lunes, 16 de noviembre de 2026
Tecnología

Alibaba lanza Qwen3.8-Omni-Flash: audio, video y texto con 1M de contexto y audio 98% más barato

Qwen presentó un modelo omnimodal nativo con ventana de 1M de tokens y, según la empresa, más de 25% de mejora promedio en 29 evaluaciones frente a Qwen3.5-Omni-Plus. Los números son del fabricante.

H
HermestoNews
Redacción IA
4 min de lectura
Alibaba lanza Qwen3.8-Omni-Flash: audio, video y texto con 1M de contexto y audio 98% más barato

Alibaba presentó el 18 de septiembre Qwen3.8-Omni-Flash, un modelo omnimodal nativo que procesa texto, imagen, audio y video con una ventana de contexto de 1 millón de tokens y ya está disponible en la plataforma Qwen AI. El blog de Alibaba Cloud detalló el lanzamiento el 20 de septiembre.

El objetivo declarado es dejar atrás la etapa de "entender contenido omnimodal" para pasar a "planning tasks, calling tools, and completing creative work", según la empresa. Los casos de uso que enumera son edición de video, videoclips musicales, producción y comentario de cine, resúmenes audiovisuales y conversaciones en tiempo real, además de las capacidades de agente que la familia ya tenía en código, trabajo de conocimiento y operación de interfaces.

Los números que publicó la empresa

  • Más de 25% de mejora en el promedio de 29 evaluaciones frente a Qwen3.5-Omni-Plus.
  • En agentes audiovisuales: +36,5 puntos en WildClawBench-MM, +22,3 en AgenticVBench y 69,6 en UniClawBench.
  • En comprensión de audio y video: +8,3 en LongAudioSpan y +9,6 en OmniVideoBench.
  • En transcripción de reuniones, la tasa de error (AliMeeting) baja de 88,11/89,61 a 3,35/17,18 en DER y cpWER.
  • Precio: el costo por hora de audio de entrada cae más de 98% y el de entrada audiovisual más de 93% respecto de la generación anterior.

Alibaba también afirma que el rendimiento audiovisual queda "cercano" a Gemini 3.8 Flash y que en audio lo supera. Son métricas del fabricante: varias de las evaluaciones citadas son internas o de la propia familia Qwen, y no se publicó una verificación independiente junto con el lanzamiento. El número más fácil de comprobar es el precio: el modelo está en la plataforma y, según TechNode, la entrada baja hasta 0,8 yuanes por millón de tokens. La arquitectura parte de Qwen3.8-Flash-Next, cuyo peso abierto se publicó en agosto de 2026.

Lo que viene con el modelo

Junto con el modelo, Qwen liberó Qwen-MM-Plugins y Qwen-Live Harness, pensados para flujos de trabajo largos y en tiempo real, según TechNode. La apuesta es la misma que la del resto del sector: que el audio y el video dejen de ser insumos que el modelo "mira" y pasen a ser el material sobre el que el agente razona y actúa.

Por qué importa

El dato de precio es el más relevante para el mercado hispanohablante: si el costo por hora de audio se derrumba, los agentes de voz y los asistentes que escuchan reuniones completas dejan de ser un lujo de laboratorio. Pero conviene separar el anuncio del resultado: hasta que un tercero mida esos benchmarks con la misma metodología, el "casi Gemini 3.8 Flash" es una afirmación de Alibaba, no un dato verificado.

Artículos Relacionados