阿里千问上线Qwen3.8-Omni-Flash：原生全模态支持1小时音视频输入，1M上下文加音视频Agent，音频API价格降超98%

新闻原文

9月18日，阿里千问正式上线新一代原生全模态模型 Qwen3.8-Omni-Flash。该模型支持文本、图像、音频、视频四类输入，上下文长度达 1M Token，原生支持最长 1 小时连续音视频输入，核心目标是提升真实生产力场景中的 Agent 能力，推动全模态模型从"理解全模态内容"走向"规划任务、调用工具并完成创作"。模型经阿里云百炼及千问平台云端托管上线，覆盖北京、新加坡、中国香港、东京、法兰克福、弗吉尼亚等多个区域。

能力层面，在累计 30 项评测中，Qwen3.8-Omni-Flash 相比上一代 Qwen3.5-Omni-Plus 平均得分提升超过 26%：音视频 Agent、Coding 与长程任务在 WildClawBench-MM 上提升 36.5 分，在 AgenticVBench 上提升 22.3 分，UniClawBench 取得 69.6 分；长音频理解 LongAudioSpan 提升 8.3 分，AliMeeting 的说话人错误率从 88.11 降至 3.35。官方口径下，其音频能力整体超过 Gemini 3.8 Flash，音视频能力接近该模型。

应用层面，模型已打通多条端到端工作流：面对数小时长视频，Agentic 长音视频理解从问题出发自主取证，把 OmniVideoBench 准确率从 63.4 提升至 67.8，同时 Token 消耗下降约 45.7%；多人会议可端到端完成说话人切分、纪要生成与任务执行；此外还支持可控音视频 Caption、Music2MV 音乐视频创作、短剧翻译、长电影解说等生产场景。

生态与成本层面，随模型开源多模态插件工具包 Qwen-MM-Plugins 与实时交互运行环境 Qwen-Live Harness；API 每小时音频输入价格降幅超过 98%，每小时音视频输入价格降幅超过 93%。官方还展示了一项"模型优化模型"实验：Qwen3.8-Omni-Flash 在 12 小时内自主构建 3413 条训练数据，将 Qwen2.5-Omni-3B 的四川话识别字符错误率从 25.79% 降至 15.30%，相对下降约 40.7%。（综合凤凰网科技、阿里千问官方信息报道）

企服观察

全模态模型这次的关键变化，不是又多认识了几种文件格式，而是把"音视频"从演示素材变成了生产资料。过去企业里的会议录像、培训视频、客服录音大多躺在网盘里，检索靠文件名、复用靠人肉；当模型能原生吃进一小时连续音视频、并直接输出纪要、待办和风险提示时，这些沉睡的音视频资产第一次具备了被规模化加工的条件。对 IT 企服服务商来说，这里藏着一个非常具体的商机方向：音视频资产化。把客户的会议、培训、售后录音做成可检索、可追溯、可自动派生任务的知识库，是一个横跨制造、金融、医疗、政务的通用需求，而且客单价和续费逻辑都比"接个大模型 API"扎实得多。

价格曲线是第二条值得盯紧的线。每小时音频输入价格降幅超过 98%、音视频超过 93%，这个量级的降价不是营销数字，而是成本结构的重写。举例来说，一个中型企业每天产生 500 小时会议与通话录音，按旧价格做全量转写加理解，一个月的成本可能就足以让项目毙掉；价格降一个数量级之后，"全量处理"与"抽检处理"的界限消失了，质检、合规审查、销售复盘这类原来只能抽样的场景都可以变成全量场景。建议每一个做 AI 应用报价的服务商，把两个月前做的成本模型拿出来重算一遍——你很可能会发现，去年不敢接的单子，今年已经成立了。同理，在给客户做五年期合同时，也要把"模型单价持续下降"写成调价条款，而不是按签约定价一锁到底。

第三层启示在交付能力本身。当模型可以自主决定"看哪一段、听哪几句"，传统靠人写提示词、人工切片段的交付方式就落伍了，竞争的焦点正在从 Prompt 工程转向工作流编排：如何设计取证策略、如何挂接业务系统、如何把模型输出落到工单和 CRM 里。Qwen-MM-Plugins 与 Qwen-Live Harness 这类运行环境的开源，实际上是在告诉市场：未来的护城河不在模型本身，而在模型外面的那套"岗位化包装"。企服团队应当把投入从"调模型的技巧"转向"工具链与业务系统连接器"的建设，这才是客户难以自行复制、也难以被云厂商顺手拿走的部分。

组织层面同样需要提前动作。全模态应用落地后，最容易失衡的不是技术而是分工：会议纪要由模型生成后，谁来审核、审核标准是什么、错误由谁兜底，这些流程问题不提前定好，上线第一周就会返工。建议企业在试点期就建立三份轻量文档——音视频处理的范围清单、人工抽检的抽查比例、敏感内容的拦截规则，把 AI 输出当作"助理起草"来管理，而不是当作"系统结果"来免责。工具越强，流程纪律越值钱，这是过去两年所有 RPA 与智能体项目反复验证过的经验。

当然，也要保持清醒。云端托管、未开放权重的模式意味着数据要进厂商的托管区域，对金融、政务、医疗等敏感行业，数据主权与出境合规仍是硬门槛；多区域部署解决了"在哪跑"的问题，但没有自动解决"能不能跑"的问题。建议企服选型时把三件事写进 POC 评审表：一是长音频场景的真实准确率（拿客户自己的嘈杂录音测，不要用官方样例）；二是多说话人场景的身份识别与指代消解能力；三是按小时计费的真实成本曲线与峰值并发表现。全模态的大门已经打开，但能走进去的，永远是那些把场景、数据与交付流程提前理顺的团队。