通义发布 Qwen3.8-Omni-Flash：首款全模态智能体模型

阿里通义千问团队近日发布 Qwen3.8-Omni-Flash，官方将其定位为「Qwen 首款围绕智能体能力打造的全模态模型」。该模型原生支持音视频理解、推理与工具调用，可在单一模型内完成「理解内容—规划任务—调用工具—交付结果」的全链路工作流，瞄准长视频自动化处理、跨模态内容生产等场景。

核心能力与性能表现

根据官方披露，Qwen3.8-Omni-Flash 在音视频综合能力上「接近 Gemini 3.8 Flash」，并在智能体相关评测中实现明显跃升：

• 在 WildClawBench-MM 与 UniClawBench 上，智能体性能平均提升 +19.5 分；
• 支持 1M token 上下文窗口，配合智能体感知机制，可在长视频中主动探索并精确定位关键片段；
• 在 OmniVideoBench 上，相比静态理解方式节省 51.8% 的 token 使用量。

官方介绍，该模型能够对所见所听内容进行联合推理，并在长流程任务中编排多种工具，典型用例包括自动剪辑 vlog、翻译短视频、将长片转为剧情摘要等。

成本与效率改进

在新模型上，通义重点优化了长音频视频场景下的推理与使用成本：

• 视频输入成本相较上一代 Qwen3.5-Omni-Plus 降低约 89%；
• 1M token 长上下文与智能体感知能力结合，使长视频理解与多步骤工作流在经济性上更易落地。

配套开源工具

为帮助开发者基于 Omni 能力构建应用，通义同步开源了 Qwen-MM-Plugins 与 Qwen-Live Harness 两项配套工具：

• Qwen-MM-Plugins：用于扩展多模态处理能力的插件集合；
• Qwen-Live Harness：面向实时/长流程音视频智能体应用的评测与运行框架。

此次发布延续了通义在开源权重模型与多模态方向的密集投入，结合 1M 长上下文与工具调用能力，进一步丰富了 Qwen 系列在智能体赛道的布局。