Qwen3.8-Omni-Flash 是个啥
9 月 18 日，阿里通义发布了新一代全模态模型 Qwen3.8-Omni-Flash。官方文案写着"耳聪目明，办事得力"，前四个字是这类模型的老本行，后四个字才是重点：从听懂看懂，转向规划任务、调工具、干活。
先说最直观的变化：价格。相比上一代 Qwen3.5-Omni-Plus，每小时音频输入价格降幅超过 98%，音视频输入降幅超过 93%。多模态输入便宜到这个份上，才谈得上往生产力场景铺。（据 OSChina 报道）
能力侧，模型支持 1M 上下文，文本、图像、音频、视频都能进。官方给的数字：29 项评测平均得分比上代提升超 25%，音频 Agent 方向的 WildClawBench-MM 提升 36.5 分。对比 Gemini 3.8 Flash 的说法是"音视频能力接近、音频能力整体超过"，听听就好，自家评测自己念。
真正值得看的是这几件事
1. 开源了插件 Qwen-MM-Plugins。我上 GitHub 看过，仓库是真的（QwenLM 名下，2.9k star），作用是让 Codex、Claude Code、Qwen Code、Gemini CLI 这些编程 Agent 直接接音视频能力。写代码的 Agent 突然能听会看，玩法会多出不少。
2. 长视频不再傻看。面对几小时的视频，模型从问题出发决定看哪几段，官方叫"由粗到细多轮取证"。OmniVideoBench 准确率从 63.4 提到 67.8，单次查询 token 消耗从 14.6 万降到 7.9 万。准确和省钱同时拿到，这个方向是对的。
3. 能跑完整工作流。官方演示了几套：Music2MV 做 MV、两三小时的长电影解说、Video2Note 把视频教程榨成带截图的 PDF 笔记、从操作演示里提炼 SOP 生成 Agent Skill。视频教程转笔记这个，对我这种收藏了一堆教程没时间看的人很实用。
怎么用
模型通过阿里云百炼等官方渠道调用，模型名和计费细节以平台页面为准，这里不抄数字。想折腾插件的，直接去 GitHub 搜 Qwen-MM-Plugins，README 里有接入 Codex 和 Claude Code 的说明。
手机上想先体验的，通义 APP 里选对应模型就行，音视频直接丢进去问。
写在最后
全模态模型这两年发了一茬又一茬，这次真正让我觉得有信息量的是两件事：音频输入价格打到地板价，以及开源插件把音视频能力塞进现成的编程 Agent 里。前者解决"用不起"，后者解决"没法接"。
我会拿 Video2Note 试几期视频教程，好用的话再来写实测。