阿里 Qwen3.8-Omni-Flash 发布、1M token 多模态原生、全模态实时

国产全模态 AI 跑进 168 毫秒

北京时间 10 月 15 日晚，阿里巴巴通义千问团队发布 Qwen3.8-Omni-Flash——

原生支持语音、视觉、文本、音频同时输入输出的端到端多模态大模型——1M token 上下文，端到端时延 168ms。

用人话说：以前的"语音 AI"是 3 个模型拼接（ASR 把语音转文字 → LLM 处理 → TTS 把文字转语音）——每多一个环节就多 200ms 时延；Omni-Flash 一个模型搞定，端到端 168ms，比眨眼快。

并且模型权重直接开源（Apache 2.0），已上架 Hugging Face——开发者可以直接拿去部署商用。

一句话总结

阿里 Qwen3.8-Omni-Flash：1M token 上下文、原生全模态、168ms 端到端时延、开源（Apache 2.0）——国产 AI 第一次在"原生全模态"维度追上甚至反超 GPT-4o/Gemini 2.5，是国产开源大模型 2026 年最具技术含量的一次发布。

一、Qwen3.8-Omni-Flash 这场发布到底有多炸？3 个数字告诉你分量

维度 · 数据

端到端时延 · 168ms（GPT-4o 约 320ms，Gemini 2.5 约 280ms）

上下文窗口 · 1M token（≈ 100 万中文字）

原生模态 · 语音 + 视觉 + 文本 + 音频（输入输出）

开源协议 · Apache 2.0（可商用）

已上架平台 · Hugging Face + ModelScope + 阿里云百炼

用人话说：168ms 端到端意味着什么？意味着你说一句话，对面的 AI 几乎"立即"回话——时延比 GPT-4o 的一半还短。

1M token 上下文意味着什么？意味着你可以把一整本 60 万字的中文书"塞进"上下文，AI 还能立刻回答。

Apache 2.0 开源意味着什么？意味着任何公司、任何个人、任何产品都可以拿来商用——不花一分钱。

二、"全模态"到底比"多模态"强在哪？3 个维度告诉你

维度 1：以前的"语音 AI"是三段式

ASR（语音转文字）+ LLM（文字处理）+ TTS（文字转语音）= 三段拼接，时延 600-1000ms。

用人话说：以前的"语音 AI"像"传话游戏"——一段话被转手 3 次，每次都丢细节。

维度 2：Omni-Flash 是"单段式"

一个模型同时理解语音频谱 + 文字 token + 视觉 patch——时延 168ms，且不丢音调、情感、停顿。

用人话说：Omni-Flash 像"直接听懂话"——你说"啊？"，AI 能立刻听出你的语气是"惊讶"还是"疑问"。

维度 3：原生支持"看 + 听 + 说"同时进行

视频流、语音流、文本流可以同时输入——AI 不需要"等视频结束"再处理，可以边看边听边回答。

用人话说：以前的 AI 看视频要等视频结束，Omni-Flash 可以"边看视频边跟你聊剧情"——这是具身智能的"眼睛 + 耳朵"基础能力。

三、Qwen3.8 凭什么做到 168ms？3 个技术核心告诉你

核心 1：原生多模态训练（Native Multimodal）

从一开始就用"语音 + 视觉 + 文本"三路共同训练——不是"先练 LLM，再挂 ASR/TTS"。

用人话说：GPT-4o 也是原生多模态，但 Qwen3.8-Omni-Flash 在"训练-推理一致性"上做得更彻底——这是国产 AI 第一次在算法层面追平国际旗舰。

核心 2：FlashAttention-3 + 高效 KV Cache

用最新的 FlashAttention-3 长上下文推理优化——1M token 的推理算力只增加约 3.5 倍（不是 30 倍）。

用人话说：长上下文的 AI 一般推理贵到"用不起"——Qwen3.8-Omni-Flash 通过算法优化，让"百万级上下文"变成可商用成本。

核心 3：MoE 架构 + 动态路由

总参数 720B、激活参数 35B——每次推理只激活 35B，但能调用所有 720B 的"知识"。

用人话说：MoE = "让一个大图书馆只开一层的灯给你看"——成本低、知识全。

四、对普通人意味着什么

很多人会问："168ms 时延 1M token 全模态关我什么事？"

关系有三层：

第一层：你用的 AI 助手会"更像人"。 智能音箱、AI 助手、车载 AI——未来 6 个月会大量接入"全模态"方案，时延压到 168ms 后，AI 终于能"像人一样聊天"了。

第二层：AI 应用开发成本可能大降。 以前做"语音 AI 应用"要拼 3 个模型（ASR + LLM + TTS）；Omni-Flash 一个 API 搞定——中小公司能做的 AI 应用场景会暴增。

第三层：国产 AI 第一次"不被海外卡脖子"。 Omni-Flash 开源（Apache 2.0）——中国开发者可以完全本地化部署，不再依赖 OpenAI/Anthropic 的 API——这是国产 AI 开源生态的关键里程碑。

未来 1 年看 3 件事：

① 阿里 Qwen 团队的下一版（4.0）是不是继续走"全模态 + 开源"——这是判断"阿里 AI 战略"是不是稳定的最直接信号

② 国内中小公司基于 Omni-Flash 做的爆款应用数量——这是判断"全模态 API"商业化的最直接信号

③ GPT-5.6、Claude 4、Gemini 2.5 的端到端时延能不能压到 200ms 以内——这是判断"中美全模态差距"的最直接信号

写在最后

1. 168ms = "AI 像人一样聊天"的工程临界点

200ms 以内的端到端时延是人类"感知不到 AI 延迟"的门槛——Omni-Flash 是国产第一个跨过这个门槛的旗舰。

2. 1M token 上下文 + 开源 = 国产 AI 第一次"技术 + 生态"双领先

技术追平 + Apache 2.0 开源 + Hugging Face 上架——Qwen3.8-Omni-Flash 是国产 AI 第一次在"技术 + 生态"双维度领先海外。

3. MoE 720B / 激活 35B = "成本可控的全模态"

不是"小模型凑合"也不是"全参数暴力"——Omni-Flash 找到了一条"效果 + 成本"平衡的工程路径——这条路值得其他国产模型公司跟进。

如果觉得这篇拆解对你有帮助，不妨点个关注和在看。

你的 AI 陪跑伙伴 【数字新奇点】 会继续关注国产全模态大模型与开源生态。

咱们下期见！

参考资料

Qwen3.8-Omni-Flash: Native End-to-End Multimodal Foundation Model

Qwen/Qwen3-Omni-Flash Hugging Face Model Card

阿里通义千问发布 Qwen3.8-Omni-Flash 全模态大模型