「Qwen3.8-Omni-Flash」をリリース。オムニモーダル機能を大幅に改善

　Alibaba Cloudは9月18日、Qwen3.8-Omni-Flashをリリースした。

　Qwen3.8-Omni-Flashは、100万トークンのコンテキストウィンドウをサポートし、同サイズのテキストのみのモデルと同等のテキストパフォーマンスを維持しながら、オムニモーダル機能を大幅に改善した。また、エージェント機能も強化。これまでのテキストや画像、音声などのあらゆるデータを1つのAIモデルで同時に理解し生成できる機能の追求から、より現実的に「タスクの計画、ツールの呼び出し、クリエイティブワークの完了」へと進化させている。

　コーディング、テキストベースの作業、GUI操作における一般的なエージェント機能をベースに、音声データと映像を中心としたエージェントアプリケーションをさらに拡張し、ビデオ編集やミュージックビデオ制作、映画制作、オーディオビジュアル要約、リアルタイム会話などのワークフローに対しても力を発揮する。

　平均スコアはQwen3.5-Omni-Plusより25％以上向上。音声と映像のエージェント、コーディング、および長期タスクでは、WildClawBench-MMで36.5ポイント、AgenticVBenchで22.3ポイント向上。UniClawBenchでは69.6という高いスコアを獲得している。また、長尺の音声と映像の理解や推論、複数話者認識といったコア機能も向上。同社によれば、Gemini 3.8 Flashに近いオーディオビジュアル性能と、Gemini 3.8 Flashを上回るオーディオ性能を実現しているという。

　一方で、音声入力の1時間あたりのAPI価格は98％以上、音声と映像の入力の1時間あたりの価格は93％以上も安価になっているという。