Qwen3.8-Omni-Flash lyd og video inn, tekst og handling ut

Vil gjøre opptak til arbeidsoppgaver

Qwen-teamet presenterte 18. september 2026 Qwen3.8-Omni-Flash som en modell for å planlegge oppgaver og bruke verktøy på grunnlag av multimodalt innhold. Målet er å gå videre fra å forstå materialet til å utføre arbeid, ifølge Qwens oversikt over forskningsnyheter, der lanseringen er datert. Alibaba Clouds modellogg fører samtidig API-modellen opp fra 17. september.

For brukeren er hovedpoenget enkelt: Modellen tar imot tekst, bilder, lyd og video, men leverer tekst. Den støtter også egendefinerte verktøykall og nettsøk. Dette står i Alibaba Clouds modellbeskrivelse, oppdatert 18. september. En løsning som skal klippe eller dubbe en film, må derfor koble modellen til andre verktøy som utfører selve produksjonen.

Et annet bruksområde enn videogenerering

Alibaba skiller tydelig mellom lyd- og videoanalyse med tekstsvar og modeller for samtaler med lyd tilbake. I selskapets oversikt over multimodale modeller er møtereferater, undertekster og svar om innhold eksempler på bruksområder for Qwen3.8-Omni-Flash. Det gjør modellen aktuell som analyseledd i en arbeidsflyt, snarere enn som eneste verktøy i et videostudio.

Tenk for eksempel på et opptak fra en produktdemonstrasjon. Et mulig oppsett er å be modellen foreslå relevante utdrag, skrive en oversikt over temaene og sende forslagene videre til et redigeringsverktøy. Dette er en tenkt brukssituasjon basert på funksjonene i Alibabas oversikt, ikke en dokumentert test av hvor presist modellen utfører oppgaven.

Frankfurt er blant regionene

Modellbeskrivelsen oppgir Frankfurt som støttet region, sammen med blant annet Singapore og Tokyo. Utvikleren må bruke en API-nøkkel fra den valgte regionen. Samme dokumentasjon oppgir et kontekstvindu på én million tokener og støtte for 113 språk og dialekter som lydinput.

Disse opplysningene gir et utgangspunkt for utprøving, men sier ikke i seg selv hvor godt modellen håndterer et bestemt norsk møte. Vårt råd er å lage en liten prøve med navn, faguttrykk og dialekter fra den faktiske arbeidshverdagen. Vurder både hvilke opplysninger som kommer med, og hva modellen utelater. Antallet støttede språk i modellkortet er ingen måling av kvaliteten på ditt materiale.

Utviklere får flere valg underveis

Modellen kan brukes gjennom Chat Completions og Responses. Resonering er aktivert som standard, og arbeidsinnsatsen kan justeres. Alibabas bruksveiledning beskriver både valg av resonneringsnivå og hvordan tenkemodus kan slås av. Dermed bør en utprøving også sammenligne svartid og resultat ved ulike innstillinger, fremfor å behandle standardvalget som fasit.

Qwen3.8-Omni-Flash støtter dessuten mellomlagring av kontekst. Dokumentasjonen for kontekstcache fører modellen opp blant dem som støtter implisitt mellomlagring. Vår vurdering er at dette er verdt å undersøke for løsninger som stiller flere spørsmål til samme materiale. Gevinsten bør måles i den aktuelle løsningen før den legges inn som en forutsetning i et budsjett.

Hva betyr dette for norske bedrifter?

For norske utviklere gir lanseringen et nytt alternativ når opptak skal bli til referater, analyser eller oppgaver i andre systemer, slik bruksområdene er beskrevet i Alibabas modelloversikt. Start med avgrenset prøvemateriale, kontroller svarene og krev godkjenning før foreslåtte handlinger får konsekvenser. Se også vår oversikt over automatisering og AI-agenter. Den praktiske testen er om koblingen mellom forståelse og handling sparer arbeid uten å gjøre feil vanskeligere å oppdage.

Ofte stilte spørsmål

Lager Qwen3.8-Omni-Flash ferdige videoer? Modellen leverer tekst og støtter verktøykall. Selve videogenereringen må håndteres av andre verktøy. Kilde: Alibaba Cloud.

Kan utviklere velge en europeisk region? Ja, Frankfurt står på listen over støttede regioner. En API-nøkkel fra riktig region kreves. Kilde: Alibaba Cloud.