Qwen 在 2026-09-18 发布 Qwen3.8-Omni-Flash，定义为首个以智能体能力为核心的全模态模型，官方的说法是音视频表现接近 Gemini 3.8 Flash，WildClawBench-MM 和 UniClawBench 智能体平均分比前代高 19.5 分。但比跑分更值得盯的是两条参数变化：上下文拉到 1M token，在 OmniVideoBench 长视频任务里定位关键片段比静态理解省 51.8% 的 token；视频输入成本相对 Qwen3.5-Omni-Plus 降了约 89%。这两条加起来明显冲着长视频理解和持续运行的智能体工作流，不是给短 demo 准备的。

1M 上下文让一部电影级别的长视频不必再切片拼回去，成本砍掉近九成则让按小时跑的视频应用第一次有算得过来的账本。

乐观到此为止，剩下的都得打折扣看。"接近 Gemini 3.8 Flash"目前只是官方口径，没有公开的基准对比表，独立复现和第三方评测都是空白；同步开源的 Qwen-MM-Plugins 立刻可用，Qwen-Live Harness 还停在 coming soon，"智能体第一"的承诺最终能不能在工具编排上兑现，要等它真正落地。能不能直接接进长视频流水线，现在下结论太早，先拿一个真实工单跑两小时比看发布会靠谱。你手里哪条长视频最想扔给它：自动剪 vlog，还是把两小时电影压成剧情回顾？