Qwen3.8-Omni-Flash 上线五天：一个入口，没有权重，以及首批并非出自阿里的评分

五天后，供应商开放Qwen3.8-Omni-Flash给 API 客户，这款模型仍然只有一个归宿。它运行在供应商自家的 Qianwen 平台及其 Bailian 云服务上；发布以来出现的第三方上架项只是这些相同端点前的代理，并不是该模型栖身的第二个地方。权重尚未发布。发布当日的数字——一小时音频成本降低 98%，相较 Qwen3.5-Omni-Plus 平均提升 26%，一百万个 token 的上下文，纯文本输出——仍然只是供应商自己的说法，且未被复现。五天内真正改变的不是模型，而是它周边的环境：薄薄的一层第三方评分已经出现，框架支持在首日落地，而所有人都在寻找的对比对象是 Gemini 3.8 Flash而不是Qwen3.8-Flash，这个模型正是与它一同打造的。上述每一点都值得比发布报道更仔细地审视。

这扇门是一扇好门，而且它是唯一的一扇。

可用范围扩大了，但并没有变成多个来源。该模型会原样应答 OpenAI 格式的请求，这意味着现有客户端代码大多能正常工作；真正出问题的是端点，因为国际站与中国大陆的主机是各自独立计费的不同服务。指向默认端点的代码要么直接失败，要么以错误的币种计费，而按小时计价的说法只在国际站那边成立。开源客户端库在模型发布首日就提供了支持，这确实很有用，但也不构成第二个供应商：与 Bailian 通信的库，不过是围绕同一个单一供给来源的便利封装而已。

这是一个值得点明的结构性风险。单一来源的模型没有故障转移路径。如果端点被限流、性能下降，或者某个区域彻底停摆，你就无处可去，再多的客户端库支持也改变不了这一点。这也是为什么我们直白地表明自己的立场，而不是暗示另一种情况：Qwen3.8-Omni-Flash并不在我们的目录中。我们不托管它，读者若抱着能够路由到它的期望来注册，就会受到误导。真正可路由的是该系列中的其他模型——Qwen3.8-Flash和Qwen3.8-Max目前都已上线于我们的 API——并且 OrcaRouter 以 0% 的加价率直接透传提供商标价，因此当阿里巴巴的 Omni 模型定价变动时，或者 Omni 模型可供路由的那一天到来时，变更会在当天就触达客户，而不必等到下一次合同续约。

第一批不属于 Alibaba 的评分很单薄，而且并不好看。

在 Artificial Analysis 上，这个模型没有任何数据，而发布五天后，这种缺失本身就是诚实的头条：大家为邻近模型引用的那些排行榜，还没有为这个全模态模型留出一行。这个空白已被别的东西填补。一个第三方评估平台已开始发布针对该模型的运行结果，而它的摘要值得一读，恰恰因为它没说的东西太多了。它报告邮件分类准确率为 99.0%（第 86 百分位），伦理为 95.0%（第 23 百分位），推理为 56.0%，并将其排在第 28 百分位，称其为明显短板；速度落在第 21 百分位，成本在第 58 百分位，整体成功率为 89%。

对这些数据要格外谨慎，不仅是因为样本量小。同一个页面把该模型的发布时间标为9月20日——比阿里巴巴实际发货晚了两天——没有给出任何结果的运行日期，并且在一段描述了表格中并不存在的数字的摘要下方，渲染出一张空白的基准测试表。这更像是一个早期、监管松散的测试框架的特征，而非一次经过严谨测量的评估；而诚实的解读是：这些是首批非厂商来源的数据点，而不是首批可靠的数据点。它们是让你亲自测试该模型的理由，而不是据此得出任何结论的理由。不过，其方向与厂商自身材料通过省略所暗示的情况一致：这是一个感知与长媒体模型，而那些偏重推理的榜单并非它的目标所在。

搜索结果里还埋着一个陷阱，接下来几周会坑到不少人。Qwen 3.8这个文本模型在 Artificial Analysis 智能指数上的得分是四十多，而这个数字已在不止一份摘要中被引用，仿佛它描述的是 omni 模型。事实并非如此。它们是各司其职的两种不同模型，而 omni 模型目前根本还没有指数评分。

基准测试表仍然只是一家厂商在与自己比较

发布数据——在约三十项评测中平均提升超过26%——完全是以Qwen3.5-Omni-Plus为基准衡量的。这说明该系列确实进步了。它并没有告诉你，这个模型与你可能已经在付费使用的任何东西相比处在什么位置，而随之一同流传的那些选择性对比也无法填补这一缺口。厂商报告的对阵Gemini 3.8 Flash的情况是：在音频榜单上取得真正的胜利，而在衡量智能体视频任务的榜单上则是失利——一边是 WildClawBench-MM 71.0 对 58.9、SpotSoundBench 67.2 对 39.7，另一边是 AgenticVBench 36.8 对 45.0、OmniGAIA 74.0 对 78.6。阿里巴巴自己的总结措辞——音视频性能“接近”Gemini，整体音频性能超过它——比它催生出的那些标题更谨慎，而谨慎的版本才是准确的。

• 上下文 — 100 万 tokens，最大输入约 99.1 万（思考模式下约 98.3 万），最大输出 13.1 万。

• 模态 — 输入支持文本、图像、音频和视频；仅输出文本。基础模型不生成语音。

• 时长——每次通话支持长达一小时的连续音频或音视频，这使得会议和长媒体工作无需分块处理即可进行。

• 语言覆盖范围——发布材料中宣称可识别 74 种语言以及 39 种汉语方言，而在其他地方为音频输入引用了更宽泛的数字（113 种语言和方言）。

• 输入细节——支持立体声和四声道空间音频，其中 Realtime 变体被描述为首个能够通过声音定位目标的全模态模型。

• 价格——国际侧每百万输入 token 为 $0.15，缓存为 $0.016，输出为 $0.47，另有单独的中国大陆价目表，两者不可直接比较。

98%是真的，而这不是你的账单

按照阿里巴巴自己给出的测算方法——将两分钟样本乘以三十，视频按 720p、每秒一帧采样——一小时的音频输入费用从 0.28 美元降至不到 0.01 美元，而一小时的音频加视频合计从 3.27 美元降至 0.20 美元。这些降幅很大、很具体，且由厂商自行报告，但它们只是针对一个单项成本。真正重要的算术是：这个单项在你的工作负载中占多大比重。如果一条流水线把大部分 token 花在输出、缓存上下文，或以高于每秒一帧的密度采样的视频帧上，那么账单上实际下降的百分比就会远小于宣传标题所承诺的幅度，而那个标题说的是输入音频，不是总成本。再加上纯文本输出，差距还会进一步拉大：任何需要回话的东西都需要第二个模型，而那个模型是单独计费的。

这正是路由发挥价值的那部分图景。直通式路由器的价值不在于折扣——而在于你支付的是供应商自己的价目表，并且工作负载可以分散到多个模型上，使单一来源模型成为一个组件，而不是一项依赖。一个全能模型，如果它是你唯一能调用的东西，那么在可用性和定价层面都是单点故障。

五天的生产究竟能告诉你什么

三件事可以解决这些悬而未决的问题。对 AliMeeting 说话人分离结果的独立测量——错误率从 88.11 降至 3.35，cpWER 从 89.61 降至 17.18——将表明这属于模型本身，还是属于围绕它的说话人分离与前端工程，至少有一份中文技术分析将大部分提升归因于此。对智能体模式 token 缩减的复现测试——在 OmniVideoBench 上准确率从 63.4 升至 67.8，而每次查询的 token 数从 145,736 降至 79,117——将证实这次发布中最有用的一个说法：模型可以同时变得更好、更便宜。而一个 Artificial Analysis 或 arena 排名，将把上述每一个厂商数字变成可比较的东西，这是模型被选用而非仅仅被尝试的前提。

在那之前，合理的处理方式，与对待任何仅有单一托管方、且没有独立评测的发布仅五天模型一样：值得在你自己的音频和视频上测一测，但不值得让它成为贯穿你整个流水线的唯一路径。如果你的工作负载是中文或英文的长时会议或媒体分析，且成本主要来自输入小时数而非输出 token，那么这里的经济性足够强，足以证明本周就该测试。如果你的工作负载需要语音输出，或者需要在提供商服务退化时有回退方案，那么该模型目前的状态不可能成为完整答案——再多首日框架支持也无法改变这一点。