《Qwen3.8-Omni-Flash 发布：音视频成本暴降98%，国产全模态又炸场了》

你有没有过这样的时刻：想把两小时的会议录像丢给 AI 总结重点；想把视频里的对话转成中文字幕；想让 AI 看着屏幕手把手教你操作软件。以前这些事要么做不了，要么贵得离谱。现在，价格被打穿了。
9月18日，阿里通义千问发布 Qwen3.8-Omni-Flash——原生全模态模型：文本、图片、音频、视频全部原生吃进去，上下文窗口直接给到100万 tokens。最狠的是价格：音频输入比上一代降超98%，音视频混合输入降超93%。
【一、98%是什么概念】
过去花100块才能干完的活，现在2块左右搞定。对做播客转写、会议纪要、客服质检、字幕生成的团队来说，这不是"优化"，是"业务模型重算"。原本算不过账的场景，突然能赚钱了。
【二、不只是一个"便宜"】
官方数据：29项评测平均分比上一代 Qwen3.5-Omni-Plus 提升超25%。智能体关键测试里，WildClawBench-MM 提升36.5分，AgenticVBench 提升22.3分，UniClawBench 拿到69.6分。它不只是"看得懂、听得懂"，还能"动手干"——音视频编辑、MV创作、影视剪辑与旁白、多媒体总结、影音对话。还支持双声道和四声道空间音频理解，分得清声音从左边、右边还是身后传来。
【三、三个普通人真用得上的场景】
1）内容创作者的助手：40分钟素材整条喂进去，精彩片段、金句、字幕一次给全，你只做最后选择。找素材的时间往往比剪辑还长。
2）打工人的会议终结者：录音直接丢给模型，议程、决议、待办、责任人一次出全。100万上下文意味着整场会一次喂完，不用切段。
3）不会用软件的人的"人形说明书"：全模态可做GUI交互理解，遇到不会用的软件，让 AI 看着屏幕带你点。
【四、这是国产模型的"性价比斩杀线"】
8月底阿里刚发布开源 Qwen3.8-Flash，千亿总参数只激活60亿，训练成本较上一代骤降近90%，每百万 tokens 输入1元、输出3元。现在 Omni-Flash 把全模态也拉到 Flash 这一档。节奏很清楚：性能往上顶，价格往下砸。最关键的一个细节——同时兼容 OpenAI 协议和 DashScope 协议，改个 base_url 和模型名就能跑，迁移成本几乎为零。当一个能力从"用不起"变成"随便用"，真正的创新从来不在模型层，而在无数人拿它去解决具体问题的时候。
【五、冷静一点：还有几点要想清楚】
1）便宜不等于可靠：嘈杂环境、多人重叠说话、方言口音下准确率仍会掉，重要场景要人工复核。
2）便宜会带来滥用：批量转写、批量生成门槛降低，平台内容治理压力同步上升。
3）真正的红利期永远是"别人还在观望的时候"，等人人都用上了，差异化就没了。
【结语】
模型能力的进步是线性的，但成本下降是断崖式的。断崖式下降的那一天，才是应用真正爆发的那一天。Qwen3.8-Omni-Flash 大概率就是这样一个节点。
你觉得全模态模型最先干掉的会是哪个行业的工作？字幕组、会议速记，还是短视频剪辑？评论区聊聊你的看法，我一条条看。