Qwen: Qwen3.8 Omni Flash

Qwen3.8 Omni Flash es un modelo de razonamiento omnimodal de Qwen, la familia de modelos producida por Alibaba. Se describe como el primer modelo Qwen construido en torno a capacidades agénticas con comprensión nativa de audio y vídeo. El id del modelo en api14 es qwen/qwen3.8-omni-flash, y su categoría principal es texto.

El modelo acepta texto, imagen, audio y vídeo como entrada, y devuelve únicamente texto. Su ventana de contexto es de 1.000.000 de tokens, y la salida máxima es de 131.072 tokens. Como es un modelo de razonamiento, puede producir salida de razonamiento junto con su respuesta final, lo que puedes controlar mediante los parámetros de solicitud correspondientes. La combinación de un contexto muy grande y cuatro modalidades de entrada significa que puedes enviar documentos largos, imágenes, audio y vídeo en la misma solicitud en lugar de dividirlos en canalizaciones separadas.

Las capacidades apuntan a un conjunto bastante específico de casos de uso. El análisis y la summarización de audio y vídeo son los encajes más claros, ya que el modelo entiende audio y vídeo de forma nativa en lugar de mediante un paso de transcripción. A partir de ahí, puedes construir agentes que ven o escuchan medios y actúan sobre lo que encuentran, herramientas de summarización para reuniones grabadas o archivos de medios, y respuesta a preguntas sobre entradas mixtas donde un usuario proporciona un clip, una captura de pantalla y una pregunta escrita juntos. La gran ventana de contexto también se adapta al análisis de formato largo donde el material de origen es extenso, y la salida de razonamiento ayuda cuando necesitas inspeccionar cómo llegó el modelo a una respuesta.

Llamas al modelo a través de la API compatible con OpenAI de api14 usando el id de modelo qwen/qwen3.8-omni-flash, por lo que las bibliotecas de cliente de OpenAI existentes funcionan con un cambio de URL base y nombre de modelo. Los parámetros de solicitud admitidos son frequency_penalty, include_reasoning, logprobs, max_tokens, presence_penalty, reasoning, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_logprobs y top_p. Tanto el llamamiento a herramientas como las salidas estructuradas están disponibles, lo que importa si estás construyendo un bucle de agente o necesitas que el modelo devuelva datos en una forma fija. También puedes establecer una seed para un muestreo más reproducible y usar logprobs o top_logprobs cuando necesites información de confianza a nivel de token.

Un límite práctico a tener en cuenta es que la salida es únicamente texto. Si tu aplicación necesita imágenes, audio o vídeo generados, este modelo no los producirá, y lo emparejarías con un modelo de generación en su lugar. El techo de salida de 131.072 tokens es generoso pero finito, por lo que los documentos generados muy largos pueden necesitar producirse por etapas. Dentro de esos límites, es una elección razonable cuando tus entradas son multimodales y tus salidas son texto.