Alibaba выпустила Qwen3.8-Omni-Flash: одна архитектура ест текст, картинки, звук и видео. Контекстное окно — 1 млн токенов. Заявленные сценарии: монтаж, клипы, кино, саммари длинных записей, диалог в реальном времени. Главный коммерческий ход — цена API. Час обработки аудио дешевле прошлой Qwen3.5-Omni-Plus более чем на 98%, аудио плюс видео — более чем на 93%. Средний результат в 29 бенчмарках, по словам компании, вырос более чем на 25%.
Куда смотреть, а не перечитывать всё подряд
Модель не гоняет многочасовую запись с первой секунды. «Агентное понимание» само решает, куда смотреть и что слушать, и сужает поиск за несколько шагов. В OmniVideoBench это подняло балл с 63,4 до 67,8 и срезало токены на запрос со 145 736 до 79 117 — минус 45,7%. Распознавание речи — 74 языка и диалекта, включая кантонский, уйгурский и маори. Генерация — 29 языков. Китайский, английский, корейский, французский, немецкий, испанский, японский есть и там, и там. По совместной обработке звука и видео Flash, как пишет Alibaba, подобрался к Gemini 3.8 Flash; только звук — даже обошёл.
Цифры красивые и свои: WildClawBench-MM 71,0 (+36,5 к прошлому поколению), UniClawBench 69,6, LongAudioSpan 82,7, AliMeeting 89,7 на расшифровке китайских совещаний с несколькими голосами. Независимого прогона на минской записи с эхом нет. Миллион токенов — про длинный контур, не про «вставьте сезон сериала бесплатно». API всё равно считает токены; агентный поиск как раз пытается их не сжечь.
| Параметр | Заявлено |
|---|---|
| Окно | 1 млн токенов |
| Цена аудио API | −98% к Omni-Plus |
| Речь / генерация | 74 языка / 29 языков |
| Агентный поиск | −45,7% токенов на запрос в OmniVideoBench |
Нужно ли это вместо локального Qwen
Девяносто восемь процентов скидки звучат как ошибка в слайде, пока не сравните свой счёт. Имеет смысл гонять час своих совещаний, не бенчмарк AliMeeting. Облако Alibaba для адвокатской конторы в Минске — отдельный юридический контур, даже если кантонский распознаётся идеально. Локальная Qwen3.8 из мастерской на картошке остаётся другим продуктом: без миллиона токенов видео и без чужого API.
По теме: Grok Voice Transcribe 2.0 за $0,10/час, почему облако ИИ всё равно жрёт миллиарды.
Текст TehnoRex. Дата: 2026-09-19.
Ещё про AI
Все материалы →
сегодня · НовостиСанкционные Nvidia всё равно едут в Китай. C4ADS описала три схемы
сегодня · НовостиGrok Voice Transcribe 2.0: вдвое меньше ошибок, $0,10 за час записи
сегодня · НовостиГаллюцинация ИИ чуть не отправила американские самолёты на китайское судно
сегодня · НовостиGemini на macOS научится читать и слать iMessage. Пока сервер не отвечает