9 月 18 日，阿里千问正式上线新一代原生全模态模型 Qwen3.8-Omni-Flash，并已在千问 AI 平台提供。与”先理解文本、再外接模块处理音视频”的做法不同，该模型从架构层面同时处理文本、图像、音频和视频输入，支持 1M（百万）上下文窗口，官方称可原生处理最长约一小时的连续音视频流。

全模态模型的定位正在从”理解内容”走向”规划任务、调用工具并完成创作”。官方表示，Qwen3.8-Omni-Flash 在保持同尺寸文本模型能力的同时，全模态能力较上一代明显提升。

30 项评测平均提升超 26%

在累计 30 项评测上，Qwen3.8-Omni-Flash 相比上一代 Qwen3.5-Omni-Plus 平均得分提升超过 26%。具体来看：

– 音视频 Agent、Coding 和长程任务：WildClawBench-MM 提升 36.5 分，AgenticVBench 提升 22.3 分，UniClawBench 取得 69.6 分；<br/>- 长音频理解：LongAudioSpan 提升 8.3 分；<br/>- 视频理解：OmniVideoBench 提升 9.6 分；<br/>- 会议场景：AliMeeting 的说话人分离错误率（DER）从 88.11% 降至 3.35%，词错率（cpWER）从 89.61% 降至 17.18%。

官方称，其音视频能力接近 Gemini 3.8 Flash，音频能力整体超过 Gemini 3.8 Flash。

价格打到”基础能力”区间

最引人注目的是定价策略。Qwen3.8-Omni-Flash 的百万 Token 图文音视频输入定价为 0.8 元，API 每小时音频输入价格降幅超过 98%，每小时音视频输入价格降幅超过 93%。把全模态打到 0.8 元每百万 Token，意味着开发者以往因成本不敢全量调用的会议录音、访谈整理、视频内容生产等场景，如今具备了规模化调用的空间。

能”看”能”听”还能”动手”

为支持长音视频，官方扩展了 Qwen-MM-Plugins，并开源 Qwen-Live Harness。前者面向长程工作流的按需感知、工具调用与执行，后者面向实时、持续的全模态交互。

在 Agentic 长音视频理解中，OmniVideoBench 准确率从 63.4 提升至 67.8，Token 消耗从 145,736 降至 79,117，降幅约 45.7%。会议场景下，模型支持最长一小时音视频输入，可完成说话人切分、内容转录与身份对应，生成会议纪要和待办事项，并分析项目风险；结合工具调用，还可发送邮件、整理任务或编码。

音视频生产方面，Music2MV 可理解歌曲结构、节奏与情绪，输出带时间戳的句级歌词；短剧翻译可完成角色识别、口语化翻译、角色克隆配音、音轨重混与成片质检；长电影解说中，用户给出影片和一句话需求，Agent 即可完成全模态理解、关键情节提炼、解说规划、配音配乐、剪辑渲染与成片质检。

实时版与”听声辨位”

实时版 Qwen3.8-Omni-Flash-Realtime 可在音视频流输入的同时完成感知与响应，并结合实时上下文调用工具。官方称它是首个支持”听声辨位”的全模态大模型，融合空间声音与视觉信息，判断声源方向和距离；还支持实时口语陪练，联合建模发音与语义，理解受口音影响的非标准表达。

在”模型优化模型”的实验中，Qwen3.8-Omni-Flash 在 12 小时内自主选定评测集、经 4 轮实验构建 3413 条训练数据，将 Qwen2.5-Omni-3B 的四川话识别字符错误率从 25.79% 降至 15.30%，相对下降约 40.7%。官方同时开源了 Qwen-MM-Plugins 中的 Video2Note（将数小时视频生成图文对应 PDF 笔记）与 Omni Skill Creator（从操作演示中提炼标准作业流程并转为可复用 Agent Skill）。

2026 年 9 月 1 日至 3 日，OpenAI、Anthropic、Google、Meta 四家实验室在不到三天内接连发布新模型，摆明了是同一场军备竞赛的四个选手。没有一款全能，但每一款都有一项”碾压级”的主场。本文基于四家官方发布数据与 Artificial Analysis 等第三方基准，对比 GPT-6 Astra、Claude Fable 5.1、Gemini 3.8 Flash 与 Meta Muse Spark 1.3，并给出选型建议。

GPT-6 Astra：通用智能断层领先，但盲测反差明显

OpenAI 于 9 月 3 日发布 GPT-6 Astra。在最考验通用智能的测试上，它近乎满分：ARC-AGI-3 得分 99.9%，FrontierMath Tier 4 达 97.6%，ExploitBench 100%。操作电脑方面，OSWorld 2.0 拿到 72.6%，完成任务时间比上代减少 47%。

但它的盲测表现出现明显反差：在 LMArena 文本盲测中，gpt-6-astra-max 仅 1441.83 分，比上一代 GPT-5.5 high 的 1470.85 还低，公司榜上甚至挤不进前十。这说明盲测偏好”聊得舒不舒服”，而 Astra 的强项在”活干没干完”。其 API 标准定价为每百万输入 token 10 美元、输出 50 美元，是四款中最贵的；网络安全等高级能力受限，仅向受信任组织开放（Daybreak Access 计划）。它还是 OpenAI 首个达到”关键”级网络安全阈值的模型。

Claude Fable 5.1：编程与长程 Agent 最能打

Anthropic 在 9 月 1 日率先开场。Fable 5.1 主打长程、高风险的智能体任务，在衡量 Agent 式编程的 Terminal-Bench 4.0 上拿到 55.8%，其”安全版”Mythos 5.1 高达 60.9%；在 Agentic 科研（Terminal-Bench-Science）上，52.6% 是上一代（24.7%）的两倍多。有案例显示它能连续自主跑 38 小时处理机器学习任务，中途自己发现数据标签问题并修正方案。

LMArena 公司榜上，Fable 5.1 Max 以 1510.46 分守住第一，领先第二名约 16 分。Anthropic 将缓存读取价格下调 75%，典型工作负载成本约降 25%、重度 Agent 场景最高降 45%。它与 Claude Code、Claude Cowork 配合，是开发者上手最直接的选项。

Gemini 3.8 Flash：性价比之王

Google 在 9 月 2 日推出 Gemini 3.8 Flash，是六周内第三个 Flash 版本。它主打软件工程与智能体，Terminal-Bench 2.1 达 90.8%。定价极具杀伤力：每百万输入 token 0.75 美元、输出 3.75 美元（该优惠价有效期至 2026 年 12 月 31 日，此后翻倍），并支持 100 万 token 上下文。Google 同时发布 Gemini 3.8 Flash Cyber，专用于检测软件漏洞与生成补丁，仅通过 Fairwind Program 向”可信防御者”开放。

Meta Muse Spark 1.3：开源潜力股

Meta 超级智能实验室（MSL）于 9 月 2 日发布 Muse Spark 1.3，支持文本、图像、视频、文件输入，上下文窗口超过 100 万 token。相比 1.2，同样任务约少用 20% 工具调用与 25% token。标准定价为每百万输入 1.25 美元、输出 4.25 美元；同意将提示用于训练的开发者可享 0.10/0.20 美元的”贡献者”低价。Meta 同步开源 30B 的 Muse Glimmer 权重（Apache-2.0），并把个人智能体 Muse 推向市场，可自主开浏览器、填表单、替用户砍价。

四强横向对比

怎么选：直接对号入座

要通用智能的极限、预算不敏感、做企业级高价值任务，选 GPT-6 Astra，但要接受灰度与 2.5 倍定价。写代码、跑 Agent、做知识工作，选 Claude Fable 5.1，长程执行能力本轮最强且现在就能用。预算有限、要量大管饱的日常推理与 Agent，选 Gemini 3.8 Flash，0.75 美元的输入价太能打。想白嫖、能等，选 Meta Muse Spark 1.3，等开源权重落地后本地跑近乎零成本。

本轮发布本质上是”旗舰性能开始下放”——编程与 Agent 不再是顶配专属，便宜的 Flash 也能干，开源的 Spark 也快来了。真正受益的是普通用户。

本文基于 OpenAI、Anthropic、Google、Meta 官方发布信息及 Artificial Analysis、Dutch Startup 等第三方基准整理。