Qwen3.8-Omni-Flash de Alibaba reduce los costos de IA audiovisual en más del 90%

El equipo de Qwen de Alibaba lanzó Qwen3.8-Omni-Flash el 18 de septiembre, un modelo omni-modal nativo que maneja texto, imágenes, audio y video en un solo flujo de trabajo unificado en lugar de enrutar diferentes tipos de medios a través de modelos especializados separados. El lanzamiento está disponible de inmediato a través de Qwen Chat, QwenCloud y la API de Model Studio.

Lo que realmente cambia el "omni-modal nativo"

Muchos sistemas de IA multimodal funcionan encadenando modelos separados: un modelo de visión describe una imagen, un modelo de transcripción convierte audio en texto, y un modelo de lenguaje razona sobre la salida combinada. En cambio, Qwen3.8-Omni-Flash procesa todos estos tipos de entrada dentro de un solo paso del modelo.

El modelo soporta una ventana de contexto de 1 millón de tokens, situándolo en el mismo nivel que los modelos de contexto más largo actualmente disponibles, y añade modo de pensamiento, llamada a herramientas y búsqueda web como capacidades nativas.

Las cifras de benchmark y precios

Alibaba afirma que el modelo mejoró su puntuación promedio en más del 26% en 30 evaluaciones en comparación con su predecesor, Qwen3.5-Omni-Plus, con las mayores ganancias concentradas en tareas de agentes audio-video, codificación, manejo de contexto largo e interacción multimodal en tiempo real. En cuanto a precios, QwenCloud lista Qwen3.8-Omni-Flash a $0.15 por millón de tokens de entrada y $0.47 por millón de tokens de salida.

Disponibilidad regional y la brecha de pesos abiertos

El modelo figura como disponible en las regiones de centros de datos de Beijing, Singapur, Hong Kong, Tokio, Fráncfort y Virginia. Cabe destacar que Alibaba no ha publicado pesos abiertos para este modelo en su lanzamiento, lo que significa que el autoalojamiento no es una opción — una desviación de la estrategia de pesos abiertos que ayudó a varios modelos Qwen anteriores de Alibaba a ganar adopción entre desarrolladores.