Qwen3.8-Omni-Flash предлага сравними резултати с Gemini на по-ниска цена
Qwen представи Qwen3.8-Omni-Flash — първия си мултимодален модел, създаден за AI агенти. Системата обработва едновременно аудио и видео, прави изводи от тях и самостоятелно използва инструменти за задачи като монтаж на видеоблогове, превод на кратки клипове и обобщаване на филми. Контекстният прозорец е с обем един милион токена. Според Qwen моделът почти достига Gemini 3.8 Flash при аудио-видео задачи и показва сравними резултати с него в мултимодалните бенчмаркове.
Цената през Qwen API е $0.15 за един милион входни токена и $0.47 за един милион изходни токена. Qwen изчислява, че обработката на аудио струва под $0.01 на час, а 720p видео със звук и по един кадър в секунда — около $0.20, без разходите за отговора. Въвеждащата цена на Gemini 3.8 Flash е $0.75 за вход и $3.75 за изход на един милион токена, като се планира удвояване на 1 януари 2027 г. Моделът е достъпен чрез Qwen Studio, Qwen Cloud и API. Отворените Qwen-MM-Plugins добавят монтаж на видео, разпознаване на говорители, PDF бележки към видео и работни процеси, а Qwen-Live Harness осигурява взаимодействие в реално време чрез камера и микрофон.
Текстът е изготвен от ИИ на Sakhanda Wire по материал на The Decoder. Фактите, цитатите и пълният контекст са в оригиналната статия по-долу.