Gemini Omni 1.2 Flash 對比 Qwen3.8-Omni-Flash：「Omni」一詞身兼兩職

阿里巴巴自己公布的估算指出，用 Qwen3.8-Omni-Flash讀取一小時 720p 影片的成本約為二十美分。Google 對以 Gemini Omni 1.2 Flash生成一小時 720p 影片的定價為 $252。兩款模型都叫 Omni。兩者都接受文字、圖像、音訊與影片。一款讀取影片並以文字回答；另一款生成影片並以檔案回答。它們之間的價差並不是競爭訊號，因為它們並非在競爭——那是製造一秒現實與描述一秒現實之間的成本差異。

這一點很重要，因為這種比較不斷被拿來做，而且幾乎總是在 Google 一方用錯模型。流傳中的每一篇「Qwen Omni 對上 Gemini」文章——包括 Alibaba 自己發布的基準測試表——都是拿 Qwen3.8-Omni-Flash 與 Gemini 3.8 Flash 相比，後者是輸出文字的模型，每百萬輸入 token 收費 $0.75。那才是正確的對手。Gemini Omni 1.2 Flash 自 2026 年 11 月 5 日起全面開放使用，是不同產品、採不同計價方式，而且兩者之間在任何地方都沒有已發布的正面對決。

Qwen3.8-Omni-Flash 究竟是什麼

阿里巴巴的 Qwen 團隊於 2026 年 9 月 18 日推出它，作為 Qwen3.5-Omni-Plus 的後繼產品，並建構於 Qwen3.8-Flash-Next 架構之上。首先要釐清的是輸出模態，因為這個名稱容易讓人產生錯誤的假設：它只產生文字，而且僅限文字。它不生成影片，且與前代不同，它也不生成語音。它所有與 omni 相關的能力都在輸入端。

在這方面，它的能力超乎尋常。上下文窗口為一百萬個 token，其中約 991,000 個可用於輸入，131,000 個用於輸出。單次呼叫即可處理長達一小時的連續視訊。它支援雙聲道立體聲與四聲道空間音訊，這正是 Qwen 招牌絕技的由來——在房間中定位聲源並指向它，這正是機器人或會議分析團隊一直期待的能力。語音辨識涵蓋 74 種語言及 39 種中文方言；在同系列模型中，文字轉語音涵蓋 29 種語言。另有一個即時版本 Qwen3.8-Omni-Flash-Realtime，可透過 WebSocket 或 WebRTC 運行，具備語音輸出與 56 種嗓音，上下文長度為 192K。

定價是激進的部分：每百萬個輸入 token 為 $0.15、每百萬個輸出 token 為 $0.47，快取輸入則為每百萬個 $0.016。權重封閉。僅提供 API，透過 Alibaba Cloud Model Studio 與 Qwen 自家端點提供，相容於 OpenAI，涵蓋六個區域。

Gemini Omni 1.2 Flash 實際上是什麼

Google 的模型則反其道而行。輸入文字、圖像、音訊和影片；輸出三到十五秒、音訊同步的影片，以一秒為增量，比例為 16:9 或 9:16。你可以先用 360p 或 720p 製作草稿，再升頻至 1080p 或 4K。一次請求最多可包含六張參考圖像、一段最長三秒的動作片段，以及音訊提示；多輪編輯讓你能替換產品、改變天氣或重新取景，而不必重新生成整段內容。延伸功能每輪可增加三到十秒，上限為 30 秒。所有內容都嵌有 SynthID 浮水印。

1.2 版既是功能發佈，也是一次降價：影片輸出從每百萬個 token 17.50 美元降至 12.00 美元，換算下來 720p 每秒約 0.07 美元，降幅達 30%。文字輸入維持每百萬個 token 1.50 美元，文字輸出則維持每百萬個 token 9.00 美元。付費方案的速率限制也在同一天翻倍。Google 在這次發佈中並未公佈任何基準測試分數，只對參考依從性、唇形同步與鏡頭連貫性做出了質化描述。

只有在同時運行兩者時才會浮現的三個成本陷阱

推理預算會按輸出計費。Qwen3.8-Omni-Flash 預設的思考模式為「xhigh」，推理預算最高可達 262,000 個 token，並以輸出費率計費。單一請求若對長影片深入思考，光是推理費用就可能約為 0.123 美元——這比影片讀取估算值高出六百多倍，也是為什麼有些團隊在實際影片量微不足道的情況下，仍回報這個模型很貴。在進行任何基準測試之前，先為思考預算設定上限。

每小時影片的數字是供應商估算。阿里巴巴並未公布影片擷取的每秒 token 數費率，因此「每小時二十美分」這個數字無法從價目表獨立推導出來。每百萬 token 0.15 美元／0.47 美元的費率是可驗證的；每小時換算則是 Qwen 自己的算術，而正是基於這個原因，已有一篇公開分析指出「比 Gemini 便宜 98%」的說法無法驗證。

渲染成本是乘以鏡次數，不是乘以交付項目數。一支十五秒的短片是 1.05 美元。六個剪短版是 6.30 美元——但沒有人能在第一次就六個全過。以每個可用版本三次嘗試計算，同樣六個剪短版要花 18.90 美元，而這個數字才是要編進預算的。Google 也將拼接序列的上限設為 30 秒，因此任何更長的內容都算第二輪生成，而不是延伸。

一個實作範例流程：輸入三十分鐘，輸出六段短片

Here is where both models earn a place, and where the cost distribution is counterintuitive.

讀取母帶。Qwen3.8-Omni-Flash 接收 30 分鐘的來源影片，回傳一份逐字稿，內容包含講者輪次、畫面文字、附時間碼的鏡頭清單，以及一份簡短清單，列出有人說出值得引用內容的時刻。依照阿里巴巴的估算，這大約是十美分的輸入費用。再加一輪思考流程挑出六個最佳時刻，總成本仍低於四分之一美元——只要預算設有上限。

渲染這些剪輯版本。用 Gemini Omni 1.2 Flash 產出六支十五秒短片，每支各三次生成：$18.90。產品的參考圖像讓六支短片的包裝保持一致；音訊提示讓對白清晰可辨；多輪編輯則修正了那兩支走樣的片子。

把輸出讀回來。 這六段完成的片段會送回 Qwen3.8-Omni-Flash，確認畫面上的文字清晰可讀、對白與腳本相符，而且沒有人的唇形同步差了一格。六段片段就是九十秒的影片。回讀的成本微不足道；真正讓渲染帳單站得住腳的是檢查。

這個模式具有普遍性：在這對組合上，分析很便宜、生成很昂貴，兩者相差兩到三個數量級。那些把預算按相反方向編列的團隊——假設「智慧」模型必定是昂貴的一方——每次都把渲染線配置得不足，卻把讀取線配置得過剩。

基準紀錄，以及這些數字屬於誰

所有關於 Qwen3.8-Omni-Flash 已發表的內容，都來自同一個來源：阿里巴巴自家的評測，於 2026 年 9 月 22 日以 arXiv 論文形式發布。對上 Gemini 3.8 Flash，它在 WildClawBench-MM 以 71.0 對 58.9 勝出，在 SpotSoundBench 以 67.2 對 39.7 勝出，並在會議語者分離上以極大差距勝出——語者分離錯誤率為 3.35，對手為 72.6。它在 OmniVideoBench 以 63.4 對 65.2 落敗，在 AgenticVBench 以 36.8 對 45.0 落敗。這些結果都未經獨立重現，而且完全沒有涉及 Gemini Omni 1.2 Flash，它根本不會將影片讀入上下文視窗。

Google 這一邊的帳面則更為空洞。Gemini Omni 1.2 Flash 的發布公告裡沒有任何數字——沒有 Elo、沒有勝率、也沒有基準測試套件。這些比較全是質性描述：比 1.1 更出色的參考匹配、更流暢的對話、更清晰的口型同步、更少的跳接。NVIDIA 和阿里巴巴的發布至少還附上表格；Google 的發布帶來的卻是形容詞。

所以，對於「哪個更好」這個問題，誠實的立場是：它目前沒有實測答案，而且在有人把兩者放在同一個任務上實際跑過之前，也不會有答案。能篤定說出口的範圍更窄，卻也更有用：Qwen 的那些數字，是在輸入價格只有五分之一的情況下、對上一個純文字輸出的模型所取得的，而它們不會移轉到影片生成器上，因為這兩套系統是用完全不同的量尺在評分的。

在兩家供應商真正重疊之處

問題不在模型，而在企業合約。兩者都是封閉的，兩者都僅提供 API，兩者都以不容忽視的方式受到區域鎖定——Alibaba 服務北京、新加坡、香港、東京、法蘭克福和維吉尼亞；Google 對上傳影片的編輯功能在歐洲部分地區無法使用。媒體公司選擇供應商時，選擇的不只是能力，也同樣是在選擇資料處理協議與司法管轄區。

值得注意的是，兩者都不會做什麼。Qwen3.8-Omni-Flash 無法生成影格，而 Google 的 Omni 1.2 Flash 無法回答關於十分鐘影片的問題。任何為了降低採購開銷而整合到單一廠商的人都會發現，無論往哪個方向整合，這種整合都會讓他們付出失去一項能力的代價。Google 的遷移說明則從另一面表達了同一點：自 2026 年 12 月 3 日起，對 gemini-omni-1.1-flash 的請求將由 1.2 以 1.2 的價格回應，且無需更改程式碼——這提醒我們，封閉端點的變動取決於廠商的時程，而非你的時程。

OrcaRouter 涵蓋什麼，以及不涵蓋什麼

這兩款模型都不在 OrcaRouter 上，本文也不會假裝它們在。平台上真正具備的，是相鄰的能力：不必再簽第二、第三份合約，就能建構上述流程。

讀取端由Qwen3.8 Flash涵蓋：輸入文字、圖像與影片，輸出文字，支援一百萬個 token 的上下文與長影片分析，計費為每百萬輸入 token $0.15、每百萬輸出 token $0.47——與 Omni 變體同價、同規格，只是少了空間音訊功能。渲染端由Kling 3.0 Omni涵蓋，文字轉影片與圖像轉影片每請求 $0.084，影片長度為 3–15 秒。兩者共用同一把金鑰，這表示將同一份來源分送至讀取端與寫入端的扇出是路由規則，而非整合專案；自動容錯移轉代表供應商不穩也不會讓活動在渲染途中停擺；而 0% 加價是直接轉嫁供應商定價，因此供應商調價當天，我們這邊的數字也會跟著變動。

如何在接下來十分鐘內做出決定

如果你的問題是手上有素材，卻沒辦法搜尋、上字幕，或找出講者提到價格的那一刻——那就選 Qwen 這邊。先把思考預算設上限，並實測你真正的匯入速率，而不是相信每小時的估算值。

如果你的問題是有產品拍攝需求、有截止期限，卻沒有攝影團隊，那就買 Google 那一邊，並把每個可用鏡頭編列三次拍攝的預算，而不是一次。

如果你同時有這兩個問題——而這正是大多數團隊的實際情況——就別再尋找贏家了。本文第一段提到的兩個模型永遠不會出現在同一張基準測試表上，因為其中一個產出的是檔案，另一個產出的則是一段關於該檔案的文字。唯一能連結兩者的數字，卻是沒有人會公布的：你的組織每製作一小時影片，就要閱讀多少小時的影片。