9月18日，阿里正式发布原生全模态模型 Qwen3.8-Omni-Flash：文本、图像、音频、视频四种输入一次打通，1M 长上下文，API 同步上线千问 AI 平台和阿里云百炼。官方给的价格口径相当激进：每小时音频输入价格降幅超过98%，每小时音视频输入降幅超过93%。图文音视频输入百万 token 低至 0.8 元。微博知乎知乎
如果你是多模态模型的长期关注者，这一天你大概已经在各个 AI 日报里刷到过"白菜价""卷疯"这类词。但如果你是要把会议纪要、短剧翻译、视频解说这些真实工作流往这个模型上迁的开发者，先别急着看热搜。这篇把官方发布口径、博主逐段核对过官方博客的验证视频、第三方验收文和全网的头一天实测摊开，算清三件事：降价到底降的是什么，跑分表讲没讲全，首日实测的裂缝能不能用。
一、98%和93%是真的，但降幅数字不止四个
先看这轮最抢眼的三组数：能力涨 25%、音频输入降 98%、音视频输入降 93%。注意口径：它们都是相对上一代 Qwen3.5-Omni-Plus 的比值，而且只覆盖输入侧。第三方评测文做过换算——如果上一代处理同一段素材的输入调用成本记 100 元，按 93% 降幅这一代约 7 元；但插件、生成、存储、人工复核都还得另算。知乎
更细的坑在降幅本身。有 B 站博主用浏览器逐段读取了阿里官方发布博客，发现同一次发布里"降幅"出现了 93%、98%、89%、51.8% 四个版本，口径差异全部写在脚注里；文本价格的单位在中文正文标 CNY、英文价格图标 USD，差了 6.7 倍。无独有偶，官方发布文里写的是"累计 30 项评测平均得分提升超过 26%“，而当天大部分二手传播用的是"29 项平均提升 25%”——发布仅数小时，连"平均提升"的统计范围都在漂移。对账之前，先认准明细表。哔哩哔哩知乎
真正值得拆开看的是第四笔账。模型先用低分辨率扫全片，从问题出发定位关键片段（官方演示里锁定了 0:42:54 至 0:43:00 这 6 秒，再拉高分辨率读出制服上的身份牌），把算力集中在真正相关的片段上。官方给出的 Agentic Understanding 数据同样印证这个机制：OmniVideoBench 上准确率从 63.4 提到 67.8，单次查询 Token 消耗从 145,736 降到 79,117，降幅约 45.7%。换句话说：省钱的不是模型变便宜，是它学会了"少看"。这对账单的含义很直接——"每小时降 93%“不能直接换算成"我的任务降 93%”，实际省多少，取决于你的素材里答案是不是真的只占那几个片段。知乎知乎
二、官方推文说"接近"，博客里还有一张没发推的表
官方的原始措辞相当克制：“音视频能力接近 Gemini 3.8 Flash，音频能力整体超过 Gemini 3.8 Flash”。传播时这句被写成了"碾压"。逐项拆开看差别在哪：音频确实是碾压局——AliMeeting 会议转写的 DER 从 88.11 降到 3.35，多人重叠说话是会议场景最难啃的硬骨头；但视频侧逐项对齐后，有四小项输给 Gemini 3.8 Flash。知乎
最有意思的是官方博客深处那张推文只字未提的表：在同样的 Agent 模式对比里，把 Gemini 接上 Qwen Code，它的分数反而涨了 4.9 分，绝对分比 Qwen3.8-Omni-Flash 更高。那位逐段核对的博主顺手 clone 了官方开源的 Qwen-MM-Plugins（Apache-2.0，约 5572 行代码）验证：所谓 Agent 能力，实为 9 个 MCP 检索工具加一张预建的图。这张表对开发者的含义比任何单项跑分都重要——增益主要来自编排层的话，模型就是可替换件，你真正攒下的资产是工具链和工作流。至于官方给出的 WildClawBench-MM 71.0（同表 Gemini 3.8 Flash 为 58.9、上一代 34.5），博客没公布满分、任务量和复现条件，第三方评测文的建议是：适合初筛，不适合直接写进采购结论。哔哩哔哩知乎
三、首日实测：能打的和翻车的都在这
官方数字等第三方复现的同时，全网头一天的实测拼图已经能看出边界。B 站博主"AI产品狙击手"的全模态首日实测结果比较典型：能打的——音频转录整体优秀只有个别错别字，能找出图形细微差异，远距离方位和模糊行车视频的时间点判断大体准确；翻车的——一段视频里鸳鸯的雌雄计数颠倒，剧照第一次认错电影、换成截图才识别正确，复刻接星星游戏画面"形似"但缺了键盘操控逻辑。精确计数和身份锚定，发布首日仍然会翻车，"数得对不对、认得准不准"这类硬需求别直接上生产。哔哩哔哩
还有两处最容易混的口径。第一，输出只有文本——百炼文档写明 qwen3.8-omni-flash 接收文本、图片、音频、视频，输出文本；要语音输出得走 Qwen3.5-Omni 或 Realtime 产品线。“口语陪练”“听声辨位”（官方称首个支持该能力的全模态大模型）、首音频包约 0.98 秒、RTF 约 0.153，这些卖点的主语都是姊妹模型 Qwen3.8-Omni-Flash-Realtime，别记在主体模型头上。第二，"支持一小时音视频"并非本代首创——上一代 Qwen3.5-Omni 已支持 3 小时音频或 1 小时视频，这一版的实质变化是长音视频落到了 Flash 档位、并配上了新的执行链路。另外别忘了有第三方提醒：发布仅数小时，基准明细、开源范围、新价格表都还没摊开，目前所有数字都出自官方自报——这次开源的是 Qwen-MM-Plugins 和 Qwen-Live Harness 两个工具仓库，模型本身并未开源。知乎知乎知乎
最完整的演示其实藏在"大模型研发小模型"的实验里：Agent 自主选定评测集、连续 4 轮构建 3413 条数据，把 Qwen2.5-Omni-3B 的四川话识别字错率从 25.79% 降到 15.30%。但 15.30% 意味着平均六个字仍错一个，到不了免复核程度；这套循环能否迁移到其他方言和任务，目前没有第二个案例。知乎
四、要接入，先把活儿分成三档
把上面的账合并成一张决策表：
第一档·现在就接：音频为主、文本输出的任务。会议纪要、素材打标、音视频转图文摘要。AliMeeting、LongAudioSpan 的提升口径明确，输入侧账单显著下降，试错成本就是多跑一遍转录，风险最低。
第二档·进试生产：视频理解工作流。短剧翻译、影视解说、视频转笔记。第三方评测文给的验收协议值得直接抄：选一段你自己的真实一小时素材，定一个有明确交付标准的任务，同时记录输入费用、工具调用次数、人工修改时长、失败回退和最终通过率，再用旧流水线跑同一份素材——“官方跑分回答值得不值得测，这组对照才回答值不值得换”。逐项检查三件事：模型会不会选证据片段、选了之后调用量是不是真的降了、漏看关键片段有没有回退机制。知乎
第三档·等价目表：实时交互与语音输出。主语是 Realtime API，等第三方端到端延迟实测和它的价格表，别拿主体模型的 93% 做实时业务预算。
持续观察三个信号：基准明细与新价格表的公开时间（目前全部官方自报）、"视频侧输四项"和"Gemini 接工具链涨 4.9 分"能否被第三方复现、首日实测里"鸳鸯计数"这类硬伤一周内有没有修复案例。
这轮全模态竞赛，把考题从"看得见听得懂"换成了"能不能交付"。98%、93% 这些数字里，真正值得你亲自算一遍的只有一行：用你自己的素材，跑一张一小时的验收账单——那才是这次发布里唯一可以直接写进财务预期的数字。
