Qwen3.8-Omni-Flash: Alibaba का ऑम्नीमोडल एजेंट मॉडल

Flash-श्रेणी के मॉडलों की मौजूदा खेप लगातार बढ़ रही है।

हमने हाल ही में Qwen3.8-Flash-Next, GLM-5.3-Flash, Gemini 3.8 Flash, और DeepSeek V4.1 Flash को कवर किया है—ये सभी बाजार में किफायती, तेज़ इन्फ़्रेंस वाले स्लॉट के लिए प्रतिस्पर्धा कर रहे हैं।

Alibaba की Qwen टीम अब Qwen3.8-Omni-Flash के साथ उस दौड़ में एक नया कोण जोड़ रही है—एक नैटिव ऑम्नीमोडल मॉडल जो ऑडियो और वीडियो एजेंट्स के इर्द-गिर्द बना है।

Qwen3.8-Omni-Flash 1M-टोकन संदर्भ विंडो के साथ टेक्स्ट, इमेज, ऑडियो और वीडियो इनपुट स्वीकार करता है। Alibaba का दावा है कि इसका ऑडियो-विज़ुअल प्रदर्शन Gemini 3.8 Flash के करीब है और समग्र ऑडियो प्रदर्शन उससे बेहतर है, साथ ही अपने पूर्ववर्ती Qwen3.5-Omni-Plus पर 29 मूल्यांकनों में औसतन 25%+ सुधार। सुर्खियों वाले एजेंट लाभों में WildClawBench-MM पर 36.5 अंकों की बढ़त और ऑडियो इनपुट की प्रति घंटे की कीमत में 98%+ से अधिक गिरावट शामिल है।

इस लेख में, मैं Qwen3.8-Omni-Flash की नई चीज़ों को कवर करूंगा—नई विशेषताएँ, समीक्षा किए गए अन्य Flash मॉडलों के खिलाफ तुलना, और बेंचमार्क का वॉकथ्रू।

यह जानने के लिए कि ये मॉडल एक-दूसरे के मुकाबले कैसे टिकते हैं, हमारा DeepSeek V4.1 Flash बनाम Gemini 3.8 Flash गाइड और GLM-5.3 Flash बनाम Qwen3.8-Flash-Next की तुलना देखें।

संक्षेप में

• Qwen3.8-Omni-Flash Alibaba का अगली पीढ़ी का ऑम्नीमोडल मॉडल है, जो Qwen3.5-Omni-Plus की जगह ले रहा है।
• इसका अंतरकारक ऑडियो और वीडियो एजेंट्स हैं: देखना, सुनना, योजना बनाना, और टूल्स कॉल करना—ताकि MV और फिल्म टिप्पणी जैसी तैयार कृतियाँ दी जा सकें।
• यह अधिकांश ऑडियो बेंचमार्क पर Gemini 3.8 Flash को पीछे छोड़ता है और ऑडियो-विज़ुअल रीजनिंग में उसके ठीक पीछे बैठता है।
• यदि आपका वर्कलोड ऑडियो या वीडियो-प्रधान है, तो इसे चुनें। शुद्ध टेक्स्ट या कोड के लिए, Qwen3.8-Flash-Next थोड़ा बेहतर स्कोर करता है।
• लगभग $0.15 इनपुट / $0.47 आउटपुट प्रति 1M टोकन पर, यह टेक्स्ट प्राइसिंग में अधिकांश Flash-स्तरीय प्रतिद्वंद्वियों से सस्ता है।

Qwen3.8-Omni-Flash क्या है?

Qwen3.8-Omni-Flash Alibaba की Qwen टीम का एक नैटिव ऑम्नीमोडल मॉडल है, जो लाइनअप में लागत-कुशल, हाई-थ्रूपुट विकल्प के रूप में Flash स्तर पर स्थित है।

यह एक ही मॉडल में टेक्स्ट, इमेज, ऑडियो और वीडियो प्रोसेस करता है और 1M-टोकन संदर्भ विंडो सपोर्ट करता है, जबकि टेक्स्ट प्रदर्शन को समान आकार के टेक्स्ट-ओनली मॉडल के तुल्य बनाए रखता है।

इस पीढ़ी का लक्ष्य केवल समझना नहीं, बल्कि ऑडियो और वीडियो में एजेंट क्षमता है।

जहाँ Qwen3.5-Omni-Plus ऑम्नीमोडल सामग्री की व्याख्या पर केंद्रित था, वहीं Qwen3.8-Omni-Flash को कार्यों की योजना बनाने, टूल्स कॉल करने, और वीडियो संपादन, म्यूज़िक वीडियो निर्माण, और फिल्म टिप्पणी जैसी रचनात्मक कृतियों को पूरा करने के लिए बनाया गया है।

Alibaba इसे ऑडियो और वीडियो को परसेप्चुअल इनपुट से हटाकर उस कोर मीडिया में ले जाने के रूप में पेश करता है जिसके माध्यम से एजेंट तर्क करता है और निष्पादित करता है।

यहाँ बड़ा दावा WildClawBench-MM पर 36.5 अंकों की छलांग लगाकर 71.0 तक पहुँचना है (Qwen3.5-Omni-Plus ने 34.5 स्कोर किया), साथ ही AgenticVBench पर 22.3 अंकों का लाभ।

जब इसे वास्तविक मीटिंग ऑडियो पर परखा गया, जहाँ लोग अक्सर एक-दूसरे की बात काटते हैं, तो नए सिस्टम ने पुराने पर भारी सुधार दिखाया:

• कौन बोल रहा है (डायराइज़ेशन) का पता लगाना: त्रुटियाँ 88% से घटकर केवल 3% रह गईं।
• वास्तविक शब्दों का लिप्यंतरण (cpWER): गलतियाँ लगभग 90% से घटकर 17% रह गईं।

Qwen3.8-Omni-Flash की प्रमुख विशेषताएँ

यहाँ की विशेषताएँ एक विचार के इर्द-गिर्द घूमती हैं: एजेंट को ऑडियो और वीडियो काम के लिए सिर्फ आँखें और कान नहीं, हाथ भी देना।

Alibaba ने मॉडल के साथ दो टूलिंग लेयर्स जारी कीं—लंबी-अवधि वर्कफ़्लोज़ के लिए Qwen-MM-Plugins और रीयल-टाइम इंटरैक्शन के लिए Qwen-Live Harness।

तैयार आउटपुट देने वाले ऑडियो और वीडियो एजेंट्स

आप Qwen3.8-Omni-Flash को कोई गीत या पूरी लंबाई की फ़िल्म देकर एक वाक्य में अपनी मांग बता सकते हैं—यह काम की योजना बनाएगा, क्रिएटिव टूल्स कॉल करेगा, और एक तैयार वीडियो लौटाएगा।

यह एंड-टू-एंड वर्कफ़्लो सपोर्ट करता है, जिसमें म्यूज़िक वीडियो निर्माण, वॉइस क्लोनिंग के साथ शॉर्ट ड्रामा अनुवाद, और लंबी-फ़ॉर्म फिल्म टिप्पणी शामिल है।

दो घंटे की फ़िल्म के लिए, मॉडल लंबी-फ़ॉर्म वीडियो समझ, मुख्य कथानक निष्कर्षण, टिप्पणी योजना, वॉइसओवर और संगीत निर्माण, संपादन, और अंतिम गुणवत्ता समीक्षा करता है।

यह मूल संवाद और नैरेशन को इंटरलीव कर सकता है और बोलने की रफ़्तार व वॉल्यूम समायोजित कर सकता है ताकि ऑडियो लेयर्स साथ बैठें।

यह इसलिए महत्वपूर्ण है क्योंकि ट्रांसक्राइब-ट्रांसलेट-डब-एडिट का बिखरा हुआ चक्र ही वह समन्वय लागत है जो सोलो क्रिएटर्स के लिए ऐसे प्रोजेक्ट्स को मार देता है।

नियंत्रण योग्य ऑडियो-विज़ुअल कैप्शनिंग

आप तय करते हैं कि मॉडल क्या देखे, कितनी बारीकी से देखे, और परिणाम कैसे प्रस्तुत करे—किसी तय विवरण को स्वीकारने की जगह।

उपयोगकर्ता उसी वीडियो के लिए विषय, समय-सीमा, विवरण का स्तर, और आउटपुट फ़ॉर्मेट निर्दिष्ट कर सकते हैं।

मान लें आपने इसे 40 मिनट का प्रोडक्ट डेमो दिया। आप लिस्टिंग पेज के लिए 200-शब्दों का ओवरव्यू माँग सकते हैं, फिर उसी क्लिप को दोबारा चलाकर JSON-स्कीमा आउटपुट माँग सकते हैं—प्रति-सीन टाइमस्टैम्प्स, ऑन-स्क्रीन टेक्स्ट एक्सट्रैक्शन, और स्पीकर-टैग्ड ट्रांसक्रिप्ट्स के साथ—ताकि डाउनस्ट्रीम पाइपलाइन में जाए।

OmniCap-IF पर, इसकी कंटेंट-स्ट्रक्चर और इंस्ट्रक्शन-फॉलोइंग स्कोर्स (CSR और ISR) पूर्ववर्ती पर क्रमशः 8.5 और 14.1 अंक बेहतर हैं।

एजेंटिक लंबी-फ़ॉर्म वीडियो समझ

पूरी बहु-घंटे की रिकॉर्डिंग प्रोसेस करने के बजाय, मॉडल आपके प्रश्न से शुरू करता है और मोटे-से-बारीक साक्ष्य-संग्रह के माध्यम से क्या देखना और सुनना है, इसका निर्णय लेता है।

यह कम्प्यूट और टोकन को प्रासंगिक सेगमेंट्स पर केंद्रित करता है।

OmniVideoBench पर, यह एजेंटिक मोड सटीकता को 63.4 से 67.8 तक बढ़ाता है, जबकि प्रति क्वेरी टोकन खपत को 145,736 से घटाकर 79,117 कर देता है—लगभग 45.7% की कमी।

जो भी लोग घंटे-भर की फुटेज पर प्रति टोकन भुगतान करते हैं, उनके लिए यह दक्षता लाभ ही असली विशेषता है।

Qwen3.8-Omni-Flash-Realtime के साथ रीयल-टाइम इंटरैक्शन

एक अलग वैरिएंट, Qwen3.8-Omni-Flash-Realtime, लाइव ऑडियो-विज़ुअल स्ट्रीम प्राप्त करते हुए ग्रहण करता है और प्रतिक्रिया देता है, और रीयल-टाइम संदर्भ का उपयोग करके टूल्स कॉल करता है।

यह उच्चारण फ़ीडबैक के साथ स्पीकिंग प्रैक्टिस, स्थानिक (स्पैटियल) ऑडियो परसेप्शन, और Skills के माध्यम से नॉलेज इंजेक्शन संभालता है।

यहाँ सबसे असामान्य दावा स्पैटियल ऑडियो का है: Alibaba कहता है कि यह पहला ऑम्नीमोडल मॉडल है जो ध्वनि के आधार पर लक्ष्य का पता लगा सकता है—दिशात्मक ऑडियो को दृश्य जानकारी के साथ मिलाकर किसी स्रोत की दिशा और दूरी निर्धारित करता है।

रिपोर्टेड टाइम टू फ़र्स्ट ऑडियो पैकेट 20-सेकंड के ऑडियो-विज़ुअल इनपुट्स पर भी 1.4 सेकंड से कम है।

भाषा और बोली कवरेज

Qwen3.8-Omni-Flash 74 भाषाओं और 39 चीनी बोलियों में स्पीच रिकग्निशन सपोर्ट करता है—मंदारिन और कैंटोनीज़ से लेकर सिचुआनीज़, शंघाईनीज़ और सदर्न मिन तक।

स्पीच जेनरेशन 29 भाषाओं और 7 बोलियों को कवर करता है।

स्थानीयकरण और डबिंग वर्कफ़्लोज़ के लिए, यह बोली-स्तरीय व्यापकता अधिकांश प्रतिस्पर्धी Flash मॉडलों पर व्यावहारिक अंतरकारक है, जो आम तौर पर भाषा गिनती प्रकाशित करते हैं लेकिन बोली स्तर का कवरेज नहीं।

एजेंट कार्य के रूप में मॉडल विकास

रिलीज़ में एक असामान्य डेमोंस्ट्रेशन यह है कि Alibaba ने Qwen3.8-Omni-Flash का उपयोग सीधे उपयोगकर्ताओं की सेवा करने के बजाय एक छोटे मॉडल को सुधारने के लिए किया।

Qwen2.5-Omni-3B की सिचुआन बोली पहचान में सुधार के लिए 12 घंटे दिए जाने पर, एजेंट ने WenetSpeech-Chuan मूल्यांकन सेट चुना, एक बेसलाइन बनाई, और ऑडियो सैंपल सुनकर त्रुटियों का निदान किया।

चार राउंड्स में, इसने 3,413 प्रशिक्षण उदाहरण बनाए, असफल प्रयासों को रोलबैक किया, और कैरेक्टर एरर रेट को 25.79% से घटाकर 15.30% कर दिया—लगभग 40.7% का सापेक्ष कमी।

यह छोटा प्रयोग है, लेकिन यह इस ओर इशारा करता है कि बड़ा मॉडल प्रोडक्शन के लिए विशेष छोटे मॉडलों के प्रशिक्षण को संचालित करे।

बेंचमार्क पर Qwen3.8-Omni-Flash कैसा प्रदर्शन करता है?

बेंचमार्क्स में पैटर्न सुसंगत है: Qwen3.8-Omni-Flash ऑडियो श्रेणी में स्पष्ट विजेता है, ऑडियो-विज़ुअल टास्क्स में Gemini 3.8 Flash से कड़ा मुकाबला करता है, और टेक्स्ट पर सिब्लिंग मॉडलों के मुकाबले प्रतिस्पर्धी रहता है।

यह सर्वत्र आगे नहीं है, और कई वीडियो-रीजनिंग पंक्तियाँ अभी भी Gemini 3.8 Flash को वरीयता देती हैं।

ऑडियो और मल्टी-स्पीकर पहचान

यही वह क्षेत्र है जहाँ मॉडल सबसे मज़बूत है—और जहाँ यह Gemini 3.8 Flash को बड़े अंतर से पछाड़ता है।

AliMeeting मल्टी-स्पीकर ASR टेस्ट पर यह 3.4 की डायराइज़ेशन एरर रेट देता है, जबकि Gemini 3.8 Flash का 72.6 है, और AISHELL-4 पर यह 2.8 हिट करता है जबकि Gemini 66.4 पर बैठा है—जो ओवरलैपिंग स्पीकर्स के साथ Gemini के संघर्ष को दर्शाता है।

डायराइज़ेशन एरर रेट मापता है कि कोई मॉडल भाषण को सही स्पीकर को कितनी अच्छी तरह सौंपता है, इसलिए कम स्कोर मीटिंग मिनट्स, इंटरव्यू ट्रांसक्रिप्शन, और उन सभी वर्कफ़्लोज़ के लिए मायने रखता है जहाँ लोग एक-दूसरे पर बोलते हैं।

म्यूज़िक अंडरस्टैंडिंग में भी यह स्पष्ट रूप से आगे है—MuchoMusic-RUL पर 72.6 बनाम Gemini के 53.7 और MusTBench पर 50.6 बनाम 40.3।

ऑडियो-विज़ुअल रीजनिंग और समझ

यहाँ, Gemini 3.8 Flash आमतौर पर थोड़ी बढ़त लेता है, लेकिन अंतर छोटा है और Qwen के एजेंट मोड में चलने पर घटता है।

• OmniVideoBench पर, Qwen का स्टैटिक स्कोर 63.4 है जबकि Gemini का 65.2, लेकिन Qwen Code हार्नेस के साथ यह 67.8 तक चढ़ता है।
• JointAVBench पर यह वास्तव में 75.9 के साथ आगे है, जबकि Gemini 70.4 पर है।

वीडियो-रीजनिंग पंक्तियाँ अधिक मिश्रित हैं।

Video-MME-v2 पर, Gemini 71.0 से 65.0 स्टैटिक पर आगे है, और LVOmniBench पर Gemini 70.7 पर है जबकि Qwen 63.3 पर—हालाँकि एजेंट हार्नेस के साथ Qwen 73.6 तक उछलता है।

यदि आपका काम एजेंट लूप के बिना भारी वीडियो रीजनिंग है, तो Gemini अभी भी बढ़त रखता है।

मल्टीमोडल टूल उपयोग और एजेंट्स

एजेंट क्षमता ही पिच है, और WildClawBench-MM का परिणाम इसे समर्थन देता है: Qwen3.8-Omni-Flash के लिए 71.0 बनाम Gemini 3.8 Flash के 58.9 और Seed 2.0 Lite के 41.9।

UniClawBench पर दोनों लगभग बराबरी पर हैं—69.6 और 69.0।

Gemini AgenticVBench पर 45.0 से Qwen के 36.8 को और OmniGAIA वेब सर्च पर 78.6 से 74.0 को हराता है।

तो टूल-यूज़ की कहानी वास्तविक है, लेकिन पूरी तरह एकतरफ़ा नहीं। StreamingBench, एक इंटरैक्शन बेंचमार्क, पर Qwen 80.8 के साथ स्पष्ट बढ़त पर है—Gemini के 79.9 और पूर्ववर्ती के 57.1 के मुकाबले।

सिब्लिंग Flash मॉडलों के मुकाबले टेक्स्ट और कोडिंग

शुद्ध टेक्स्ट पर, Qwen3.8-Omni-Flash अपने टेक्स्ट-ओनली सिब्लिंग Qwen3.8-Flash-Next के क़रीब रहता है—आमतौर पर एक अंक के भीतर।

यह LiveCodeBench v6 पर 92.6 स्कोर करता है (Qwen3.8-Flash-Next: 91.9), SWE-bench Pro पर 63.3 (Qwen3.8-Flash-Next: 62.5), और GPQA Diamond पर 91.0 (Qwen3.8-Flash-Next: 91.7)।

DeepSeek-V4-Flash-0731 के मुकाबले, Qwen3.8-Omni-Flash SWE-bench Pro (63.3 बनाम 56.0) और IFBench (81.5 बनाम 79.2) पर आगे है, लेकिन DeepSeek NL2Repo-Bench पर 54.2 से 48.9 पर जीतता है।

जब हमने DeepSeek-V4-Flash-0731 का परीक्षण किया, तो हमें यह उस बिंदु तक का सबसे मज़बूत लोकल कोडिंग मॉडल लगा—तो एक Flash-स्तरीय ऑम्नीमोडल मॉडल का रिपो-स्तरीय सॉफ्टवेयर इंजीनियरिंग पर उससे मेल खाना वाकई उल्लेखनीय है।

आपको कौन-सा वैरिएंट/टियर उपयोग करना चाहिए?

Qwen3.8-Omni-Flash दो वैरिएंट्स और एक समायोज्य रीजनिंग सेटिंग में आता है, इसलिए सही संयोजन चुनना इस पर निर्भर करता है कि आपको गहरी कंटेंट विश्लेषण चाहिए या लाइव इंटरैक्शन।

विभाजन सीधा है:

• बेस Qwen3.8-Omni-Flash पूर्ण ऑडियो-विज़ुअल फ़ाइलों के साथ गहरी समझ और क्रिएशन के लिए बना है,
• Qwen3.8-Omni-Flash-Realtime WebSocket या WebRTC के ज़रिये सतत, लो-लेटेंसी स्ट्रीम्स को संभालता है।

आप लाइव बातचीत के लिए बेस मॉडल का उपयोग नहीं करेंगे, और दो घंटे की फिल्म टिप्पणी रेंडर करने के लिए Realtime का नहीं।

वैरिएंट चयन के ऊपर, बेस मॉडल एक reasoning_effort पैरामीटर एक्सपोज़ करता है—xhigh (डिफ़ॉल्ट), medium, और low—जो आपको गति और लागत के बदले रीजनिंग गहराई का सौदा करने देता है।

जहाँ गति मायने रखती है उन हाई-वॉल्यूम कैप्शनिंग कार्यों के लिए low का उपयोग करें, और बहु-चरणीय योजना जैसे टिप्पणी स्क्रिप्टिंग के लिए xhigh।

Qwen3.8-Omni-Flash की कीमत और उपलब्धता

थर्ड-पार्टी लिस्टिंग्स Qwen3.8-Omni-Flash को लगभग $0.15 इनपुट / $0.47 आउटपुट प्रति 1M टेक्स्ट टोकन पर रखती हैं, जहाँ OmniaKey और LLM Reference दोनों आधिकारिक दरों का हवाला देते हैं। Venice API एक संबंधित Qwen 3.8 Flash रूट को $0.14 इनपुट / $0.49 आउटपुट पर सूचीबद्ध करता है। ये टेक्स्ट दरें हैं।

ऑडियो और ऑडियो-विज़ुअल इनपुट महँगे हैं—और यही महत्वपूर्ण सावधानी है। Puter की प्राइसिंग नोट बताती है कि ऑडियो इनपुट पर टेक्स्ट की तुलना में प्रीमियम लगता है, और Alibaba की अपनी तुलना एक फ्लैट टोकन रेट बताने के बजाय ऑडियो-विज़ुअल इनपुट की कीमत को Gemini 3.8 Flash के मुकाबले रखती है। Alibaba का दावा है कि Qwen3.5-Omni-Plus की तुलना में ऑडियो इनपुट की प्रति घंटे की कीमत 98% से अधिक और ऑडियो-विज़ुअल इनपुट 93% से अधिक घट गई—तो प्रीमियम पहले से छोटा है, पर अभी भी मौजूद है।

मॉडल फिलहाल Qianwen AI Platform पर सामान्य रूप से उपलब्ध है और Alibaba Cloud Model Studio के माध्यम से रूट होता है—बीजिंग और सिंगापुर एंडपॉइंट्स के साथ। रिलीज़ नोट्स में किसी मुफ़्त कंज़्यूमर टियर का वर्णन नहीं है।

Qwen3.8-Omni-Flash तक पहुँच कैसे पाएं?

API मॉडल ID qwen3.8-omni-flash है, और रीयलटाइम वैरिएंट qwen3.8-omni-flash-realtime।

यह OpenAI-कम्पैटिबल Chat Completions और Responses APIs सपोर्ट करता है, और मल्टीमोडल टूलिंग एजेंट हार्नेस में प्लग होती है—जिनमें Codex, Claude Code, Qwen Code, और Qwen-MM-Plugins के माध्यम से Gemini CLI शामिल हैं।

from openai import OpenAI
import os

client = OpenAI(
    api_key=os.environ.get("DASHSCOPE_API_KEY"),
    base_url="https://dashscope-intl.aliyuncs.com/compatible-mode/v1",
)

completion = client.chat.completions.create(
    model="qwen3.8-omni-flash",
    messages=[{"role": "user", "content": "Summarize this meeting recording."}],
    reasoning_effort="xhigh",  # xhigh, medium, or low
)
print(completion.choices.message.content)

एक रिपोर्टेड रफ एज: GitHub उपयोगकर्ताओं ने Qwen3.8-Omni-Flash को Claude Code के साथ चलाते समय बार-बार रुकावटें और सत्र अस्थिरता को फ़्लैग किया है—इसलिए हार्नेस ट्रबलशूटिंग के लिए समय बजट करें।

सेटअप पर और जानकारी के लिए, हमारा Flash-श्रेणी के मॉडल चलाने पर ट्यूटोरियल और हमारा Qwen3.8-Max गाइड देखें।

अंतिम विचार

Alibaba हर Flash प्रतिद्वंद्वी का टेक्स्ट पर पीछा करने के बजाय एक विशिष्ट लेन बना रहा है।

Qwen3.8-Flash-Next, GLM-5.3-Flash, Gemini 3.8 Flash, और DeepSeek V4.1 Flash के मुकाबले, यहाँ की पिच है—ऑडियो और वीडियो एजेंट्स, साथ ही समूह में सबसे सस्ती टेक्स्ट प्राइसिंग।

यदि आपका काम मीटिंग ट्रांसक्रिप्शन, वीडियो लोकलाइज़ेशन, या MV और टिप्पणी निर्माण से जुड़ा है—जहाँ ऑडियो-विज़ुअल एजेंट टूलिंग और AliMeeting डायराइज़ेशन लाभ वास्तव में उभरकर आते हैं—तो मैं इसे चुनूँगा।

शुद्ध टेक्स्ट या कोड के लिए, Qwen3.8-Flash-Next थोड़ा बेहतर स्कोर करता है, और कुछ वीडियो रीजनिंग पर Gemini 3.8 Flash अभी भी आगे है—तो यह हर किसी के लिए डिफ़ॉल्ट स्वैप नहीं है।

यदि आप एजेंट वर्कफ़्लोज़ और मल्टीमोडल मॉडलों में सहज होना चाहते हैं, तो मैं AI Fundamentals स्किल ट्रैक से शुरू करने की सलाह देता हूँ।