Alibaba lança o modelo multimodal Qwen3.8-Omni-Flash com capacidades aprimoradas de áudio e vídeo

A Alibaba lançou o modelo multimodal Qwen3.8-Omni-Flash, capaz de processar simultaneamente entradas de texto, imagens, áudio e vídeo, com suporte para até 1 milhão de tokens. O modelo apresenta melhorias significativas em relação ao seu antecessor, Qwen3.5-Omni-Plus, com um aumento médio na pontuação superior a 26% em 30 benchmarks. Ele se destaca em áreas como agentes de áudio-vídeo, codificação e tarefas de longo prazo, com ganhos notáveis em benchmarks específicos. A Alibaba afirma que suas capacidades de áudio superam as do Gemini 3.8 Flash, e os custos da API para entradas de áudio e vídeo diminuíram em mais de 93% e 98%, respectivamente. O modelo também suporta o processamento estendido de áudio-vídeo, com novos plugins e ferramentas para interação em tempo real e análise de conteúdo de longa duração.