AI Radar — лента🤖 Модель Alibaba улучшает другие ИИ без помощи человека — за 12 часов
Alibaba выкатила мультимодальную Qwen3.8-Omni-Flash: текст, картинки, аудио и видео в одном окне на 1 млн токенов. API цена обрушилась на 98 % для аудио и 93 % для видео, а в 29 бенчмарках модель прибавила свыше 25 %.
Что внутри. Архитектура унифицирована: всё — текст, изображения, аудио, видео — обрабатывается в единой системе. В WildClawBench-MM модель набрала 71,0 балла — сразу на 36,5 балла больше предшественника. На длинных аудио 82,7 балла, китайские совещания с несколькими спикерами — 89,7 балла. Плюс первая в мультимодальных моделях звуковая локализация.
Экономия. Агентный механизм режет расход токенов на 45,7 % на запрос. Поддержка 74 языков и диалектов для распознавания речи, в том числе сычуаньский — доля ошибок упала на 40,7 %. Для генерации речи — 29 языков.
Самосовершенствование. За 12 часов эксперимента модель сгенерировала 3413 обучающих примеров и улучшила более мелкую Qwen2.5-Omni-3B без участия людей.
Абсолютная стоимость API не раскрыта — непонятно, от какой суммы считать 98% экономии.
Что это значит: мультимодальная модель с миллионным контекстом, которая сама себя улучшает, и цена стала заметно доступнее. Но главное — абсолютная стоимость API так и не названа.
Оригинальная публикация в Telegram