阿里巴巴旗下Qwen团队近日发布新一代原生全模态模型Qwen3.8-Omni-Flash，进一步将音频、视频理解与AI智能体能力结合起来。该模型支持文本、图像、音频和视频四种输入形式，并提供100万Token上下文窗口。与上一代Qwen3.5-Omni-Plus相比，Qwen官方称其在29项基准测试中的平均成绩提升超过25%，同时大幅降低了音频和音视频处理成本。 Qwen3.8-Omni-Flash最大的变化之一，是其并非简单地将语音识别、图像识别等能力拼接在一起，而是从模型层面原生处理不同类型的信息。…