.8-Omni-Flash全模态模型：百万token上下文，音视频输入成本最高降98%
发布时间：2026年09月21日 10:30:00阿里千问新一代原生全模态模型Qwen3.8-Omni-Flash正式上线开放调用，原生支持文本、图像、音频、视频四类输入，搭载100万token上下文，近30项评测较上一代平均提升超26%，音视频输入API成本最高下降98%，输入价每百万token仅0.15美元
全模态模型进入「白菜价」时代
9月21日，阿里千问新一代原生全模态模型 Qwen3.8-Omni-Flash 正式上线千问 AI 平台开放调用。模型原生支持文本、图像、音频、视频四类输入，搭载 100万 token 超长上下文窗口，API 定价低至每百万 token 0.15美元输入、0.47美元输出。
这是继9月19日 Qwen3.8-LiveTranslate 同声传译模型之后，Qwen 3.8 家族本周落地的又一个成员——但两者的定位完全不同：LiveTranslate 面向实时同传这一垂直场景，Omni-Flash 要做的是通用的多模态理解底座。
核心升级数据
相比上一代 Qwen3.5-Omni-Plus：
| 维度 | 提升 |
|---|---|
| 近30项评测平均得分 | 提升超26% |
| 音视频输入 API 成本 | 最高下降98% |
| 上下文窗口 | 100万 token |
| 输入模态 | 文本 / 图像 / 音频 / 视频统一理解 |
「成本最高降98%」意味着此前需要谨慎调用的视频理解能力——比如让模型看完一小时会议录像并做纪要——从「尝鲜功能」变成可以日常批量使用的生产工具。
「原生全模态」与拼接式方案的区别
早期多模态模型多为拼接架构：图像走一个编码器、音频走另一个、文本再由语言模型统一处理，模态之间需要翻译层，信息损耗大、时序对齐困难。
Qwen3.8-Omni-Flash 采用原生统一理解框架，音视频不再被「翻译」成文字描述，而是直接进入模型的推理过程：
- 视频时序理解：能看懂「先发生了 A，再因为 B 导致 C」这类因果链条，而不是只抽取孤立画面；
- 音画联合分析：可以结合画面和同期声判断口型、情绪、画外音提示；
- 长视频记忆：100万 token 窗口可容纳数小时视频内容，回答第200分钟的细节时不需要重新上传。
典型应用场景
- 视频内容生产：批量自动剪辑点标注、违规画面+语音联合审核、跨语言字幕与章节生成；
- 在线教育：把整堂课录像喂给模型，自动生成带时间戳的知识图谱、随堂测验和错题定位；
- 客服与合规：质检系统可同时分析客服的面部表情、语气和文字话术，判断服务规范；
- 具身智能与安防：为机器人和摄像头提供「看懂连续世界」的视觉-语言中枢；
- 企业知识管理：把历史会议录像、培训视频变成可问答、可检索的知识资产。
多模态价格战的信号
Omni-Flash 的定价极具攻击性。此前多模态（尤其视频输入）是各大厂商 API 中最昂贵的部分，按秒或按帧计费的模式让长视频分析成本居高不下。0.15/0.47美元的 token 定价，本质上是把多模态输入折算成了接近纯文本模型的价格带。
结合上周 Qwen3.8-Omni 在云栖大会预热中的亮相，阿里的多模态路线图已经清晰：
- Omni 标准版：追求最强效果；
- Omni-Flash：以极低单价铺开调用规模；
- LiveTranslate：垂直实时通信场景。
对开发者而言，2026年下半年做产品选型时，「要不要加入视频理解能力」的答案正从「太贵，先不做」变成「不加反而落后」。多模态能力的基础设施化，可能是这轮降价最深层的影响。
需要注意的是，目前 Omni-Flash 仅提供 API、不开放权重，官方公布的评测提升也尚待独立复现；但其把音视频理解成本打落两个数量级的事实，已经足以改变大量团队的产品规划。
来源参考：帝恩思AI智讯、Implicator LLM Meter 周报、千问 AI 平台