Qwen3.8-Omni-Flash（全模态 API 模型）

Qwen3.8-Omni-Flash 是阿里云百炼（Model Studio）上的全模态模型，输入支持文本、图片、音频与视频，输出为文本，官方定位是音视频理解与内容分析。上下文长度 1M tokens，非思考模式最大输入 991808 tokens、思考模式 983616 tokens，最大输出 131072 tokens；音频输入覆盖 113 种语言和方言，并支持空间音频（Chat Completions 通过 use_multichannel 开启）。

能力上默认开启深度思考并支持调节思考强度，带自定义工具调用（Function Calling）与联网搜索（Responses 内置 web_search）；上下文缓存支持自动生效的隐式缓存与 Responses Session 缓存，可显著降低对长音频、长视频反复提问的成本。调用走 Chat Completions 或 Responses，已在华北2（北京）、新加坡、中国香港、日本（东京）、德国（法兰克福）、美国（弗吉尼亚）等地域提供，需使用对应地域的 API Key。适合会议与客服录音的结构化信息提取、视频内容分析、跨语言语音问答这类需要一次性吃下长音视频的场景。

• 四模态输入（文本／图片／音频／视频）→ 文本输出，1M tokens 上下文、最大输出 131072 tokens
• 音频输入覆盖 113 种语言和方言，原生支持空间音频输入，默认开启深度思考
• 支持 Function Calling、联网搜索与隐式上下文缓存，按地域分别提供 API Key