Qwen: Qwen3.8 Omni Flash

Qwen3.8 Omni Flash est un modèle de raisonnement omni-modal de Qwen, la famille de modèles produite par Alibaba. Il est décrit comme le premier modèle Qwen conçu autour de capacités agentiques avec une compréhension native de l'audio et de la vidéo. L'identifiant du modèle sur api14 est qwen/qwen3.8-omni-flash, et sa catégorie principale est texte.

Le modèle accepte le texte, l'image, l'audio et la vidéo en entrée, et il renvoie uniquement du texte. Sa fenêtre de contexte est de 1 000 000 de tokens, et la sortie maximale est de 131 072 tokens. Comme il s'agit d'un modèle de raisonnement, il peut produire une sortie de raisonnement en plus de sa réponse finale, ce que vous pouvez contrôler via les paramètres de requête appropriés. La combinaison d'un contexte très large et de quatre modalités d'entrée signifie que vous pouvez envoyer de longs documents, des images, de l'audio et de la vidéo dans la même requête plutôt que de les répartir entre des pipelines séparés.

Les capacités indiquent un ensemble de cas d'usage assez spécifique. L'analyse et le résumé audio-vidéo sont les applications les plus évidentes, puisque le modèle comprend nativement l'audio et la vidéo plutôt que via une étape de transcription. À partir de là, vous pouvez construire des agents qui regardent ou écoutent des médias et agissent sur ce qu'ils trouvent, des outils de résumé pour des réunions enregistrées ou des archives médias, et de la réponse à des questions sur des entrées mixtes où un utilisateur fournit ensemble un clip, une capture d'écran et une question écrite. La grande fenêtre de contexte convient également à l'analyse de documents longs où le matériel source est volumineux, et la sortie de raisonnement est utile lorsque vous devez examiner comment le modèle est parvenu à une réponse.

Vous appelez le modèle via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle qwen/qwen3.8-omni-flash, donc les bibliothèques clientes OpenAI existantes fonctionnent avec un changement d'URL de base et de nom de modèle. Les paramètres de requête pris en charge sont frequency_penalty, include_reasoning, logprobs, max_tokens, presence_penalty, reasoning, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_logprobs et top_p. L'appel d'outils et les sorties structurées sont tous deux disponibles, ce qui compte si vous construisez une boucle d'agent ou si vous avez besoin que le modèle renvoie des données dans une forme fixe. Vous pouvez également définir une seed pour un échantillonnage plus reproductible et utiliser logprobs ou top_logprobs lorsque vous avez besoin d'informations de confiance au niveau des tokens.

Une limite pratique à garder à l'esprit est que la sortie est uniquement du texte. Si votre application a besoin d'images, d'audio ou de vidéo générés, ce modèle ne les produira pas, et vous le coupleriez plutôt à un modèle de génération. Le plafond de sortie de 131 072 tokens est généreux mais fini, donc des documents générés très longs peuvent devoir être produits par étapes. Dans ces limites, c'est un choix raisonnable lorsque vos entrées sont multimodales et vos sorties textuelles.