Qwen3.8-Omni-Flash 上線：讓影片筆記保留聲音與畫面的分歧
重點摘要
阿里千問開放 1M tokens 上下文的全模態模型，並提供影片轉筆記工具。低價輸入增加處理原始素材的選擇，產品價值仍要看筆記能否保留逐字稿漏掉的畫面證據。
Qwen3.8-Omni-Flash 開放聲音與畫面一起輸入，提供了一個可驗證的用途：假設教學影片裡，講者說「儲存成功」，畫面卻出現錯誤提示，模型產生的筆記應能留下這項矛盾。若筆記仍只照錄講者的話，使用者付費處理影片，卻沒有取得畫面多提供的證據。
阿里千問於 2026-09-18 上線這款模型，平台發布紀錄與 IT之家當日報導均確認這項交付；RuntimeWire 的報導刊於美國中部時間 9 月 17 日晚間，換算台北時間也是 9 月 18 日。本文以同日台北時間 20:21 為查核截止，沒有把媒體所在地的日期當成另一場發布。發布紀錄 IT之家 RuntimeWire
阿里雲文件列出的輸入包含文字、圖片、音訊與影片，上下文容量為 1M tokens；原生輸出則是文字，並支援函式呼叫與網路搜尋。服務涵蓋新加坡等六個區域，開發者須使用對應區域的 API 金鑰。容量增加讓應用有空間保留較長的素材，但能接收多少內容，與能否正確找出其中的細節，仍須分別判斷。模型文件
實際應用範例可在 Qwen-MM-Plugins 找到：Video2Note 把本地教學影片整理成圖文 PDF，另一項工具能從操作示範提取可重用的 Agent Skill。這些是官方提供的工作流程，來源沒有公布企業採用數或獨立驗證的節省工時。Video2Note 需要雲端金鑰與 ffmpeg；影片轉成檔案的過程仍仰賴周邊軟體，不能把展示成果全算成模型直接輸出。官方程式庫 Video2Note 範例
筆記需要保留操作失敗的畫面
我會優先把這類能力用在操作教學，而非所有錄音的摘要。教學的步驟常出現在畫面上，講者未必逐項念出；只有逐字稿時，後續模型就沒有那些資訊可用。聲音與畫面共同輸入，提供了補回資訊的途徑，是否真的補到，才是採用理由。
回到儲存失敗的假設，筆記如果只留下整理過的成功步驟，下次照做的人可能看不出哪一步出錯。我會讓筆記保留對應時間點與截圖，將講者的說法和畫面結果分開呈現。這會增加一些篇幅，卻讓讀者能回查；產品若只追求把長片縮得更短，反而可能刪掉有用的例外。這是根據輸入能力提出的設計選擇，尚非模型已證明的效果。
低價輸入仍有使用條件
阿里雲新加坡國際區域的定價，為每百萬輸入 tokens USD 0.15，快取命中輸入 USD 0.016，輸出 USD 0.47。這組數字有助於估算同一份素材被反覆查詢時的模型費用；其他區域另有價格，快取價格也不能套用到全部輸入。定價表
對影片筆記服務而言，低輸入單價增加了保留原始素材的餘裕，但每部影片換算多少 tokens、輸出多長，以及是否需要重新處理，都會改變帳單。檔案儲存和人工校對也不包含在這份模型報價裡。現有資料不足以算出一份合格筆記的總成本，更不能用單價推算一般使用者會省下多少時間。
這次交付已讓開發者取得音畫理解 API 和可參考的工具流程。我支持讓筆記保留可回查的差異，而非替互相衝突的內容選一個流暢版本。檢驗時可在有已知音畫分歧的影片上，比較逐字稿方案與新模型漏掉多少處衝突、又誤報多少處；若兩者沒有差別，就沒有足夠理由為這類筆記額外處理畫面。
封面沿用本站阿里巴巴企業照片，非本次模型發布畫面；事件圖片因下載連線失敗未能取得。
來源：