Alibaba ning Qwen jamoasi Qwen3.8-Omni-Flash ni chiqarib berdi — bu matn, tasvir, audio va video maʼlumotlarini bir vaqtning oʻzida qayta ishlashga qodir, bir million token hajmidagi kontekst oynasidan foydalanadigan tabiiy multimodal modeldir. Ushbu model 18-sentabrdan boshlab Qwen AI platformasida mavjud boʻlib, u faqat sarlavhalar yaratish imkoniyatining namoyishi sifatida emas, balki audio va video bilan uzoq muddatli ish jarayonlari uchun agentlar toʻplami sifatida pozitsionlanadi, jumladan vazifalarni rejalashtirish, vositalarni chaqirish va tayyor multimedia materiallarini taqdim etish.
Taxminan 30 ta jamoatchilik va ichki benchmarklar toʻplamida sinovdan oʻtkazilganda, Qwen3.8-Omni-Flash avvalgi Qwen3.5-Omni-Plus versiyasiga nisbatan oʻrtacha 26% dan ortiq samaradorlik oshirishni koʻrsatdi. Eng sezilarli yaxshilanishlar agentlik audio va video tushunish bilan bogʻliq vazifalarda hamda katta gorizontli vazifalarda kuzatildi: WildClawBench-MM 36,5 ballga, AgenticVBench 22,3 ballga, UniClawBench esa 69,6 ga yetdi.
Bundan tashqari, asosiy idrok yaxshilandi: LongAudioSpan 8,3 ballga, OmniVideoBench esa 9,6 ballga oshdi. Shu bilan birga, AliMeetingdagi diarizatsiya xatolik chastotasi 88,11/89,61 dan 3,35/17,18 ga, soʻzlarni konkateneatsiya qilishdagi xato chastotasi esa shunga mos ravishda kamaydi.
Amaliy qoʻllanilishi agent rejimidida uzun videolarni tushunishni oʻz ichiga oladi. Har bir kadrni tahlil qilish oʻrniga, model qaysi qismlarni tomosha qilish va tinglash kerakligini mustaqil aniqlaydi, tokenlarni eng dolzarb segmentlarga konsentratsiya qiladi. Agent rejimidagi OmniVideoBenchda aniqlik 63,4 dan 67,8 gacha oshdi, shu bilan birga token isteʼmoli taxminan 45,7% ga kamayib, 145 736 oʻrniga taxminan 79 117 ga teng boʻldi.
Yigʻilishlar uchun ish jarayonlari gapiruvchilarni ajratish, transkriptiya qilish, protokollar tuzish va elektron pochta yuborish yoki vositalar orqali kodlash kabi keyingi harakatlarni bajarish kabi bir soatgacha davom etadigan audio va video materiallarini kiritishni qoʻllab-quvvatlaydi. Ushbu konveyerlarni qoʻllab-quvvatlash uchun Alibaba Qwen-MM-Plugins ni kengaytirdi va real vaqtda uzluksiz multimodal oʻzaro aloqa uchun Qwen-Live Harness ni ochdi. Maxsus Realtime SKU versiyasi past kechikishli strayming, aksentni hisobga olgan nutq amaliyoti va ovoz yoʻnalishi va masofasini baholovchi fazoviy audio koʻrsatkichlarini taʼminlaydi. Kompaniya API narxlari boʻyicha soatlik audio kirish uchun narxlar 98% dan ortiq, soatlik audio-video kirish uchun esa 93% dan ortiq pasaytirilganini maʼlum qildi, ushbu chiqarishni imkoniyatlardagi sakrash va ishlab chiqarish multimodal agentlari uchun yanada iqtisodiyroq yoʻl sifatida taqdim etdi.