Qwen3.8-Omni-Flash לעומת Qwen 3.8: חשבון מומחה מול חשבון דגל

אם אתה רוצה את הגרסה הקצרה: Qwen3.8-Omni-Flash הוא בערך זול פי שלושה עשר לכל טוקן מאשר Qwen 3.8 והוא היחיד מבין השניים שנבנה לשבת בתוך שעה של אודיו-וידאו בלי להיחנק — בעוד שQwen 3.8, ליבת הקוד הפתוח בעלת 2.4 טריליון פרמטרים בראש סדרת Qwen3.8, הוא זה שאתה משתמש בו כשהתשובה צריכה להיות נכונה במקום זולה, והיחיד מבין השניים שאת משקולותיו אתה יכול להוריד. הם חולקים אורך הקשר, שם משפחה וחלון השקה מאוגוסט עד ספטמבר. הם לא תחליפים, וכל הערך של השוואה זו הוא בלדעת איזו שאלה אתה בעצם שואל.

ליתר דיוק לגבי השמות, כי המשפחה צפופה. Qwen 3.8 כאן פירושו הליבה הפתוחה מסוג תערובת-מומחים 2.4T-A95B — המודל שעומד מאחורי נקודת הקצה Qwen3.8-Max, שאותה חשפה Alibaba ב-3 באוגוסט 2026 ופרסמה עבורה משקלים ב-12 באוגוסט, ושאותו Artificial Analysis מדרגת ב-40 במדד ה-Intelligence Index שלה. Qwen3.8-Omni-Flash הוא המודל האומני-מודאלי המקורי ש-Alibaba הכניסה לשירות API ב-18 בספטמבר 2026, שנבנה על קו הארכיטקטורה Qwen3.8-Flash, וקולט טקסט, תמונה, אודיו ווידאו ומחזיר טקסט. כל מה שקשור למודל המוביל הוא דיווח של הספק או דירוג בלתי תלוי, כפי שצוין; כל מה שקשור למודל האומני הוא דיווח של הספק בלבד, מפני שהוא בן שעות ספורות ואיש מחוץ ל-Alibaba לא מדד אותו.

שני דגמים, משפחה אחת, בריפים עיצוביים מנוגדים

הפיתוי הוא לקרוא את זה כמודל גדול ומודל קטן מאותו דור, כמו שקוראים את Qwen3.8-Max מול Qwen3.8-Flash. קריאה כזו שגויה באופן שעולה כסף. Qwen 3.8 — הליבה היא מנוע חשיבה שבמקרה מקבל תמונות ווידאו; התפוקה שלו נמדדת באסימונים לשנייה בבעיות קשות, המחיר שלו נקבע כך שישקף את עלות המחשוב של מעבר קדימה עם 95 מיליארד פרמטרים פעילים, וגיליון ההערכה שלו הוא רשימה של לוחות חשיבה וקידוד. Qwen3.8-Omni-Flash הוא מנוע תפיסה ופעולה שבמקרה מבצע חשיבה; המחיר שלו נקבע מול עלות קליטת שעות של מדיה, וגיליון ההערכה שלו הוא רשימה של לוחות אודיו, וידאו וקריאה לכלים. האחד מותאם לעומק לכל אסימון. האחר מותאם לאסימונים לשעת תוכן.

ההבדל הזה בולט בצורה חדה במיוחד במקום שהשיווק לא מזכיר. שני המודלים מקבלים כמיליון טוקנים ושניהם מקבלים וידאו. אבל Qwen3.8-Omni-Flash תוכנן במפורש סביב בעיית משך הזמן — עד שעה של אודיו-וידאו רציף בקריאה אחת, עם מצב הבנה אג'נטית שבו המודל בוחר מה לדגום במקום לעבד כל פריים, ומצמצם את מספר הטוקנים לשאילתה מ-145,736 ל-79,117 תוך העלאת הדיוק ב-OmniVideoBench מ-63.4 ל-67.8. Qwen 3.8 אין מנגנון מפורסם מקביל. להזין לו שעתיים של וידאו אפשרי על הנייר; לעשות זאת במחיר שישרוד מפגש עם צוות כספים זו שאלה אחרת, וזו השאלה שלשמה נבנה המודל האומני.

הממדים שלמעשה מכריעים את זה

• מחיר — Qwen3.8-Omni-Flash $0.15 למיליון קלט ו-$0.47 למיליון פלט, לעומת Qwen 3.8 ב-$2.00 ו-$6.00. קריאת מטמון: $0.016 לעומת $0.25.

• משקלים פתוחים — המשקלים של Qwen 3.8 פורסמו ב-12 באוגוסט 2026 תחת רישיון מותאם; Qwen3.8-Omni-Flash זמין רק דרך API ואליבאבא לא הודיעה שהוא ישוחרר.

• הקשר — מיליון טוקנים בכל צד; קלט מרבי של 991K במודל Omni, עם פלט מרבי של 131K ותקציב חשיבה של 262K.

• משך מדיה — עד שעה של אודיו-וידאו רציף בשיחת omni אחת; דגם הדגל מתועד עבור קלט וידאו, ללא סיפור עלות לפי שעה נלווה.

• מודאליות הפלט — טקסט בשני הצדדים. אף אחד מהם אינו מפיק דיבור, חרף השושלת של מודל ה-omni.

• ציון עצמאי — Qwen 3.8 ממוקם ב-40 במדד האינטליגנציה של Artificial Analysis. ל-Qwen3.8-Omni-Flash אין עדיין ציון עצמאי מכל סוג שהוא.

מדוע טבלאות הבנצ'מרק אינן יכולות להכריע בכך

אין לוח השוואה ראש-בראש, וגם לא עומד להיות כזה בקרוב. חומרי ההשקה של Alibaba עבור Qwen3.8-Omni-Flash משווים אותו באופן בלעדי מול Qwen3.5-Omni-Plus, קודמו הישיר, ומול Gemini 3.8 Flash; המספרים של דגם הדגל מגיעים מקבוצה אחרת לגמרי של הערכות הסקה וקידוד. שני הגיליונות אינם חולקים אף שורה אחת. כל מי שמפרסם טבלה שמעמידה אותם זה לצד זה על ציר אחד — בנה את הציר הזה בעצמו.

מה שאפשר לומר בכנות הוא כיווני. לפי הנתונים של הספק עצמו, מודל ה-omni הוא צעד גדול מעל קו ה-omni שהוא מחליף — שיפור ממוצע של מעל 26% על פני כשלושים הערכות, עם WildClawBench-MM ב-71.0, UniClawBench ב-69.6, LongAudioSpan ב-82.7 — וצעד אמיתי אך חלקי מול Gemini 3.8 Flash, שם הוא מוביל בלוחות ממוקדי אודיו כגון SpotSoundBench (67.2 מול 39.7) ו-MMAU (81.8 מול 76.9) ומפגר ב-AgenticVBench להסקת וידאו טהורה (36.8 מול 45.0). בצד הדגל, ציון ה-Index של Qwen 3.8, 40, הוא מדידה בלתי תלויה ושווה יותר מכל האמור לעיל. אלה סוגים שונים של ראיות, ואין לאחד אותן לממוצע אחד.

השוואת עלויות מחושבת, עם ההנחה מוצהרת

קחו משימת ניתוח של מסמך ארוך ווידאו: 300,000 טוקני קלט ו-20,000 טוקני פלט, צורה סבירה לפגישה מוקלטת בת תשעים דקות עם שקופיות. ב־Qwen3.8-Omni-Flash שזה 300,000 × $0.15 למיליון = $0.045 של קלט ו-20,000 × $0.47 למיליון = $0.0094 של פלט, כך שבערך 5.4 סנטים. ב־Qwen 3.8 אותה קריאה היא 300,000 × $2.00 למיליון = $0.60 ו-20,000 × $6.00 למיליון = $0.12, או בערך 72 סנטים. קצת יותר מפי שלושה עשר מהעלות עבור אותו מספר טוקנים.

המספר שמשנה את ההחלטה הוא לא היחס אלא הנפח. במאה משימות כאלה ביום, זה בערך $5 ליום לעומת בערך $72 ליום — ההבדל בין פיצ'ר שאתם משחררים לבין פיצ'ר שאתם מצמצמים את היקפו. אבל אם המשימה היא חילוץ קשה אחד מחוזה של 300K טוקנים, שבו תשובה שגויה עולה שעת סקירה אנושית, תוספת המחיר של פי 13 אינה רלוונטית, ומודל ההיסק החזק יותר מנצח בטעות הראשונה שהוא לא עושה. קבעו את ההנחה לפני שאתם מסתכלים על שורת המחיר, לא אחרי.

איפה כל אחד למעשה מנצח

Qwen3.8-Omni-Flash מנצח בכל דבר שנמדד בשעות. תמלול פגישות עם דיאריזציה וחילוץ משימות המשך, סיכום וידאו ארוך, דוחות מחקר אודיו-ויזואליים, פייפליינים של כתוביות, וכל סוכן שצריך להחליט בעצמו איזו דקה בהקלטה חשובה. השיפור בדיאריזציה שדווח על ידי הספק — שיעור שגיאות הדובר ב-AliMeeting שירד מ-88.11 ל-3.35 — הוא מסוג הדלתאות שהופכות פייפליין שנבדק ידנית לכזה אוטומטי, אם כי ניתוח טכני סיני של ההשקה טוען שחלק ניכר מהרווח הזה מגיע מהנדסת front-end ודיאריזציה העוטפת את המודל ולא מהמודל עצמו, ולכן יש לבחון אותו על האודיו שלכם לפני שאתם מוותרים על שלב הביקורת האנושית. מודל ה-omni מנצח גם בפשטות במחיר עבור כל עומס טקסט בנפח גבוה שבו איכות הטקסט שלו מספקת, שאליבאבא טוענת שהיא דומה לזו של מודלים לטקסט בלבד באותו גודל — טענה שלא שוחזרה, וכדאי לבדוק אותה ולא להניח אותה.

Qwen 3.8 מנצח בכל מקום שבו התוצר נשפט ולא נספר: הסקה מורכבת, עבודה סוכנית לטווח ארוך, עבודת קוד בהיקף גדול, ניתוח מסמכים בני מיליון טוקנים שבהם הסינתזה היא התוצר. הוא מנצח גם במימד שאין לו שום קשר לבנצ'מרקים — הוא בעל משקולות פתוחות. אם האילוץ שלך הוא ריבונות נתונים, פריסה באתר הלקוח (on-premise), כיוונון עדין, או פשוט לא לרצות ספק בנתיב ההסקה — מודל ה-omni אינו מועמד כלל, ושום יתרון מחירי לא סוגר את הפער הזה. האילוץ הבודד הזה מכריע ביותר פריסות אמיתיות מכל מספר שלעיל.

מריץ אותם בלי שני חוזים

החיכוך המעשי בהשוואה כזו הוא לעתים רחוקות בחירת המודל; הבעיה היא שבסופו של דבר אתם משתלבים עם שני ספקים, שתי מערכות חיוב ושתי קבוצות של קוד לקוח כדי לגלות איזה מהם רציתם. Qwen3.8-Max — נקודת הקצה הנושאת את הליבה הפתוחה בת 2.4 טריליון פרמטרים — פעילה ב-OrcaRouter תחת מזהה המודל qwen/qwen3.8-max, במחיר של 2.00 דולר למיליון טוקני קלט ו-6.00 דולר למיליון טוקני פלט, עם חלון הקשר של מיליון טוקנים וקלט טקסט, תמונה וווידאו, לצד יותר מ-200 מודלים אחרים במפתח אחד במחיר המחירון של הספק עם 0% תוספת ומעבר אוטומטי בין ספקים אם נקודת קצה מתקלקלת. Qwen3.8-Omni-Flash אינו נמצא בקטלוג הזה — הוא פועל על הפלטפורמות של Alibaba עצמה — כך שהתצורה הכנה כיום היא דגם הדגל במסלול שלנו והמודל האומני שנקרא ישירות, כאשר שכבת הניתוב נותנת לכם מקום לשים את המפסיד במבחן לאחר שהרצתם אותו.

פסק הדין

בחרו בQwen3.8-Omni-Flashכאשר הקלט ארוך, הפלט קצר, והנפח הופך את מחיר היחידה לאילוץ המכריע. בחרו בQwen 3.8כאשר הקלט צפוף, הפלט הוא התוצר, ודיוק או שליטה בפריסה הם תנאי בל יעבור. אזור החפיפה — הבנת וידאו — הוא המקום היחיד שבו קיים עימות ראש בראש אמתי, ובאזור הזה מודל האומני מחזיק בטיעון העלות והמשך, בעוד שמודל הדגל מחזיק בטיעון החשיבה והמשקולות הפתוחות. הריצו את שניהם על הנתונים שלכם לפני שאתם מתחייבים; למודל האומני אין עדיין הערכה בלתי תלויה, ויתרון מחיר ביום ההשקה הוא בדיוק מסוג הדברים שכדאי לאמת מול חשבונית ולא מול הכרזה.