Alibaba presenta el modelo multimodal Qwen3.8-Omni-Flash con capacidades mejoradas de audio y vídeo

Alibaba ha lanzado el modelo multimodal Qwen3.8-Omni-Flash, capaz de procesar entradas de texto, imágenes, audio y vídeo simultáneamente, con soporte para hasta 1 millón de tokens. El modelo muestra mejoras significativas con respecto a su predecesor, Qwen3.5-Omni-Plus, con un aumento promedio de más del 26% en 30 benchmarks. Destaca en áreas como agentes de audio-vídeo, codificación y tareas a largo plazo, con ganancias notables en benchmarks específicos. Alibaba afirma que sus capacidades de audio superan las de Gemini 3.8 Flash, y los costes de la API para entradas de audio y vídeo han disminuido en más del 93% y 98%, respectivamente. El modelo también admite el procesamiento extendido de audio y vídeo, con nuevos plugins y herramientas para la interacción en tiempo real y el análisis de contenido de larga duración.