Новая модель Qwen3.8-Omni-Flash от Alibaba научилась работать с текстом, изображениями, аудио и видео одновременно. Главное её достижение — способность обрабатывать до 1 миллиона токенов в одном запросе. Это открывает двери для анализа очень длинных видео или аудиозаписей, составления подробных резюме многочасовых совещаний или проведения глубоких исследований, где важен каждый фрагмент информации.
Производитель утверждает, что по сравнению с предыдущей версией, Qwen3.5-Omni-Plus, новая модель улучшила свои показатели в 30 различных тестах более чем на 26%. Особенно заметен прогресс в задачах, связанных с анализом аудио и видео, написанием кода и работой с большими объёмами контекста. Это означает, что модель теперь лучше справляется с задачами, требующими понимания сложных взаимосвязей в данных, будь то последовательность кадров в видео или длинный код программы.
Для разработчиков это означает новые возможности в создании приложений для анализа мультимедиа, автоматического создания субтитров к длинным видео или даже для помощи в написании более сложного программного обеспечения. Уменьшение стоимости API-запросов до 0.8 юаня за миллион токенов делает такие продвинутые возможности более доступными.
Теперь, когда ИИ может «смотреть» и «слушать» так же долго, как человек, или даже дольше, можно ожидать появления инструментов, которые раньше казались фантастикой. Например, автоматический анализ целого фильма на предмет определённых сцен или тем, или же мгновенное получение полной стенограммы и ключевых выводов из многочасовой конференции.