Qwen 团队发布 Qwen3.8-Omni-Flash：跨文本音频视频的多模态智能体模型
Qwen 团队把智能体能力扩展到音视频了，Qwen3.8-Omni-Flash 能做视频剪辑和长视频翻译，还配了两个开源框架，做多模态应用可以看看。
Qwen Team 发布 Qwen3.8-Omni-Flash，一个原生多模态模型，针对跨文本、音频、视频的长程智能体任务训练，可完成视频剪辑和长音频/视频翻译。
模型采用 Qwen3.8-Next 的稀疏 MoE 架构，上下文窗口达 100 万 token。
通过共训练策略，模型在保持文本性能的同时把智能体能力迁移到音频和视频任务。同步开源两个框架：Qwen-MM-Plugins 为现有智能体框架增加音视频支持，Qwen-Live-Harness 提供带上下文与记忆管理的实时多模态交互、工具调用和子智能体委派。
The era of omni agents is upon us.
This is a great report by the Qwen Team on their omni-modal agents.
They present Qwen3.8-Omni-Flash, a natively multimodal model trained for long-horizon agent tasks across text, audio, and video, such as video editing and long-form audio and video translation.
It uses the sparse mixture-of-experts design of Qwen3.8-Next with a context window of one million tokens. A co-training strategy keeps text performance while carrying agent skills over to audio and video tasks.
Two open-source frameworks come with it. Qwen-MM-Plugins adds audio and video support to existing agent harnesses, and Qwen-Live-Harness handles real-time multimodal interaction with context and memory management, tool use, and sub-agent delegation.
Paper: https://t.co/PxFrmGby1t
本条情报归属 AITOP「模型」核心栏目，重点聚焦中国 AI 产业与国产大模型生态。在跨区域产业观察坐标中，该动态直接关联「中美大模型技术代差与商业化对照」「AI 开发者工具链、Coding Agent 与工程化实践」研究主线，反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括：Qwen、Qwen3.8-Omni-Flash、多模态、智能体，读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明：本文原始线索采编自「DAIR.AI」（@dair_ai），经 AITOP 多维评分管线结构化提炼。
