Alibaba veröffentlicht Qwen3.8-Omni-Flash mit einer Million Token Kontext

Alibaba hat am 18. September Qwen3.8-Omni-Flash veröffentlicht, ein natives Omni-Modell für Text, Bild, Audio und Video. Das Kontextfenster fasst 1.000.000 Token. Erreichbar ist das Modell über die Qwen-Plattform und Model Studio, also über die API und nicht als Download.

Die Fortschrittszahlen kommen von Alibaba selbst. Über 30 Evaluationen hinweg nennt das Unternehmen einen um 26 Prozent höheren Durchschnittsscore gegenüber dem Vorgänger Qwen3.5-Omni-Plus. Bei den Betriebskosten gibt Alibaba 98 Prozent weniger pro Stunde Audio-Input an und 93 Prozent weniger pro Stunde Audio plus Video.

Begleitend erschienen die Qwen-MM-Plugins und das Qwen-Live Harness. Die Stoßrichtung beschreibt Alibaba als Weg vom Verstehen zum Planen, zum Tool-Aufruf und zum Erledigen. Das Modell soll eine Aufgabe also erfassen und sie anschließend abarbeiten.

Bemerkenswert ist der Kostenteil. Ein Faktor von rund fünfzig bei den Audiokosten innerhalb einer Modellgeneration beschreibt keinen besseren Algorithmus, sondern eine andere Abrechnungsgrundlage, und wie Alibaba Audio- und Videosekunden in Token umrechnet, steht im Blogpost nicht.

Die Vorgängermodelle hatten dasselbe Kommunikationsmuster: Bei der Qwen3.8-Vorschau im Juli legte Alibaba gar keine Benchmark-Tabellen vor, im August gab es dann zwei Modelle mit sehr unterschiedlichen Lizenzen, von denen nur eines wirklich offen war. Wer die Prozentzahlen von heute nachrechnen will, wird auf externe Tester warten müssen.