通义千问 Qwen3.8-Omni-Flash 发布：百万上下文多模态智能体，可剪视频、译长音频

9 月 26 日，Qwen 团队发布 Qwen3.8-Omni-Flash，一款面向多模态智能体场景的模型。其采用稀疏 MoE 架构，上下文窗口达到 100 万 Token，可直接完成视频剪辑与长视频/长音频翻译，并配套两个开源框架，降低多模态应用开发门槛。

事件背景

多模态智能体正成为大模型竞争的新主轴：从”能看懂图”走向”能操作音视频、能串联工具完成任务”。Qwen 此次把智能体能力扩展到音视频维度，与当日行业”多模态智能体竞速”的焦点高度契合。

核心内容

  • 架构与上下文：稀疏 MoE 设计，100 万 Token 长上下文，兼顾效率与长程理解。
  • 音视频能力：可做视频剪辑、长视频翻译与长音频翻译，适配内容生产与本地化场景。
  • 生态配套：同步开源两个框架，方便开发者基于该模型构建多模态应用。

影响与解读

当上下文突破百万、且原生支持音视频操作时，多模态智能体有望接管一批此前依赖人工的粗剪、字幕与本地化流程。对中小团队而言，开源权重意味着可自托管、可控成本地部署这类能力，进一步削弱闭源厂商在应用层的独占性。

相关动态

同日基础设施侧亦有进展：Google 开源 Agent 编排运行时 AX，Docker 联合 Linux Foundation 将 Sandbox Kit v3 推为开放标准，Zuse 把 Claude Code、Codex 等 CLI 编程智能体统一封装——智能体”底座标准化”趋势明显。

信息来源：AITOP 日报（2026-09-26）

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。