Qwen3.8-Omni-Flash d'Alibaba réduit les coûts d'IA audiovisuelle de plus de 90%

L'équipe Qwen d'Alibaba a lancé Qwen3.8-Omni-Flash le 18 septembre, un modèle omni-modal natif qui traite texte, images, audio et vidéo dans un flux de travail unifié unique plutôt que d'acheminer différents types de médias via des modèles spécialisés séparés. La sortie est disponible immédiatement via Qwen Chat, QwenCloud et l'API Model Studio.

Ce que "l'omni-modal natif" change réellement

De nombreux systèmes d'IA multimodaux fonctionnent en enchaînant des modèles séparés : un modèle de vision décrit une image, un modèle de transcription convertit l'audio en texte, et un modèle de langage raisonne sur la sortie combinée. Qwen3.8-Omni-Flash traite plutôt tous ces types d'entrée en une seule passe de modèle.

Le modèle prend en charge une fenêtre de contexte d'un million de tokens, le plaçant dans la même catégorie que les modèles à plus long contexte actuellement disponibles, et ajoute le mode réflexion, l'appel d'outils et la recherche web comme capacités natives.

Les chiffres de benchmark et de tarification

Alibaba affirme que le modèle a amélioré son score moyen de plus de 26% sur 30 évaluations par rapport à son prédécesseur, Qwen3.5-Omni-Plus, avec les gains les plus importants concentrés dans les tâches d'agents audio-vidéo, le codage, la gestion de contexte long et l'interaction multimodale en temps réel. Côté tarification, QwenCloud affiche Qwen3.8-Omni-Flash à 0,15 $ par million de tokens d'entrée et 0,47 $ par million de tokens de sortie.

Disponibilité régionale et l'écart des poids ouverts

Le modèle est répertorié comme disponible dans les régions de centres de données de Pékin, Singapour, Hong Kong, Tokyo, Francfort et Virginie. Notamment, Alibaba n'a pas publié de poids ouverts pour ce modèle au lancement, ce qui signifie que l'auto-hébergement n'est pas une option — un écart par rapport à la stratégie de poids ouverts qui a aidé plusieurs modèles Qwen antérieurs d'Alibaba à gagner en adoption.