9月18日，阿里千问正式上线原生全模态模型Qwen3.8-Omni-Flash：文本、图像、音频、视频四类输入，1M上下文，千问AI平台和阿里云百炼当天可调用。最扎眼的一行是"音频输入每小时降超98%"。但把官方口径和流传截图对一遍，几个数字已经各说各话。先别急着申请Key，把这张账对完。微博
降价：98%和93%是两行，对象是上一代Plus
官方口径：每小时音频输入价格降幅超98%，每小时音视频同时输入降幅超93%。按官方价格折算，纯音频每小时从约1.3元压到两分钱以下，音视频从约16元压到1元上下。两条线对应两种输入形态，不能混成"全模态降九成八"。知乎
对照物：基准是上一代Qwen3.5-Omni-Plus，这代是Flash档——"Flash价格拿长音视频"才是降价的真实含义。另外，"一小时"并非本代首次：上一代已支持3小时音频，更早同名Flash上限才150秒；这次变化是长音视频落到低价档。知乎
评测：官方自报的成绩单，哪几项值得抄
官方口径是"累计30项评测、平均提升超26%"（渠道流传的"29项25%"是口径漂移，以官方博客为准）。分项里值得多看几眼的：WildClawBench-MM 71.0，上一代34.5，同表Gemini 3.8 Flash为58.9；AgenticVBench提升22.3分；多说话人会议AliMeeting的DER/cpWER从88.11/89.61降到3.35/17.18，接近从"不可用"到"能用"的量级。整体定位：音视频接近Gemini 3.8 Flash，音频整体超过。知乎知乎
最值得抄进自己方案的是Agentic理解这笔账：模型先低分辨率扫全片，再对关键片段拉高精读，OmniVideoBench准确率63.4提到67.8，单次查询Token从145,736降到79,117，省约46%——长视频"全帧抽满"的计费逻辑开始松动。注意：发布刚过一天，以上全部为官方自报，第三方复现还没落地。知乎
三个最容易混的口径：主语都是别人家的
第一，这个模型只输出文本。百炼文档写得很清楚，要语音合成得换Qwen3.5-Omni或Realtime产品线，"语音进语音出"别记在它头上。第二，首音频包0.98秒、RTF约0.153（约6.5倍实时）以及口语陪练、“听声辨位"这些演示，主语都是姊妹模型Qwen3.8-Omni-Flash-Realtime。第三，这次开源的是Qwen-MM-Plugins（含Video2Note、Omni Skill Creator）和Qwen-Live Harness运行环境，模型权重暂未放出——上一代Qwen3-Omni-Flash就是"只给API不放权重”，被开源社区记了一笔；权重放不放，看HF和魔搭即可。知乎知乎
交付：把整条流水线交给它之前，先跑一张验收单
官方最激进的演示是把尺度说清楚了：让Qwen3.8-Omni-Flash当研发Agent去改进小模型的四川话识别，12小时四轮实验、构建3413条数据，字符错误率从25.79%降到15.30%——好看，但15.30%仍要人工校对，能复现的是"数据-实验-回退"这套循环，不是免检的成品。知乎
谁现在值得试点：一小时内的会议纪要与待办（说话人切分+转录+身份对应是原生卖点）、长视频转图文笔记、录屏转可复用Skill，以及所有曾按"素材太长、输入太贵"否掉的需求，值得重新算账。谁建议再等：拿官方跑分当采购依据的（等第三方实测）、等开源权重的、做实时语音产品的（端到端延迟要自己量）。验收动作就一条：拿一段你真实的1小时素材，跑一遍新链路，记下输入费用、工具调用次数、人工返工时长和通过率，再和旧流水线对比——跑分回答"值不值得测"，这组对照才回答"值不值得换"。
输入成本的地板被打穿之后，"用不用得起"不再是第一否决项；“用不用得好”，得靠你自己的素材说了算。
