Qwen3.8 Omni Flash

Суть

Qwen3.8 Omni Flash — мультимодальная модель Qwen, ориентированная на понимание аудиовизуального контента и выполнение задач с использованием инструментов. Разработчик описывает подход как переход от простого восприятия мультимодальных данных к планированию действий и поиску нужных свидетельств в содержимом.

Сильные стороны

Модель подходит для анализа длинных видео и подготовки содержательных текстовых сводок или описаний. Важная особенность — работа с временными метками: модель может связывать события с конкретными моментами ролика. По информации о выпуске, мультимодальное понимание может сочетаться с планированием, вызовом инструментов и последовательным уточнением сведений.

Контекст и модальности

Контекст — 1 000 000 токенов, максимальный размер ответа — 131 072 токена. На вход подаются текст, изображения, аудио и видео; выходная модальность — текст. Следовательно, модель описывает и анализирует медиаданные в тексте, а не генерирует аудио или видео.

Типовые сценарии

Модель можно использовать для составления отчётов по видеозаписям, поиска событий и их временных отметок, анализа аудио-визуального материала, перевода и подготовки текстовых комментариев. Она также может быть полезна в мультимодальных процессах, где требуется извлечь факты из медиа и передать их следующим этапам обработки.

Ограничения

Указанные модальности вывода включают только текст. Поэтому модель не следует выбирать для непосредственного создания звуковых дорожек или видеороликов. Подробности о допустимых форматах файлов, конкретных интеграциях инструментов и качестве на отдельных задачах здесь не приводятся.

Отличие от соседей по семейству

В материалах о выпуске акцент для Omni Flash сделан на видео и мультимодальном понимании; текстовые возможности описываются как сопоставимые с Qwen3.8 Flash. В отличие от обычного текстового сценария, эта версия принимает также изображения, аудио и видео, а предназначена прежде всего для анализа таких входных данных с текстовым результатом.