Qwen 3.8 Omni Flash-ն այժմ սնուցում է Vega-ի գործիքները

Alibaba-ն Qwen 3.8 Omni Flash-ը թողարկեց 2026 թվականի սեպտեմբերի 18-ին։ Սա ի սկզբանե բազմամոդալ մոդել է․ մուտքում ստանում է տեքստ, պատկերներ, աուդիո և տեսանյութ, իսկ ելքում՝ տեքստ։ Համատեքստի պատուհանը 1 միլիոն տոկեն է, իսկ մտածելու ռեժիմը միացված է լռելյայն՝ կարգավորվող ջանքի մակարդակով։

Մենք Vega-ի backend գործառույթների հիմքում ընկած մոդելը թարմացրինք՝ անցնելով Omni Flash-ի։ Այն ապահովում է վեբ որոնման խմբերը, ֆայլերի ու փաստաթղթերի վերլուծությունը, տրանսկրիպցիաների ամփոփումները և գործիքների կանչերը vega.chat-ում ու ru.vega.chat-ում։ Մոդելների ընտրացանկից ոչինչ ընտրելու կարիք չկա․ այս գործառույթներն արդեն օգտագործում են նոր մոդելը։

Ինչ է ավելացնում Omni-ն

Նախորդ Qwen 3.8 Flash-ը մշակում էր տեքստ և պատկերներ։ Omni Flash-ը նաև ի բնե հասկանում է աուդիոն ու տեսանյութը, այդ թվում՝ երկալիք և քառալիք տարածական աուդիոն, որի միջոցով կարող է գնահատել ձայնի աղբյուրի ուղղությունն ու հեռավորությունը։ Ֆայլեր վերբեռնելիս սա նշանակում է, որ ձայնագրություններն ու տեսահոլովակները մշակում է մի մոդել, որն ինքն է լսում և դիտում բովանդակությունը։

Alibaba-ն այս թողարկումը ներկայացնում է գործակալային կատարման տեսանկյունից․ մոդելը պլանավորում է առաջադրանքը, կանչում գործիքները և վերադարձնում պատրաստի արդյունքը։ Ցուցադրական սցենարների թվում են տեսանյութի մոնտաժը, տեսահոլովակների հավաքումը, ֆիլմերի մեկնաբանությունն ու երկար ուսուցողական նյութերի ամփոփումները։ Այս հնարավորություններն ընդգծում են, թե ինչպես է Vega-ն օգտագործում մոդելը․ այն զրույցի միջերեսի հետևում ապահովում է որոնման խմբերն ու մի քանի քայլով կատարվող գործիքների կանչերը։

Մոդելին զուգահեռ Alibaba-ն հրապարակել է agent framework-ների համար նախատեսված բաց կոդով Qwen-MM-Plugins-ը և Qwen-Live-Harness-ը՝ WebSocket-ի ու WebRTC-ի միջոցով իրական ժամանակում աշխատող հավելվածների համար նախատեսված բաց կոդով միջավայր։

Հենանիշներ

Բազմամոդալ գործիքների օգտագործումը գնահատող WildClawBench-MM հենանիշում Omni Flash-ը հավաքում է 71.0 միավոր՝ Gemini 3.8 Flash-ի 58.9-ի և նախորդ Qwen3.5-Omni-Plus-ի 34.5-ի դիմաց։ OmniVideoBench-ում այն ստանում է 63.4 միավոր ստատիկ ռեժիմում և 67.8՝ Qwen Code ռեժիմում՝ օգտագործելով 45.7%-ով ավելի քիչ տոկեն, քան նախորդ մոդելը։ Alibaba-ն հաղորդում է մոտ 30 հենանիշներում միջինը 25%-ից ավելի աճի մասին։

Գնագոյացում

Տեքստի գները նույնն են, ինչ նախորդ Flash-ինը՝ $0.15՝ մեկ միլիոն մուտքային տոկենի, $0.47՝ մեկ միլիոն ելքային տոկենի և $0.016՝ քեշից սպասարկված յուրաքանչյուր մեկ միլիոն տոկենի համար։ Աուդիոյի մուտքային տվյալների գինը նախորդ omni սերնդի համեմատ ավելի քան 98%-ով ցածր է, իսկ աուդիոյի և տեսանյութի համակցված մուտքային տվյալներինը՝ ավելի քան 93%-ով։

Տեխնիկական բնութագրեր

Պարամետր	Արժեք
Մուտք	տեքստ, պատկերներ, աուդիո (2ch/4ch տարածական), տեսանյութ
Ելք	տեքստ
Համատեքստ	1M տոկեն, 983K՝ մտածելու ռեժիմում
Ելքի առավելագույն ծավալ	131K տոկեն
Մտածելու ռեժիմ	միացված է լռելյայն, ջանքը՝ կարգավորվող
API	DashScope և OpenAI-ի հետ համատեղելի, 2M TPM / 30K RPM

Որտեղ է այն աշխատում Vega-ում

Վերբեռնեք աուդիո ֆայլ կամ տեսահոլովակ, տվեք վեբ որոնում պահանջող հարց կամ վերլուծության համար ուղարկեք փաստաթուղթ։ Այս առաջադրանքների պատասխաններն այժմ ստեղծում է Qwen 3.8 Omni Flash-ը։