阿里 Qwen 团队发布 Qwen3.8-Omni-Flash，自称首个围绕智能体能力构建的全模态模型：接受文本、图像、音频与视频输入，输出文本，把视听理解、推理与工具调用放进同一个模型，工作流被概括为理解内容、规划任务、用工具执行、交付结果。它基于 8 月开源的 Qwen3.8-Flash-Next 架构，上下文 100 万 token（最大输入 991K、最大输出 131K、最大推理长度 262K），默认开启思考，reasoning_effort 默认为 xhigh。API 同时兼容 DashScope 与 OpenAI 协议，支持函数调用、联网搜索、结构化输出、上下文缓存与批量调用，目前只有托管 API，未公布开放权重。在长视频上它让智能体从问题出发决定看什么听什么、分多轮由粗到细取证，OmniVideoBench 准确率从 63.4 提升到 67.8，token 用量从 145736 降到 79117，减少约 45.7%。官方称音视频表现接近 Gemini 3.8 Flash。