Alibabaは、次世代のネイティブ・オムニモーダルモデルであるQwen3.8-Omni-FlashをQwenシリーズに追加しました。このモデルは、単なるマルチモーダル理解を超え、タスクの計画、ツールの使用、そして動画編集、音楽制作、リアルタイム会話といったクリエイティブなワークフローの完了など、実世界の生産性シナリオにおけるエージェント能力を強化するように設計されています。
AlibabaがQwen3.8-Omni-Flashをリリース：オーディオ・ビジュアル機能が強化された高効率マルチモーダルモデル
この記事は翻訳です。 原文を読む
Qwen3.8-Omni-Flashは、同等規模のテキスト専用モデルに匹敵するテキスト性能を維持しつつ、最大1百万トークンのコンテキストウィンドウをサポートしています。29の評価にわたるベンチマークテストにおいて、本モデルは前身であるQwen3.5-Omni-Plusと比較して、平均スコアで25%以上の向上を示しました。特筆すべきは、本モデルが大きなコスト優位性を提供している点であり、オーディオ入力の1時間あたりのAPI価格は98%以上、オーディオ・ビジュアル入力は93%以上削減されています。
このモデルは、特にオーディオ・ビジュアルエージェントや長期的タスクにおいて、WildClawBench-MMやUniClawBenchを含む専門的なベンチマークで高い性能を発揮します。長尺のオーディオ理解、オーディオ・ビジュアル推論、複数話者認識といったコア能力も大幅に向上しました。Alibabaは、これらの進歩は、オーディオとビデオが単なる知覚入力から、エージェントが環境を理解し、推論し、複雑なタスクを実行することを可能にするコアメディアへと進化したことを意味すると述べています。
出典
- 「Qwen3.8-Omni-Flash」リリース、Gemini 3.8 Flashに匹敵する音声・映像処理性能を達成 （GIGAZINE, 2026-09-18）
- Qwen 3.8 Omni Flash （Hacker News Frontpage, 2026-09-17）