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，把音频、视频理解与 AI 智能体能力进一步拧到了一起。它支持文本、图像、音频和视频四种输入，并提供100万 Token 上下文窗口;与上一代 Qwen3.5-Omni-Plus 相比，官方称其在29项基准测试中的平均成绩提升超过25%。 这次最大的变化不是堆能力，而是处理方式:它不是把语音识别、图像识别简单拼接，而是从模型层面原生处理不同类型的信息。阿里的意图很明确——让模型不只是"看懂"或"听懂"音视频，还…