Qwen3.8-Omni-Flash多模态性能比肩Gemini Flash，API定价却低出数倍

通义千问团队于2026年9月正式推出Qwen3.8-Omni-Flash，将其定位为首个面向AI智能体场景的多模态模型。与此前的多模态模型不同，该模型不仅能够同时理解音频和视频输入，还能在无需人工干预的情况下自主调用外部工具，完成视频博客剪辑、短视频翻译、长片内容摘要等复杂任务。100万token的超长上下文窗口，使其在处理长视频或多轮对话时具备明显优势。

在性能层面，Qwen官方公布的音视频基准测试数据显示，Qwen3.8-Omni-Flash的得分与谷歌Gemini 3.8 Flash基本持平。这一结果意味着开发者在不显著牺牲模型能力的前提下，可以获得大幅降低的使用成本。对于需要大规模调用多模态API的企业和独立开发者而言，这一性价比差距具有实质性的商业意义。

定价是Qwen3.8-Omni-Flash最具竞争力的维度之一。其API定价为每百万输入token 0.15美元、每百万输出token 0.47美元；音频输入估算成本低于每小时0.01美元，720p视频（含音频，每秒一帧）约为每小时0.20美元（不含响应费用）。相比之下，Gemini 3.8 Flash目前的入门价格为输入0.75美元、输出3.75美元，且谷歌已宣布该价格将于2027年1月1日起翻倍，差距将进一步拉大。

在生态建设方面，Qwen团队同步开源了Qwen-MM-Plugins插件库，为主流AI智能体框架提供扩展支持，涵盖Claude Code、Gemini CLI和Qwen Code等平台。插件功能包括视频编辑、说话人识别、PDF视频笔记生成以及可复用的自动化工作流，帮助开发者快速将多模态能力集成到现有智能体项目中，降低二次开发门槛。

此外，Qwen还推出了Qwen-Live Harness工具，支持通过摄像头和麦克风进行实时交互，进一步拓展了模型在实时场景下的应用边界。目前，Qwen3.8-Omni-Flash已通过Qwen Studio、Qwen Cloud及API三种渠道对外开放，开发者可根据自身需求选择接入方式。随着多模态AI竞争持续加剧，低价高效的开源友好策略正成为中国AI厂商在全球市场突围的重要路径。

要点

• Qwen3.8-Omni-Flash是Qwen首个面向AI智能体的多模态模型，支持音视频联合理解与自主工具调用，上下文窗口达100万token。
• 在音视频基准测试中，该模型性能与谷歌Gemini 3.8 Flash相当，但API输入定价仅为Gemini的五分之一，输出定价约为八分之一。
• 谷歌Gemini Flash 3.8已宣布2027年1月起价格翻倍，届时两者的成本差距将进一步扩大。
• 开源插件库Qwen-MM-Plugins支持Claude Code、Gemini CLI等主流智能体框架，提供视频编辑、说话人识别等扩展功能。
• Qwen-Live Harness新增实时摄像头与麦克风交互能力，拓展了模型在实时多模态场景中的应用潜力。