Qwen3.8-Omni-Flash дешевле Gemini Flash от Google при схожих результатах в мультимодальных тестах

Главный смысл: Qwen представила Qwen3.8-Omni-Flash — первую в своей линейке мультимодальную модель, специально рассчитанную на ИИ-агентов. По заявлению разработчика, она одновременно обрабатывает аудио и видео, умеет вызывать инструменты и приближается к Gemini 3.8 Flash в мультимодальных тестах, но предлагается заметно дешевле.

• Цена API. Ввод стоит $0,15 за миллион токенов, вывод — $0,47. Для Gemini 3.8 Flash статья приводит вводную цену $0,75 и $3,75 соответственно; с 1 января 2027 года тарифы Google должны удвоиться.
• Стоимость медиа. По оценке Qwen, час входного аудио обходится менее чем в $0,01. Обработка 720p-видео со звуком при частоте один кадр в секунду — примерно в $0,20; генерация ответа в эту сумму не включена.
• Возможности. Контекстное окно заявлено на уровне одного миллиона токенов. Модель может совместно анализировать звук и изображение, делать выводы и использовать инструменты — в статье приведены сценарии монтажа влогов, перевода коротких роликов и подготовки резюме фильмов.
• Доступ и обвязка. Модель уже предлагается через Qwen Studio, Qwen Cloud и API. Открытый набор Qwen-MM-Plugins добавляет монтаж видео, распознавание говорящих, видеозаметки по PDF и повторно используемые процессы для Claude Code, Gemini CLI и Qwen Code; Qwen-Live Harness предназначен для работы в реальном времени с камерой и микрофоном.

Что дальше: Ключевой вопрос — подтвердятся ли заявленные Qwen результаты в независимых тестах и при реальных агентных нагрузках: статья не приводит конкретных таблиц, наборов данных или деталей сравнения с Gemini. Следить стоит за качеством длительного аудио и видео, задержкой, устойчивостью вызова инструментов и фактической стоимостью с учётом выходных токенов. Также пока неясно, относится ли открытость только к плагинам и обвязке или будут опубликованы веса самой модели.