Qwen 3.8 Omni Flash अब Vega के टूल्स को पावर देता है

Alibaba ने 18 सितंबर, 2026 को Qwen 3.8 Omni Flash रिलीज़ किया। यह एक नेटिव रूप से omni मॉडल है: टेक्स्ट, छवियाँ, ऑडियो और वीडियो अंदर जाते हैं, टेक्स्ट बाहर आता है। कॉन्टेक्स्ट विंडो 1 मिलियन टोकन है, और thinking mode डिफ़ॉल्ट रूप से चालू रहता है जिसमें effort level समायोज्य है।

हमने Vega के बैकएंड कार्य के पीछे काम करने वाले मॉडल को Omni Flash में अपग्रेड किया है। यह vega.chat और ru.vega.chat पर वेब सर्च समूहों, फ़ाइल और दस्तावेज़ विश्लेषण, प्रतिलेखन सारांश और टूल कॉल्स को चलाता है। मॉडल पिकर में कुछ भी चुनने की आवश्यकता नहीं है: ये सुविधाएँ पहले से ही नए मॉडल का उपयोग कर रही हैं।

Omni क्या जोड़ता है

पिछला Qwen 3.8 Flash टेक्स्ट और छवियाँ पढ़ता था। Omni Flash स्वयं ऑडियो और वीडियो को भी समझता है, जिसमें दो- और चार-चैनल spatial audio शामिल है, जहाँ यह ध्वनि स्रोत की दिशा और दूरी का अनुमान लगा सकता है। फ़ाइल अपलोड के संदर्भ में इसका मतलब है कि रिकॉर्डिंग और क्लिप्स उस मॉडल द्वारा संभाली जाती हैं जो स्वयं सामग्री को सुनता और देखता है।

Alibaba ने रिलीज़ को agentic execution के इर्द-गिर्द फ्रेम किया है: मॉडल एक कार्य की योजना बनाता है, टूल्स कॉल करता है, और एक तैयार परिणाम लौटाता है। इसके डेमो परिदृश्यों में वीडियो एडिटिंग, क्लिप असेंबली, फ़िल्म टिप्पणी और लंबे ट्यूटोरियल के सारांश शामिल हैं। यह प्रोफ़ाइल Vega द्वारा मॉडल के उपयोग से मेल खाता है, क्योंकि यह चैट इंटरफ़ेस के पीछे सर्च समूहों और मल्टी-स्टेप टूल कॉल्स को चलाता है।

मॉडल के साथ, Alibaba ने agent फ़्रेमवर्क के लिए ओपन Qwen-MM-Plugins और WebSocket तथा WebRTC पर realtime ऐप्स के लिए ओपन-सोर्स एनवायरनमेंट Qwen-Live-Harness प्रकाशित किया।

बेंचमार्क

WildClawBench-MM — एक multimodal टूल उपयोग बेंचमार्क — पर Omni Flash 71.0 स्कोर करता है, जबकि Gemini 3.8 Flash के लिए 58.9 और पिछले Qwen3.5-Omni-Plus के लिए 34.5 है। OmniVideoBench पर यह static mode में 63.4 और Qwen Code mode में 67.8 तक पहुँचता है, जबकि यह अपने पूर्ववर्ती की तुलना में 45.7% कम टोकन का उपयोग करता है। Alibaba लगभग 30 बेंचमार्क में औसतन 25% से अधिक की वृद्धि की रिपोर्ट करता है।

मूल्य निर्धारण

टेक्स्ट मूल्य पिछले Flash के समान है: इनपुट टोकन के प्रति मिलियन $0.15, आउटपुट टोकन के प्रति मिलियन $0.47, और कैश हिट्स पर प्रति मिलियन टोकन $0.016। ऑडियो इनपुट पिछली omni पीढ़ी की तुलना में 98% से अधिक सस्ता है, और संयुक्त ऑडियो-वीडियो इनपुट 93% से अधिक सस्ता है।

विशिष्टताएँ

पैरामीटर	मान
इनपुट	टेक्स्ट, छवियाँ, ऑडियो (2ch/4ch spatial), वीडियो
आउटपुट	टेक्स्ट
कॉन्टेक्स्ट	1M टोकन, thinking mode में 983K
अधिकतम आउटपुट	131K टोकन
Thinking	डिफ़ॉल्ट रूप से चालू, समायोज्य effort
API	DashScope और OpenAI-संगत, 2M TPM / 30K RPM

Vega पर यह कहाँ काम करता है

एक ऑडियो फ़ाइल या वीडियो क्लिप अपलोड करें, वेब सर्च को ट्रिगर करने वाला कोई प्रश्न पूछें, या विश्लेषण के लिए एक दस्तावेज़ भेजें। इन कार्यों के उत्तर अब Qwen 3.8 Omni Flash से आते हैं।