Qwen3.8-Omni-Flash: Nowy model multimodalny Qwen rzuca wyzwanie Gemini Flash ceną i możliwościami

Qwen zaprezentował Qwen3.8-Omni-Flash, swój pierwszy multimodalny model stworzony z myślą o agentach sztucznej inteligencji. Model ten potrafi jednocześnie przetwarzać dźwięk i obraz, wyciągać wnioski oraz samodzielnie korzystać z narzędzi, co umożliwia mu wykonywanie zadań takich jak edycja vlogów, tłumaczenie krótkich filmów czy podsumowywanie treści wideo. Według Qwen, pod względem wydajności w zadaniach audio-wideo, model ten jest zbliżony do Gemini 3.8 Flash firmy Google.

Konkurencyjne ceny i szerokie okno kontekstowe

Jedną z kluczowych cech Qwen3.8-Omni-Flash jest jego konkurencyjna polityka cenowa. Opłaty za API wynoszą 0,15 USD za milion tokenów wejściowych oraz 0,47 USD za milion tokenów wyjściowych. Qwen szacuje, że koszt przetwarzania danych audio to mniej niż 0,01 USD za godzinę, natomiast w przypadku wideo 720p z dźwiękiem (przy jednej klatce na sekundę) koszt wynosi około 0,20 USD, nie wliczając kosztów odpowiedzi.

Dla porównania, Gemini 3.8 Flash w początkowej fazie pobiera 0,75 USD za milion tokenów wejściowych i 3,75 USD za milion tokenów wyjściowych, a ceny te mają podwoić się 1 stycznia 2027 roku. Oznacza to, że Qwen oferuje znacznie niższe stawki, co może być decydującym czynnikiem dla wielu deweloperów i firm.

Model Qwen3.8-Omni-Flash wyróżnia się również imponującym oknem kontekstowym, które obejmuje milion tokenów, co pozwala na przetwarzanie i analizowanie bardzo długich sekwencji danych.

Dostępność i rozbudowane funkcjonalności

Model jest dostępny za pośrednictwem Qwen Studio, Qwen Cloud oraz dedykowanego API. Qwen oferuje również otwarte oprogramowanie Qwen-MM-Plugins, które rozszerza możliwości agentów AI, takich jak Claude Code, Gemini CLI i Qwen Code, o dodatkowe funkcje, w tym:

• edycję wideo
• rozpoznawanie mówców
• tworzenie notatek wideo z plików PDF
• możliwość wielokrotnego wykorzystywania scenariuszy pracy

Dodatkowo, Qwen-Live Harness umożliwia interakcję w czasie rzeczywistym, wykorzystując kamerę i mikrofon, co otwiera drogę do tworzenia bardziej dynamicznych i responsywnych aplikacji.

Wprowadzenie Qwen3.8-Omni-Flash na rynek stanowi ważny krok w rozwoju multimodalnych modeli AI. Konkurencyjne ceny w połączeniu z zaawansowanymi możliwościami i szerokim oknem kontekstowym mogą sprawić, że model ten stanie się atrakcyjną alternatywą dla istniejących rozwiązań, przyspieszając innowacje w obszarze agentów AI i aplikacji przetwarzających dane audio-wideo. Rynek sztucznej inteligencji zyskuje kolejnego silnego gracza, co z pewnością przełoży się na dalszy rozwój technologii i korzyści dla użytkowników końcowych.

Źródło: the-decoder.com