Alibaba'nın Qwen ekibi, 1 milyon jetonluk tek bir bağlam penceresi aracılığıyla metin, resim, ses ve video girişlerini kabul eden yeni nesil yerel omnimodal model olan Qwen3.8-Omni-Flash'ı piyasaya sürdü. Resmi Qwen blogunda ayrıntılı olarak açıklanan sürüm, ekibin ses ve videoyu pasif girdilerden yapay zeka ajanlarının dünyayı algılaması ve üzerinde hareket etmesi için birincil ortama dönüştürme yönündeki en agresif girişimine işaret ediyor.

Medyayı Anlamaktan Ona Göre Harekete Geçmeye

Qwen3.8-Omni-Flash'ın belirtilen hedefi yalnızca medyanın daha iyi anlaşılması değildir. Qwen ekibine göre model, çok modlu sistemleri "çok modlu içeriği anlamaktan" "görevleri planlamaya, araçları çağırmaya ve yaratıcı çalışmayı tamamlamaya" kadar ilerletmek için tasarlandı. Uygulamada bu, modelin video düzenleme, müzik videosu oluşturma, film prodüksiyonu ve yorumlama, görsel-işitsel özetleme ve gerçek zamanlı sesli konuşmalar gibi iş akışlarını hedeflediği anlamına geliyor.

Bu etken çerçeveleme, yayını, ses ve videoyu yazıya dökülecek veya tanımlanacak girdiler olarak ele alan önceki çok modlu modellerden ayırır. Qwen, ses ve videonun "temsilcilerin çevrelerini, mantıklarını anladıkları ve görevleri yürüttükleri temel medyaya" dönüştüğünü savunuyor; bu, şirketin bir dizi aracılı kıyaslama sonucuyla desteklediği bir iddia.

Sürümün Arkasındaki Rakamlar

Sesli muhakeme, görsel-işitsel akıl yürütme ve görsel-işitsel aracı kıyaslamalarını kapsayan 29 değerlendirmede Qwen, modelin ortalama puanının önceki model Qwen3.5-Omni-Plus'a göre %25'ten fazla arttığını söylüyor. Qwen blogunda bildirilen manşet sonuçları şunları içeriyor:

  • WildClawBench-MM'de 36,5 puan ve AgenticVBench'te 22,3 puanlık kazanç, görsel-işitsel aracılar için iki kıyaslama, ayrıca UniClawBench'te 69,6 puan.
  • Uzun biçimli ses ve video anlayışı için LongAudioSpan'da 8,3 puanlık bir iyileştirme ve OmniVideoBench'te 9,6 puanlık bir kazanç.
  • Çok konuşmacılı toplantı transkripsiyonunda dramatik hata oranı düşüşleri: modelin AliMeeting DER ve cpWER'si sırasıyla 88,11 ve 89,61'den 3,35 ve 17,18'e düştü.

Rekabet cephesinde Qwen, Google'ın teklifiyle doğrudan bir karşılaştırma yapıyor: şirket, Gemini 3.8 Flash'a yakın görsel-işitsel performansı ve onu aşan genel ses performansını iddia ediyor. Bu karşılaştırmaların bağımsız olarak doğrulanması zaman alacaktır ancak kıyaslama iddialarının özgüllüğü, Qwen'in modeli çok modlu çalışmanın sınırında rekabetçi olarak değerlendirdiğinin sinyalini veriyor.

Saatlerce Medya İçin 1 Milyon Jetonlu Bir Pencere

Birleşik 1 milyon jetonluk bağlam penceresi, sürümün tartışmasız en pratik özelliğidir. Ses ve video, jetonları metinden çok daha hızlı tükettiğinden, üretimdeki çoğu multimodal model, bir seferde yalnızca birkaç dakikalık medyayı işler. Yedi rakamlı bağlam penceresi, modelin saatlerce süren toplantı kayıtlarını, genişletilmiş video görüntülerini veya büyük karma ortamlı belgeleri parçalama olmadan tek bir oturumda tutmasına olanak tanır.

Qwen, modelin metin performansını aynı boyuttaki salt metin modeliyle karşılaştırılabilir düzeyde tuttuğunu belirtiyor; bu da çok yönlü eğitimin saf dil yeteneğini azalttığı ortak ödünleşimi ele alıyor.

Ses Girişinde %98 Fiyat İndirimi

Fiyatlandırma, Alibaba'nın en fazla baskı uyguladığı alandır. Bloga göre, ses girişinin saatlik API fiyatı Qwen3.5-Omni-Plus'a kıyasla %98'den fazla düşerken görsel-işitsel girişin saatlik fiyatı da %93'ten fazla düştü. Şirketin metodoloji notunda, görsel-işitsel girdinin 720p ve saniyede 1 kare olarak hesaplandığı saatlik fiyatların, iki dakikalık kaynak materyalin girdi maliyetinin 30 katı olarak tahmin edildiği belirtiliyor.

Ses aracıları, toplantı özetleyicileri veya medya analiz hatları oluşturan geliştiriciler için girdi maliyeti genellikle ölçek açısından bağlayıcı bir kısıtlamadır. İki mertebelik fiyat düşüşü, hangi ürünlerin ekonomik olarak uygun olduğunu değiştirir; ucuz metin çıkarımı API'lerinin ilk dalgasını yönlendiren aynı dinamik.

Kullanılabilirlik ve Ekosistem

Qwen3.8-Omni-Flash, konuşma amaçlı kullanım durumları için özel bir gerçek zamanlı uç nokta da dahil olmak üzere Alibaba Cloud Model Studio aracılığıyla API erişimiyle artık Qianwen AI Platformunda mevcut. Ekip ayrıca GitHub'da Qwen-Live-Harness değerlendirme donanımı ve Qwen-MM-Plugins dahil olmak üzere destekleyici açık kaynak araçlarını yayınlayarak geliştiricilere modelin üzerine yerel medya aracıları oluşturmak için bir başlangıç ​​noktası sağladı.

Lansman hafta başında sessizce gerçekleşti, ancak son günlerde geliştirici topluluğunda önemli bir ilgi gördü ve Hacker News ve açık model ekosistemini takip eden teknoloji kuruluşlarının haberlerinde büyük bir tartışmaya yol açtı.

Omnimodal Yarış İçin Ne İfade Ediyor?

Sürüm, Alibaba'nın sürekli olarak dünya çapında en çok indirilen açık model soyları arasında yer alan Qwen ailesi genelinde agresif fiyatlandırmayı rekabetçi kıyaslamalarla eşleştirme stratejisini sürdürüyor. Şirket, Qwen3.8-Omni-Flash ile bir sonraki savaş alanının yazılı sohbet değil; görüntüleri düzenleyebilen, toplantıları özetleyebilen ve tek bir entegre yetenek olarak gerçek zamanlı sesli görüşmeler gerçekleştirebilen, izleyebilen, dinleyebilen ve hareket edebilen aracılar olacağına bahse giriyor.

Gemini 3.8 Flash'ı açık bir karşılaştırma noktası haline getiren Google için mesaj, çok-modlu sınırın artık ABD laboratuvarları arasında iki atlı bir yarış olmadığıdır. Geliştiriciler için, 1 milyon jetonlu multimodal pencere ve neredeyse serbest ses girişinin birleşimi, yalnızca aylar öncesine kadar geniş ölçekte hizmet vermesi pratik olmayan bir dizi görsel-işitsel aracı ürün sınıfının önündeki engeli azaltıyor.

Qwen'in kıyaslama iddialarının bağımsız değerlendirme altında geçerli olup olmadığı, sektörün bu iddiayı ne kadar ciddiye alacağını şekillendirecek. Ancak seyahatin yönü açık: Sınır modelleri oluşturan ekipler artık yapay zeka ajanları için varsayılan arayüz olarak yalnızca bir metin kutusu değil, kulakları ve gözleri görüyor.

Yapay Zekanın Önünde Olun

Omnimodal yarış her geçen hafta hızlanıyor. Daha fazla son dakika AI haberi, piyasaya sürülen yeni modellerin derinlemesine analizi ve sektörü şekillendiren araçların kapsamı için daha fazla AI haberini okuyun →.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →