Alibaba lanza Qwen3.8-Omni-Flash: supera a Gemini 3.8 Flash en audio y reduce drásticamente el precio de su API
Alibaba ha lanzado el nuevo modelo de Inteligencia Artificial (IA) Qwen3.8-Omni-Flash, que ha supuesto un gran avance al superar a Gemini 3.8 Flash de Google en procesamiento de voz e interacción de audio y una reducción en el coste en la API en más de un 93 por ciento respecto a su generación anterior.
El equipo detrás de Qwen3.8-Omni-Flash ha dado los detalles de su nuevo modelo de IA, que ha pasado de uno que solo "comprende" datos de múltiples modalidades a un sistema pensado para planificar tareas, utilizar herramientas y ejecutar flujos de trabajo de agentes de IA en escenarios de productividad real.
Según los "benchmarks" aportados por Alibaba Cloud, su mejora es exponencial en el reconocimiento de voz con varios interlocutores a la vez, con tasas muy bajas de fallos, mientras que en comprensión musical es el mejor de los modelos comparados, y en la detección de sonidos (SpotSoundBench) alcanza los 67,2 frente a los 39,7 de Gemini 3.8 Flash de Google.
Este logro, sumado a la reducción de precios en audio en más de un 98 por ciento y en audiovisual en más de un 93 por ciento, pone de relieve la relevancia de este modelo en la guerra abierta entre los de pesos abiertos contra los modelos cerrados provenientes desde Estados Unidos
Sin embargo, aún le queda camino por recorrer en el razonamiento audiovisual de vídeo puro, una capacidad que sigue liderando Gemini de Google.
según Alibaba Cloud, el modelo sube el listón omnimodal más de un 25 por ciento de media respecto a la generación anterior al mantener el rendimiento en texto y con un contexto de un millón de "tokens".
En lo que respecta a otras pruebas de rendimiento, Qwen3.8-Omni-Flash despunta en agentes multimodales con herramientas (WildClawBench-MM) con 71,0 mientras que Gemini alcanza 58,9, y comparado con Claude Opus 4.6 de Anthropic, lo supera en visión y tareas de pantalla (navegación en móvil, percepción visual del mundo real y razonamiento matemático visual).
Alibaba también midió su nuevo Omni-Flash contra Opus 4.6 Max, un modelo de generación anterior detrás del Opus 5 actual, aunque hay que tener en cuenta el hecho de que un modelo flash (dedicado para respuestas rápidas) sea capaz de superarlo.
Tras conocer sus puntos fuertes y débiles, Qwen3.8-omni-Flash se caracteriza en primer lugar, por la interacción omnimodal nativa para procesar al mismo tiempo tanto el texto y la visión como la entrada y salida de audio, y, en segundo lugar, en una integración optimizada con los agentes de productividad para ejecución de código, gestión de documentos, interacción en interfaces de web y de móviles y automatización de tareas complejas paso a paso.
En tercer lugar, el laboratorio Tongyi, que está detrás del desarrollo de los modelos de IA de Alibaba Cloud, ha mejorado la adherencia a los parámetros fijados para definir tonos de conversación, personalidad, restricciones de salida y el uso riguroso de llamadas a funciones (con las que es capaz de interactuar con herramientas externas como consultar el clima, precio de una acción, etc.).
Por último, Qwen3.8-Omni-Flash razona de mejor forma sobre imágenes, diagramas, esquemas e interfaces gráficas con mayor precisión (2D / 3D).
Infobae
