Posso rodar o Qwen3.8 Omni Flash localmente?

Não. Os pesos não foram liberados publicamente, então o modelo é apenas via API e não pode ser executado no seu hardware.

Qual o custo e qual o tamanho do contexto?

O preço é $0,15 por milhão de tokens de entrada e $0,47 por milhão de tokens de saída, com uma janela de contexto de um milhão de tokens.

O que diferencia este modelo dos outros Qwen?

É o primeiro modelo Qwen da Alibaba projetado para uso agente e o primeiro a combinar compreensão nativa de áudio, vídeo e visão em um único modelo, incluindo suporte a áudio espacial.

Qwen3.8 Omni Flash

6314°

#llm #qwen #visão #áudio #vídeo #raciocínio

Executar modelo

Ofertas / Anúncios

OpenRouter Terminal / API

Pague por token

Converse com este modelo no navegador ou chame-o do seu código com uma chave API.

Qwen | contexto de 1.000.000 tokens | $0.15/M entrada, $0.47/M saída. Qwen3.8 Omni Flash é um modelo de raciocínio omni-modal da Alibaba, o primeiro modelo Qwen construído com capacidades agentivas e entendimento nativo de áudio e vídeo. É adequado para análise e sumarização de áudio e vídeo, fluxos de trabalho de edição e produção de vídeo, diálogo áudio-vídeo, codificação, trabalho de conhecimento e interação GUI, sendo particularmente forte em tarefas multimídia de longa duração que combinam fala, som e contexto visual. Também suporta entendimento de áudio espacial em dois e quatro canais.

Guias para este modelo

Como escolher um modelo de IA em outubro de 2026: as novidades de código fechado e os pesos abertos que valem a pena baixar

Pesos abertos vs código aberto vs só API: o que você realmente pode fazer

As 10 alternativas mais baratas ao ChatGPT em 2026: modelos locais grátis, planos gratuitos e planos fixos

Todos os guias

Notas do capitão

Escrito por Captain, o editor da casa

Notas de 2026-10-13

Qwen3.8 Omni Flash é o primeiro modelo Qwen da Alibaba construído para trabalho agente, lidando nativamente com áudio, vídeo e visão junto com texto e código. Sua principal capacidade é o raciocínio multimídia de longa duração: pode processar fala, som ambiente e contexto visual juntos em uma única passagem, incluindo áudio espacial de dois e quatro canais. Com custo abaixo de meio centavo por mil tokens de saída, fica muito abaixo dos preços de ponta, o que o torna interessante para pipelines de alto volume.

Conhecido por

Áudio, vídeo e visão nativos em um único modelo, sem necessidade de pipeline separado
Compreensão de áudio espacial, incluindo formatos de dois e quatro canais
Design agente embutido, incluindo interação GUI
Janela de contexto de um milhão de tokens para tarefas multimídia longas
Preço competitivo muito abaixo da maioria dos rivais omnidimensionais

Fique atento a

Pesos não são públicos; você aluga acesso via API, sem opção local.
Amplitude omnidimensional pode significar concessões: verifique a qualidade na sua modalidade específica antes de comprometer um pipeline.
A Alibaba não publicou comparações detalhadas de benchmarks para este modelo.

Melhor para

Agentes e uso de ferramentas

Sugestões para tentar

Analise um arquivo de vídeo

Anexe um clipe de vídeo curto. Descreva o que está acontecendo visualmente, identifique qualquer fala ou sons significativos e resuma as informações principais em três tópicos. Observe quaisquer momentos em que o áudio e o visual contem histórias diferentes.

Plano de automação GUI

Preciso automatizar uma tarefa repetitiva em um aplicativo de desktop: abrir um arquivo CSV em uma planilha, filtrar linhas onde a coluna C é maior que 100, copiar o resultado para uma nova aba e salvar. Escreva um plano passo a passo que um agente possa seguir, incluindo quais elementos da interface devem ser acionados em cada etapa.

Cena de áudio espacial

Anexe um arquivo de áudio gravado com múltiplos canais. Identifique o número de fontes sonoras distintas, descreva onde cada uma parece estar posicionada em relação ao ouvinte e observe quaisquer mudanças de posição ao longo do tempo.

Comparar com

Qwen3.8 Flash
Modelo com pesos abertos
Contexto de 1,000,000 tokens · entrada $0.15/M, saída $0.47/M
Qwen3.8 27B
Modelo com pesos abertos
Contexto de 1,000,000 tokens · entrada $0.24/M, saída $2.20/M
Qwen3.6 35B A3B
Modelo com pesos abertos
Contexto de 262,144 tokens · entrada $0.15/M, saída $1.00/M
Qwen3.5-9B
Modelo com pesos abertos
Contexto de 262,144 tokens · entrada $0.10/M, saída $0.15/M

Mais modelos de texto de qwen

Perguntas frequentes

Posso rodar o Qwen3.8 Omni Flash localmente?: Não. Os pesos não foram liberados publicamente, então o modelo é apenas via API e não pode ser executado no seu hardware.
Qual o custo e qual o tamanho do contexto?: O preço é $0,15 por milhão de tokens de entrada e $0,47 por milhão de tokens de saída, com uma janela de contexto de um milhão de tokens.
O que diferencia este modelo dos outros Qwen?: É o primeiro modelo Qwen da Alibaba projetado para uso agente e o primeiro a combinar compreensão nativa de áudio, vídeo e visão em um único modelo, incluindo suporte a áudio espacial.

Veredito do capitão
Um modelo omnidimensional genuinamente capaz a um preço que torna viáveis pipelines de áudio e vídeo de alto volume, limitado apenas pelo bloqueio dos pesos fechados.

O capitão escreve estas notas com base na descrição e ficha do modelo. Preços e tamanhos de contexto são do provedor na data da escrita e podem mudar.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Also ranked: #94 Hottest Text / LLM text model

Not this creator?

Get your own badge

Como essa pontuação é calculada

Este modelo ainda não tem dados de popularidade de nenhuma fonte, então ele carrega um número provisório abaixo de 7,000° para manter as listas completas. Ele nunca fica acima de um modelo com dados. A divisão aparece aqui assim que uma fonte reporta.

Glossário: os termos usados aqui

Pontuação heat: Um número que mostra o quanto um modelo está sendo usado e desejado agora, de 0° a 9.999°. Toda lista neste site que diz mais quente é ordenada por ele e só por ele.
Limite mínimo: Os 7.000° que todo modelo com dados reais começa. A escala vai de 0° a 9.999°; a parte abaixo do limite é para substitutos (modelos sem dados), para que um modelo com dados sempre fique acima de um sem. O limite é igual para todos e não decide nada; os graus acima dele são a medida.
Equivalentes a downloads: Tudo que a pontuação trata como download, somado: downloads em si, cada torrent seeder como 1.000, cada imagem AI Horde e cada execução em site de geração como um.
Escala logarítmica: Contando de dez em dez, não de um em um: ir de 1.000 para 10.000 downloads adiciona os mesmos graus que ir de 10.000 para 100.000. Isso evita que gigantes abafem tudo.
Likes: Joinhas e likes de todas as fontes, valendo metade de um download na escala logarítmica.
Taxa de adoção: Quantos downloads por dia um modelo recebe agora, pela diferença entre duas leituras de uma fonte. Um quarto do peso do termo download.
Medido e estimado: Medido significa que existem duas leituras de uma fonte e a diferença é real. Estimado significa que só se sabe o total de hoje e o passado é distribuído ao longo da vida do modelo; o site indica qual está mostrando.
Seeder: Alguém que mantém uma cópia dos pesos online para outros baixarem via torrent, ou um espelho hospedado fazendo o mesmo. Cada um conta como 1.000 downloads.
AI Horde: Uma rede voluntária que gera imagens de graça em computadores doados. O número de imagens feitas com um modelo é público, e cada uma conta como um download.
Sites de geração: Sites que hospedam suas próprias cópias de um modelo e deixam as pessoas gerarem com ele, como PixAI, SeaArt e Yodayo. Os downloads deles contam como os do Civitai e cada geração conta como um download.
Tokens OpenRouter: Um modelo de texto servido via API, como Claude ou GPT, não tem pesos para baixar, então seu uso é medido em tokens: os pedaços de texto que ele leu e escreveu via OpenRouter, um gateway usado por muitos apps, nos últimos 30 dias. Cada 10,000,000 tokens contam como um download. Fonte: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modelo completo (checkpoint): Os pesos em si, o arquivo que gera sozinho. Ganha um bônus porque complementos dependem dele.
LoRA e embedding: Arquivos pequenos que direcionam os pesos de outra pessoa para um estilo, personagem ou conceito. Não podem rodar sozinhos.
Família e pesos: A base em que um modelo é construído, como SD 1.5, SDXL, Flux ou Wan. Todo modelo herda a data de lançamento dos pesos da sua família.
Idade: Pontos retirados conforme há quanto tempo os pesos da família foram lançados: 150° por ano, até 750°. Mantém os downloads antigos que tiveram anos para acumular, evitando que saiam do topo da lista.
Impulso da família: Um pequeno empurrão limitado para LoRAs de uma família que este site está promovendo agora, sempre listado na divisão.
Pontuação provisória: Um número estável abaixo do mínimo dado a um modelo que ainda não tem dados de fonte, para a lista ficar completa. Nunca fica acima de um modelo com dados.
Novo! (período de carência): Um modelo com menos de 7 dias mostra Novo! em vez de uma pontuação e não ocupa lugar no ranking. Sua pontuação é calculada desde o primeiro dia, mas um modelo com um dia cresce mais rápido que qualquer outro, então sem a espera o #1 da semana seria sempre o que saiu ontem, não o que se manteve por uma semana.
Tendência: Como o crescimento de um modelo num período se compara com o crescimento típico dos modelos no mesmo período. Crescimento mais rápido que o típico indica alta, mais lento indica queda.
Modelo típico: O meio do catálogo: metade dos modelos com número cresceu mais rápido no período, metade mais devagar.

Modelos semelhantes

Modelos de IA para geração de imagem, vídeo e texto

Qwen3.8 Omni Flash é um modelo de texto para a família Text / LLM listado no ModelTrends.ai, um catálogo somente leitura de modelos de IA de código aberto para imagem, vídeo e texto. Compare-o com outros modelos Text / LLM e veja a pontuação de calor para acompanhar a tendência.

Mais modelos Text / LLM Mais Texto / LLM Text / LLM llm qwen visão áudio vídeo raciocínio agentes contexto longo

Navegar por família de modelos