Qwen3.8-Omni-Flash da Alibaba corta custos de IA audiovisual em mais de 90%

A equipe Qwen da Alibaba lançou o Qwen3.8-Omni-Flash em 18 de setembro, um modelo omni-modal nativo que lida com texto, imagens, áudio e vídeo em um único fluxo de trabalho unificado, em vez de encaminhar diferentes tipos de mídia por modelos especializados separados. O lançamento está disponível imediatamente através do Qwen Chat, QwenCloud e da API Model Studio.

O que "omni-modal nativo" realmente muda

Muitos sistemas de IA multimodal funcionam encadeando modelos separados: um modelo de visão descreve uma imagem, um modelo de transcrição converte áudio em texto, e um modelo de linguagem raciocina sobre a saída combinada. Em vez disso, o Qwen3.8-Omni-Flash processa todos esses tipos de entrada em uma única passagem do modelo.

O modelo suporta uma janela de contexto de 1 milhão de tokens, colocando-o na mesma categoria dos modelos de contexto mais longo atualmente disponíveis, e adiciona modo de pensamento, chamada de ferramentas e busca na web como capacidades nativas.

Os números de benchmark e preços

A Alibaba afirma que o modelo melhorou sua pontuação média em mais de 26% em 30 avaliações comparado ao seu predecessor, Qwen3.5-Omni-Plus, com os maiores ganhos concentrados em tarefas de agentes de áudio-vídeo, codificação, manejo de contexto longo e interação multimodal em tempo real. Em termos de preços, a QwenCloud lista o Qwen3.8-Omni-Flash a $0,15 por milhão de tokens de entrada e $0,47 por milhão de tokens de saída.

Disponibilidade regional e a lacuna de pesos abertos

O modelo está listado como disponível nas regiões de data centers de Pequim, Singapura, Hong Kong, Tóquio, Frankfurt e Virgínia. Notavelmente, a Alibaba não lançou pesos abertos para este modelo no lançamento, o que significa que a auto-hospedagem não é uma opção — um desvio da estratégia de pesos abertos que ajudou vários modelos Qwen anteriores da Alibaba a ganhar adoção entre desenvolvedores.