Alibaba का नया Qwen मॉडल सुनता है, देखता है, और बहुत कम खर्च करता है

18 सितंबर 2026 को Qwen Team (Alibaba) ने Qwen3.8-Omni-Flash लॉन्च किया, जिसे आधिकारिक ब्लॉग में "our next-generation native omnimodal model" कहा गया है और जो omni मॉडल (Model) को "from understanding omnimodal content to planning tasks, calling tools, and completing creative work" की ओर ले जाता है (FACT, आधिकारिक ब्लॉग)। यह उसी दिन Qianwen AI Platform, QwenCloud, Qwen Studio तथा Alibaba Cloud Model Studio पर लाइव हुआ, OpenAI-संगत Chat Completions + Responses API के साथ (FACT; कई स्रोत)।

क्या रिलीज़ हुआ (FACT, आधिकारिक दस्तावेज़ + QwenCloud + ब्लॉग):

• इनपुट: टेक्स्ट, इमेज, ऑडियो, वीडियो; आउटपुट: केवल टेक्स्ट (नॉन-रियलटाइम API)। 113 इनपुट ऑडियो भाषाएँ/बोलियाँ; use_multichannel के ज़रिए मल्टीचैनल (2-ch स्टीरियो, 4-ch FOA) स्पेशियल ऑडियो इनपुट।
• 1M-टोकन कॉन्टेक्स्ट विंडो (Context Window); अधिकतम इनपुट 991,808 टोकन (नॉन-थिंकिंग) / 983,616 (थिंकिंग); अधिकतम आउटपुट 131,072; अधिकतम रीज़निंग (चेन-ऑफ़-थॉट) 262,144।
• Qwen3.8-Next से विरासत में मिली स्पार्स MoE आर्किटेक्चर (arXiv सार के अनुसार), अर्थात् Qwen3.8-Flash-Next वंश पर बना, जिसे Alibaba ने अगस्त 2026 में ओपन-वेट किया था (MarkTechPost)।
• थिंकिंग डिफ़ॉल्ट रूप से चालू, reasoning_effort = xhigh/medium/low तथा preserve_thinking डिफ़ॉल्ट-चालू के साथ; reasoning_effort: none थिंकिंग बंद करता है।
• टूल कॉलिंग (कस्टम), बिल्ट-इन वेब सर्च (Responses टूल web_search), कॉन्टेक्स्ट कैशिंग (स्वचालित इम्प्लिसिट + Responses Session), स्ट्रक्चर्ड आउटपुट, बैच कॉल, DashScope + OpenAI प्रोटोकॉल।
• रीजन: बीजिंग, सिंगापुर, हांगकांग, टोक्यो, फ्रैंकफर्ट, US वर्जीनिया।
• मूल्य (अंतरराष्ट्रीय): $0.15/M इनपुट, $0.016/M इम्प्लिसिट-कैश इनपुट, $0.47/M आउटपुट (QwenCloud, liteLLM, Vercel, CloudPrice); मुख्य भूभाग चीन ¥0.8/¥0.1/¥2.7।
• API-only; लॉन्च पर कोई ओपन वेट्स नहीं (MarkTechPost, Oflight)।

विंडो के भीतर साथी रिलीज़ (FACT):

• Qwen3.8-Omni-Flash-Realtime (WebSocket + WebRTC; टेक्स्ट+ऑडियो आउटपुट; अधिकतम 100 ऑडियो टर्न / 50 वीडियो टर्न; कॉन्टेक्स्ट में 600 s ऑडियो / 240 s वीडियो सुरक्षित; 196,608 अधिकतम इनपुट टोकन; 120-मिनट सेशन सीमा; MCP टूल समर्थन; वॉइस क्लोनिंग; आवाज़ों में longanlingxin, डिफ़ॉल्ट Tina) — आधिकारिक Realtime दस्तावेज़, पृष्ठ Sep 23 को लाइव पुष्ट, जिसमें मॉडल का पूरे पाठ में उल्लेख है।
• Qwen-Live-Harness v1.0.0 (रेपो की अपनी News प्रविष्टि के अनुसार 2026-09-21): Realtime API के लिए Apache-2.0 ओपन-सोर्स डेस्कटॉप हार्नेस — कैमरा/माइक इंटरैक्शन, बैकग्राउंड टास्क डेलिगेशन (Qwen Code, Qoder CLI, Codex, Claude Code, Gemini CLI, ACP के ज़रिए), प्रोएक्टिव ऑडियो/विज़ुअल मॉनिटर, लॉन्ग-टर्म मेमरी; macOS 12+; npm install -g qwen-live-harness।
• Qwen-MM-Plugins: Claude Code, CodeBuddy, Codex, Qoder, OpenClaw, Qwen Code, Gemini CLI + मैनुअल इंस्टॉल के लिए Apache-2.0 प्लगइन सूट ("Make any agent harness multimodal-native"); क्षमताओं में core, api, search, omni-chatcut (Music-to-MV/commentary/video translation), omni-video2note, omni-skill-creator, omni-memory, video-edit, blender, freecad शामिल। प्रलेखित कमी: "most harnesses cannot yet feed audio to the main model natively — audio is handled through the API for now."
• arXiv 2609.25611 "Qwen3.8-Omni: Towards Native Omni-Modal Agents" (Qwen Team), 2026-09-22 को सबमिट: मॉडल, नेटिव मल्टीमोडल को-ट्रेनिंग रणनीति, Qwen-MM-Plugins तथा Qwen-Live-Harness का परिचय देता है।

कंपनी द्वारा प्रकाशित प्रदर्शन दावे (COMPANY CLAIM — MarkTechPost स्पष्ट रूप से नोट करता है "All figures here come from Qwen. Independent results were not available at publication"):

• Qwen3.5-Omni-Plus के मुकाबले 29 मूल्यांकनों में औसत स्कोर सुधार >25% (TechNode का रीकैप इसे गोल करके ">26% across 30 evaluations" कहता है)।
• WildClawBench-MM +36.5, AgenticVBench +22.3, UniClawBench 69.6; ऑडियो/ऑडियो-विज़ुअल मुख्य लाभ: LongAudioSpan +8.3, OmniVideoBench +9.6, OmniCap-IF CSR +8.5 / ISR +14.1; AliMeeting DER 88.11 → 3.35, cpWER 89.61 → 17.18।
• "Audio-visual performance close to Gemini 3.8 Flash and overall audio performance that exceeds Gemini 3.8 Flash" (Qwen द्वारा चलाए गए क्रॉस-मॉडल ईवैल, स्वतंत्र नहीं)।
• OmniVideoBench पर एजेंटिक बनाम स्टैटिक समझ: 63.4 → 67.8 सटीकता, टोकन 145,736 → 79,117 (~45.7% कम टोकन); Qwen X पोस्ट (status 2100785962414702599) तथा PANews/Gate News लगभग 89% वीडियो-इनपुट लागत कमी और +19.5-pt औसत एजेंटिक लाभ रिले करते हैं।
• Qwen2.5-Omni-3B स्व-सुधार डेमो: 12 घंटे के भीतर मॉडल ने 4 प्रयोग राउंड में 3,413 प्रशिक्षण उदाहरण बनाकर 3B मॉडल की सिचुआन-बोली CER 25.79% → 15.30% (~40.7% सापेक्ष) कर दी।

स्वतंत्र मापन (INDEPENDENT EVIDENCE, आंशिक): modelscale.dev (2026-09-22) होस्टेड API के लिए बेंचमार्क (Benchmark) के अनुरूप क्षमता पंक्तियाँ दिखाता है — Coding 54.9, Knowledge 53.9, Multimodal & Grounded 85.1, Instruction Following 87.7 (BenchLM-स्रोत; कोई समग्र स्कोर नहीं)। Sep 23 तक omni-flash के लिए Artificial Analysis-शैली की कोई लीडरबोर्ड प्रविष्टि नहीं मिली; ऑडियो/वीडियो बेंचमार्क दावों का कोई स्वतंत्र प्रतिरूपण अभी नहीं है।

डिस्कवरी रिकॉर्ड में सुधार / परिष्कार (महत्वपूर्ण):

• "$0.15/$0.47" अंतरराष्ट्रीय (सिंगापुर) टियर है, कोई एकल वैश्विक मूल्य नहीं। आधिकारिक Model Studio मूल्य तालिकाएँ सिंगापुर "International" स्कोप के लिए omni-flash SKU को प्रति 1M टोकन (Token) $0.15 इनपुट / $0.016 इम्प्लिसिट-कैश / $0.47 आउटपुट पर सूचीबद्ध करती हैं, और "Global" नाम के बाकी स्कोप (बीजिंग, हांगकांग, फ्रैंकफर्ट, टोक्यो, वर्जीनिया) के लिए $0.113 / $0.014 / $0.382; मुख्य भूभाग पर प्रकाशित पंक्ति CNY 0.8 / 0.1 (कैश हिट) / 2.7 है (modelscale.dev द्वारा आधिकारिक मूल्य पृष्ठ का ट्रांसक्रिप्शन; Oflight: "Bailian's multimodal input price is ¥0.8 per million tokens, down sharply from roughly ¥18 for the predecessor")। डिस्कवरी रिकॉर्ड का "$0.15 in / $0.47 out" QwenCloud/liteLLM/Vercel/CloudPrice की अंतरराष्ट्रीय लिस्टिंग से मेल खाता है — "$0.15/$0.47" को अंतरराष्ट्रीय हेडलाइन दर मानें।
• "रियल-टाइम ओम्नी मॉडल" दो अलग आर्टिफ़ैक्ट्स को मिला देता है। बेस qwen3.8-omni-flash (Sep 18) एक नॉन-रियलटाइम HTTP API मॉडल है (Chat Completions/Responses) जिसका आउटपुट केवल टेक्स्ट है। रियलटाइम वैरिएंट qwen3.8-omni-flash-realtime (WebSocket/WebRTC, टेक्स्ट तथा ऑडियो आउटपुट, वॉइस क्लोनिंग, MCP, मल्टीचैनल इनपुट) Qwen-Live-Harness v1.0.0 के साथ 2026-09-21 को रिलीज़ हुआ, हार्नेस रेपो की अपनी News प्रविष्टि के अनुसार। यह कहानी दोनों को समेटती है; इस रिसर्च में दोनों तिथियाँ दर्ज हैं, दोनों विंडो के भीतर।
• "Qwen3.5-Omni-Plus की तुलना में वीडियो इनपुट पर लगभग 89% सस्ता" एक COMPANY CLAIM है (Qwen X पोस्ट / PANews रिले), स्वतंत्र रूप से निकाला जा सकने वाला आँकड़ा नहीं। Qwen का अपना ब्लॉग कहता है कि ऑडियो-विज़ुअल प्रति-घंटा इनपुट मूल्य "by more than 93%" गिरता है और ऑडियो प्रति-घंटा "by more than 98%", एक प्रकट कार्यप्रणाली (methodology) के साथ (प्रति-घंटा मूल्य = दो मिनट की स्रोत-सामग्री की इनपुट लागत का 30 गुना; 720p, 1 fps)। X पोस्ट तथा PANews/Gate News वीडियो इनपुट के लिए "~89%" रिले करते हैं। पिछली पीढ़ी के Flash omni (CloudPrice: Qwen3.5-Omni-Flash $0.40 in / $3.00 out) के मुकाबले स्वतंत्र रूप से जाँची जा सकने वाली सपाट प्रति-टोकन गणना 62.5% इनपुट कटौती और 84.3% आउटपुट कटौती देती है — प्रति-घंटा मीडिया दावे से छोटी, क्योंकि उसमें प्रति-घंटा टोकन-खपत की गिरावट भी शामिल है, केवल प्रति-टोकन मूल्य की गिरावट नहीं। 89%/93%/98% को वेंडर-कार्यप्रणाली दावे मानें; 62.5%/84.3% को सत्यापन-योग्य प्रति-टोकन न्यूनतम स्तर।
• आधिकारिक ब्लॉग और स्वतंत्र रीकैप के बीच दो छोटी संगति-खामियाँ: (a) ब्लॉग कहता है "across 29 evaluations… average score improves by more than 25%" जबकि TechNode "more than 26% across 30 evaluations" रिपोर्ट करता है; (b) ब्लॉग में OmniVideoBench एजेंटिक-मोड टोकन कमी "145,736 → 79,117 (approximately 45.7%)" है जबकि Gate News (PANews रिले करते हुए) लिखता है "agentic perception mode consumed 51.8% fewer tokens." दोनों अंतर छोटे हैं और संभवतः राउंडिंग/ईवैल-सेट स्कोपिंग दर्शाते हैं; ब्लॉग की सटीक तालिका ही आधार है।
• लॉन्च पर कोई ओपन वेट्स (open weights) घोषित नहीं हुए। MarkTechPost तथा Oflight दोनों इंगित करते हैं कि मॉडल API-only है ("No open weights were announced at launch, so self-hosting is not an option"; "weights are closed and proprietary")। यह Qwen3.8-Flash (अगस्त 2026) के विपरीत है, जिसने API के साथ ओपन-वेट Qwen3.8-Flash-Next प्रीव्यू जोड़ा था — वही आर्किटेक्चर जिस पर omni-flash बना है (MarkTechPost)। इस लॉन्च के खुले हिस्से टूलिंग हैं: Qwen-MM-Plugins तथा Qwen-Live-Harness, दोनों Apache-2.0।

• ओम्नी (ऑडियो/वीडियो) क्षमता उसी $0.15/$0.47 मूल्य टियर पर लाई गई जिस पर टेक्स्ट-और-इमेज Flash मॉडल हैं। Qwen3.5-Omni-Flash $0.40/$3.00 था और Qwen3.5-Omni-Plus अलग (कहीं अधिक) ऑडियो तथा वीडियो-इनपुट दरें लेता था; omni-flash सभी इनपुट मोडैलिटी को एक टोकन दर पर बिल करता है (आधिकारिक मूल्य नोट, modelscale के ज़रिए: "one token rate for every modality")। ओम्नी समझ अब सामान्य Flash टेक्स्ट इन्फ़रेंस जैसी कीमत पर है — वॉइस/वीडियो एजेंटों की लागत-न्यूनतम सीमा रीसेट हो गई। (मूल्यों पर FACT; रणनीतिक पठन INTERPRETATION है।)
• पिछली पीढ़ी का रियलटाइम ऑडियो-इनपुट प्रीमियम ढह गया। Qwen3-Omni-Flash-Realtime (दिसंबर 2025) QwenCloud पर $4.57/M ऑडियो इनपुट लेता था; नए रियलटाइम मॉडल का ऑडियो इनपुट लगभग $1.86/M ऑडियो टोकन सूचीबद्ध है (आधिकारिक दरों का EmpirioLabs मिरर) — प्रति-टोकन लगभग 59% कटौती, उन बहुत बड़े प्रति-घंटा दावों से पहले (>98% ऑडियो / >93% ऑडियो-विज़ुअल) जिनमें प्रति-घंटा टोकन-खपत सुधार शामिल हैं।
• चीनी omni के लिए संदर्भ प्रतिस्पर्धी अब Gemini 3.8 Flash है, और Qwen ऑडियो पर जीत का दावा कर रहा है। Qwen के अपने क्रॉस-मॉडल ईवैल दावा करते हैं "overall audio performance exceeds Gemini 3.8 Flash" जबकि ऑडियो-विज़ुअल "close to" है; लॉन्च-सप्ताह के एंग्लो प्रेस ने इसे दोहराया (Neowin: "undercuts Gemini on audio"; El Economista: "surpassing Google's Gemini 3.8 Flash in voice processing")। (COMPANY CLAIM + रिले; अभी कोई स्वतंत्र सत्यापन नहीं।)
• एजेंटिक परसेप्शन एक प्रथम-श्रेणी का प्रलेखित वर्कलोड बन गया: मॉडल योजना बनाता है, चुनकर देखता/सुनता है, और पूरी फ़ाइलें पचाने के बजाय कई मोटे-से-बारीक राउंड में साक्ष्य जुटाता है (ब्लॉग; OmniVideoBench 63.4 → 67.8, ~45.7% कम टोकन के साथ)। (COMPANY CLAIM, दिशा ही लॉन्च की थीसिस है।)
• Alibaba ने बंद मॉडल के आसपास की परतें ओपन-सोर्स कीं (Apache-2.0 Qwen-MM-Plugins + Qwen-Live-Harness), सामान्य ओपन-मॉडल/बंद-टूलिंग विभाजन को उलटते हुए: मॉडल स्वयं API-only है जबकि हार्नेस मुफ़्त और समुदाय-चालित हैं। (FACT, दोनों रेपो पर लाइसेंस सत्यापित।)
• उसी सप्ताह के भीतर एक तकनीकी रिपोर्ट आई (arXiv, Sep 22) — अधिकांश चीनी-लैब लॉन्च से तेज़, और यह आर्किटेक्चर (Qwen3.8-Next से स्पार्स MoE, 1M कॉन्टेक्स्ट) तथा को-ट्रेनिंग रणनीति का नाम लेती है। (FACT।)

पहले (17 सितंबर 2026 तक):

• Alibaba की omni लाइन: Qwen3.5-Omni-Plus तथा Qwen3.5-Omni-Flash (इंटरैक्टिव, ऑडियो+वीडियो इनपुट; रियलटाइम वैरिएंट पर ऑडियो आउटपुट; 262K कॉन्टेक्स्ट; बीजिंग टियर में Plus के लिए $1.15/$8.75 प्रति-M ऑडियो-भारी बिलिंग, अंतरराष्ट्रीय Flash $0.40/$3.00); Qwen3-Omni-Flash (2025-12) रियलटाइम ऑडियो के साथ $4.57/M पर तथा बहुत छोटे 8-डायलॉग-टर्न सेशन।
• Qwen3.8-Flash (26 अगस्त) ने टेक्स्ट/इमेज/वीडियो समझ के लिए $0.15/$0.47 टियर पहले ही तय कर दिया था, ओपन-वेट Flash-Next प्रीव्यू के साथ, पर वह omni मॉडल नहीं था (कोई ऑडियो इनपुट नहीं)।
• किसी भी वेंडर के पास ~$0.15/M इनपुट पर 1M-कॉन्टेक्स्ट omni API नहीं थी; पुराने omni मॉडल प्रति-मोडैलिटी इनपुट प्रीमियम लेते थे।
• Qwen के पास कोई समर्पित रियलटाइम एजेंट हार्नेस नहीं था; पश्चिमी रियलटाइम वॉइस पेशकशें (जैसे Gemini Live / GPT-realtime-श्रेणी की API) डिफ़ॉल्ट संदर्भ थीं।

बदलाव (18–22 सितंबर 2026):

• Qwen3.8-Omni-Flash रिलीज़: टेक्स्ट/इमेज/ऑडियो/वीडियो इन, टेक्स्ट आउट, 1M कॉन्टेक्स्ट, थिंकिंग डिफ़ॉल्ट-चालू, टूल कॉलिंग, वेब सर्च, कैशिंग — अंतरराष्ट्रीय $0.15/$0.016/$0.47 पर (मुख्य भूभाग ¥0.8/0.1/2.7)।
• Sep 21: Qwen3.8-Omni-Flash-Realtime + Qwen-Live-Harness v1.0.0 (Apache-2.0 डेस्कटॉप हार्नेस, ACP डेलिगेशन, मेमरी, प्रोएक्टिव मॉनिटर)।
• Qwen-MM-Plugins (Apache-2.0) को omni क्षमताओं के साथ विस्तारित किया गया (chatcut, video2note, skill-creator, memory)।
• Sep 22: arXiv रिपोर्ट 2609.25611 प्रकाशित (Qwen Team), जिसमें को-ट्रेनिंग, MoE, हार्नेस आर्किटेक्चर का विवरण है।
• स्वतंत्र रिकॉर्ड: कैटलॉग ने घंटों में ही मूल्य दोहराए (Vercel, Sep 18–21 पर LiteLLM का day-0 समर्थन, CloudPrice, EmpirioLabs); क्षमता रजिस्ट्री (modelscale) में देखी गई पंक्तियाँ भरीं; ऑडियो/वीडियो दावों का स्वतंत्र बेंचमार्क प्रतिरूपण अभी नहीं।

बाद में:

• "Flash टेक्स्ट कीमतों पर 1M-कॉन्टेक्स्ट omni" अब शेल्फ़ पर उपलब्ध चीज़ है, और Qwen का रियलटाइम स्टैक (Realtime API + Live-Harness + MM-Plugins) पश्चिमी रियलटाइम वॉइस/विज़न एजेंट स्टैक का सुसंगत प्रतिस्पर्धी है — मॉडल से हार्नेस तक एक चीनी-लैब की पूरी पेशकश।
• ओम्नी एजेंटिक वर्कलोड का मूल्यांकन कर रहे उद्यम अब प्रति-मोडैलिटी-प्रीमियम मूल्य के बजाय 1M कॉन्टेक्स्ट वाले $0.15/$0.47 आधार से तुलना करते हैं; पुरानी पीढ़ी का मूल्य 2025 में ही बंद लगता है।
• ओपन-वेट स्थिति के सवाल टूलिंग की ओर खिसक गए: मॉडल बंद है, हार्नेस खुला — यह विभाजन अब खरीद और ओपन-एआई (open AI) समुदाय के लिए चर्चा का विषय है। (INTERPRETATION)

• आर्किटेक्चर (घोषित रूप में FACT): Qwen3.8-Next से विरासत में मिला स्पार्स मिक्सचर-ऑफ़-एक्सपर्ट्स, 1M-टोकन कॉन्टेक्स्ट तक विस्तारित (arXiv सार); Qwen3.8-Flash-Next आधार (125B कुल / 6B सक्रिय प्रति टोकन, 51B N-gram एम्बेडिंग पैरामीटर, Gated DeltaNet + Qwen Sparse Attention, अगस्त कवरेज के अनुसार) सार्वजनिक रूप से वर्णित पूर्वज है। omni-विशिष्ट सटीक पैरामीटर संख्या लॉन्च पर नहीं बताई गई (COMPANY CLAIM क्षेत्र; वेट्स के बिना असत्यापनीय)।
• नेटिव मल्टीमोडल को-ट्रेनिंग (COMPANY CLAIM, arXiv सार के अनुसार): मॉडल को मोडैलिटीज़ के आर-पार सह-प्रशिक्षित किया गया — "preserving strong text-domain capabilities while facilitating the transfer of agentic capabilities from text to audio and video tasks" — यही "टेक्स्ट क्षरण के बिना 1M कॉन्टेक्स्ट" दावे का तंत्र है।
• थिंकिंग/एफ़र्ट नियंत्रण (FACT, दस्तावेज़): थिंकिंग डिफ़ॉल्ट रूप से सक्षम; reasoning_effort = xhigh (डिफ़ॉल्ट) / medium / low; preserve_thinking डिफ़ॉल्ट-चालू; none थिंकिंग बंद करता है। रीज़निंग टोकन 262K अधिकतम चेन-ऑफ़-थॉट में गिने जाते हैं और आउटपुट टोकन के रूप में बिल होते हैं।
• एजेंटिक ओम्नी समझ (COMPANY CLAIM): घंटों लंबे मीडिया के लिए मॉडल प्रश्न से शुरू करता है और मोटे-से-बारीक साक्ष्य-संग्रह करता है — सब कुछ प्रोसेस करने के बजाय तय करता है कि क्या देखना/सुनना है; ब्लॉग OmniVideoBench पर 63.4 → 67.8 सटीकता, ~45.7% कम टोकन (145,736 → 79,117) रिपोर्ट करता है।
• रियलटाइम पाइपलाइन (FACT, दस्तावेज़): WebSocket (नेटिव + DashScope/Java SDK) या WebRTC (ब्राउज़र, UDP, इको कैंसलेशन); सर्वर-साइड VAD या मैनुअल टर्न सबमिशन; PCM ऑडियो (16 kHz) और वीडियो फ़्रेम (अनुशंसित 1 fps) का स्ट्रीमिंग इनपुट; 24 kHz PCM पर आउटपुट ऑडियो; सेशन सीमा 120 मिनट; ऑडियो 600 s / वीडियो 240 s सुरक्षित; 100 ऑडियो / 50 वीडियो टर्न; मल्टीचैनल ऑडियो (raw_mic_array/foa_ambix के साथ 1/2/4 चैनल); वीडियो एग्रीगेशन फ़्लैग representation_compact; अनुमोदन के साथ MCP Streamable-HTTP टूल; आवाज़ सूची में longanlingxin + वॉइस क्लोनिंग।
• Qwen-Live-Harness (FACT, रेपो): दो स्थानीय प्रोसेस — Node daemon (मॉडल, टूल, मेमरी, डेलिगेशन) + Electron Host (UI, कैप्चर, प्लेबैक), स्थानीय WebSocket पर; बैकग्राउंड हार्नेस (Qwen Code, Qoder, Codex, Claude Code, Gemini CLI) ACP/REST/SSE पर; प्रोएक्टिव मॉनिटर (1 fps, 2-सेकंड ऑडियो चंक — स्पष्ट रूप से "not a safety-critical alarm system"); क्लाउड कंसॉलिडेशन वाली स्थानीय मेमरी लाइब्रेरी।
• Qwen-MM-Plugins (FACT, रेपो): प्रति-क्षमता स्किल + वैकल्पिक MCP सर्वर; core मुख्य मॉडल को स्थानीय इमेज/वीडियो नेटिव रूप से पढ़ने देता है; omni क्षमताएँ मीडिया समझ को DashScope API से रूट करती हैं (हार्नेस अभी ऑडियो मुख्य मॉडल तक नेटिव रूप से नहीं भेज सकते)।

1. omni/वॉइस/वीडियो एजेंटों की लागत-न्यूनतम सीमा अब Flash-टेक्स्ट मूल्य पर आ गई। $0.15/M इनपुट (मुख्य भूभाग पर ¥0.8/M) पर ऑडियो और वीडियो लेने वाला 1M-कॉन्टेक्स्ट मॉडल उस प्रति-मोडैलिटी प्रीमियम को हटा देता है जिसने omni एजेंटों को बड़े पैमाने पर महँगा बनाया था; इन दरों पर पूरे घंटे का मीडिया-बोध एक बैकग्राउंड यूटिलिटी लागत बन जाता है, अलग लाइन आइटम नहीं। (मूल्य पर FACT; महत्व INTERPRETATION है।)
2. Qwen का रियलटाइम स्टैक अब एक पूरा वर्टिकल है — मॉडल (Realtime API), डेस्कटॉप रनटाइम (Live-Harness), तथा एजेंट-हार्नेस प्लगइन (MM-Plugins), मॉडल के अतिरिक्त सब Apache-2.0 — उसी सप्ताह पश्चिमी रियलटाइम वॉइस/विज़न पेशकशों (Gemini Flash Live लाइन, GPT रियलटाइम-श्रेणी API) का विश्वसनीय प्रतिसंतुलन। (आर्टिफ़ैक्ट्स पर FACT; प्रतिस्पर्धी पठन INTERPRETATION है।)
3. "89%/93%/98% सस्ता" ढाँचा ऐसा दावा है जिसे खरीदार अब जाँच सकते हैं — पिछले Flash omni के मुकाबले सपाट प्रति-टोकन कटौती 62.5%/84.3% है, जबकि प्रति-घंटा-मीडिया दावे (>98% ऑडियो, >93% ऑडियो-विज़ुअल, ~89% वीडियो) प्रकट कार्यप्रणाली के साथ प्रति-घंटा टोकन-खपत लाभ समेटते हैं। बजट बनाने वाली टीमों को प्रति-टोकन संख्याएँ उद्धृत करनी चाहिए और प्रति-घंटा संख्याओं को दिशात्मक वेंडर-दावा मानना चाहिए। (अंकगणित + INTERPRETATION।)
4. एजेंटिक मीडिया परसेप्शन उत्पाद की थीसिस है, कैप्शनिंग नहीं। लॉन्च स्पष्ट रूप से ऑडियो/वीडियो पर टूल-वाले एजेंट काम के रूप में स्थित है (वीडियो एडिटिंग, MV निर्माण, फ़िल्म कमेंट्री, मीटिंग एक्शन-आइटम, वीडियो डीप रिसर्च) — चीनी लैब omni मॉडलों के बारे में कैसे बात करती हैं, इसमें यह बड़ा बदलाव है। OmniVideoBench का 63.4→67.8-पर-45.7%-कम-टोकन आँकड़ा भार-वहन करने वाला डेमो है। (COMPANY CLAIM, पर यही लॉन्च का रणनीतिक केंद्र है।)
5. चीनी लैब अब ऑडियो/omni मूल्य बेंचमार्क तय कर रही हैं। StepFun के Step 5 Preview (S10) और Xiaomi के MiMo-V2.6 (S09) वाली उसी विंडो में Alibaba "उपयोगी omni, जिंस कीमतों पर" स्थिति को फिर से एंकर करता है — इस सप्ताह के पैटर्न को मज़बूत करते हुए कि मूल्य तय करने वाला फ़्रंटियर बढ़ते हुए चीन में है। (इस परियोजना के भीतर S09/S10 डेटा पर आधारित INTERPRETATION।)

• टेक्स्ट-टियर टोकन कीमतों पर वॉइस/वीडियो एजेंट फ़्रंट-एंड: 1 घंटे की मीटिंग ट्रांसक्रिप्शन + सारांश, वीडियो डीप-रिसर्च रिपोर्ट, मीडिया एसेट पाइपलाइन — प्रति-मोडैलिटी प्रीमियम के बजाय $0.15/M-श्रेणी इनपुट दरों पर।
• ~1M-टोकन मीडिया+टेक्स्ट कॉन्टेक्स्ट पर लंबे-कॉन्टेक्स्ट ओम्नी रीज़निंग — घंटों का ऑडियो/वीडियो (फ़ाइल सीमाएँ: URL से वीडियो ~2 h/2 GB तक, ऑडियो डॉक्स की MarkTechPost-पठन के अनुसार ~3 h प्रति; ब्लॉग प्रमुख मीटिंग परिदृश्य के लिए "up to one hour" का उल्लेख करता है — उद्धृत करते समय प्रति-रीजन पुष्टि करें)।
• एक कमांड में स्थापित, आँख-कान वाला डेस्कटॉप रियलटाइम एजेंट: macOS 12+ पर npm install -g qwen-live-harness Claude Code/Codex/Qwen Code/Gemini CLI बैकग्राउंड एजेंटों पर कैमरा/माइक संवादात्मक नियंत्रण, प्रोएक्टिव मॉनिटर ट्रिगर और स्थायी मेमरी देता है — स्थानीय GPU की ज़रूरत नहीं (क्लाउड इन्फ़रेंस)।
• खुली टूलिंग पर वीडियो को पुन: प्रयोग योग्य स्किल और दस्तावेज़ में बदलना: omni-skill-creator (डेमो → Skill.md), omni-video2note (ट्यूटोरियल → चित्रित PDF), omni-chatcut (MV/कमेंट्री/अनुवाद), omni-memory — Apache-2.0, रोज़मर्रा के एजेंट हार्नेस में इंस्टॉल करने योग्य।
• मल्टीचैनल स्पेशियल ऑडियो समझ (2-ch/4-ch FOA) — API omni मॉडलों के लिए नई ज़मीन, दिशात्मक/लोकलाइज़ेशन अनुप्रयोग संभव बनाते हुए (ब्लॉग के अनुसार "locating targets by sound")।
• संभव नहीं: मॉडल को स्वयं होस्ट करना (कोई वेट्स घोषित नहीं), नॉन-रियलटाइम API पर ऑडियो आउटपुट (केवल टेक्स्ट), और तृतीय-पक्ष हार्नेस में पूरी तरह नेटिव ऑडियो (अभी API से रूट होता है)।

• बिलिंग ग्रैन्युलैरिटी बदली: हर इनपुट मोडैलिटी के लिए एक टोकन दर (आधिकारिक मूल्य नोट के अनुसार), इसलिए ऑडियो-भारी प्रॉम्प्ट पर अब अलग "ऑडियो" मूल्य कॉलम नहीं — लागत मॉडलिंग सरल होती है पर प्रति-मोडैलिटी टोकनाइज़ेशन अनुपात छिप जाते हैं। प्रति-रीजन अंतर देखें ($0.15 सिंगापुर बनाम $0.113 अन्य Global बनाम ¥0.8 मुख्य भूभाग)।
• स्रोतों के आर-पार दिनांकित रजिस्ट्री बहाव मौजूद है: कुछ कैटलॉग अभी भी "Released Sep 17" कहते हैं (UTC-पक्ष डेटिंग; CloudPrice, EmpirioLabs, OpenCode पृष्ठ) — रिलीज़ तिथियाँ उद्धृत करते समय कैप्चर तिथियाँ पिन करें।
• रियलटाइम बाधाएँ ठोस हैं: रियलटाइम एंडपॉइंट पर 196,608-टोकन इनपुट सीमा (ऑफ़लाइन मॉडल पर 1M के मुकाबले), 120-मिनट सेशन सीमा, 600 s ऑडियो / 240 s वीडियो कॉन्टेक्स्ट प्रतिधारण, 100/50-टर्न सीमाएँ, वर्कस्पेस-स्कोप्ड WebSocket एंडपॉइंट (wss://{WorkspaceId}.…maas.aliyuncs.com/api-ws/v1/realtime)। लंबी-अवधि के रियलटाइम डिज़ाइन इन्हें ध्यान में रखकर बनाने होंगे।
• रियलटाइम एंडपॉइंट पर वेब सर्च और टूल कॉलिंग परस्पर अनन्य हैं (दस्तावेज़), और टर्न-डिटेक्शन/VAD विकल्प मॉडल परिवार के अनुसार भिन्न हैं (3.5-युग के रियलटाइम पर सेमांटिक VAD, अन्यत्र सर्वर VAD) — पुराने Qwen रियलटाइम मॉडलों के लिए लिखे कोड के लिए API-समानता के जाल।
• वेट्स नहीं ⇒ MoE कॉन्फ़िग, को-ट्रेनिंग दावों या ऑडियो/वीडियो बेंचमार्क संख्याओं का स्थानीय सत्यापन नहीं; खुले आर्टिफ़ैक्ट्स हार्नेस हैं (निरीक्षण के लिए नियतात्मक), मुख्य मॉडल नहीं।
• 29-बनाम-30-ईवैल और 45.7%-बनाम-51.8% आँकड़ा-खामियाँ आधिकारिक/रिले कवरेज के आर-पार दिखाती हैं कि वेंडर तालिकाएँ और मीडिया रीकैप थोड़ा अलग होते हैं; स्वतंत्र प्रतिरूपण ही गायब परत है।

• इस सप्ताह qwen3.8-omni-flash को राउटिंग मैट्रिस में जोड़ें: 1M कॉन्टेक्स्ट, टेक्स्ट/इमेज/ऑडियो/वीडियो इन, टेक्स्ट आउट, $0.15/$0.016/$0.47 (अंतरराष्ट्रीय), OpenAI-संगत Chat Completions + Responses, DashScope SDK; LiteLLM (dashscope/qwen3.8-omni-flash, PR #41754) तथा Vercel AI Gateway (alibaba/qwen3.8-omni-flash) के ज़रिए day-0 प्रॉक्सी समर्थन।
• याद रखें आउटपुट केवल टेक्स्ट है: यदि आपके उत्पाद को बोले गए उत्तर चाहिए, तो लाइव इंटरैक्शन के लिए qwen3.8-omni-flash-realtime (ऑडियो आउट) जोड़ें या ऑफ़लाइन API के लिए TTS चरण लगाएँ (Oflight की पाइपलाइन मार्गदर्शिका)।
• reasoning_effort (xhigh/medium/low) और preserve_thinking ट्यून करें — यह सीधा लागत/गहराई डायल है; थिंकिंग टोकन आउटपुट के रूप में बिल होते हैं और 262K CoT सीमा में गिने जाते हैं।
• कैश का फ़ायदा उठाएँ: $0.016/M इम्प्लिसिट कैश रीड स्थिर-प्रीफ़िक्स लंबे-कॉन्टेक्स्ट लूप (~1M मीडिया-निकट प्रॉम्प्ट) को वास्तव में सस्ता बनाते हैं।
• Qwen-MM-Plugins अभी आज़माएँ (Apache-2.0, Claude Code/Codex/Qoder/OpenClaw/Qwen Code/Gemini CLI के लिए निर्देशित इंस्टॉलर) — core + api + कोई omni क्षमता इंस्टॉल करें; अपने हार्नेस के भीतर ऑडियो वर्कफ़्लो का वादा करने से पहले ऑडियो-नेटिव कमी ("audio is handled through the API for now") पर ध्यान दें।
• रियलटाइम एकीकरण की सावधानियाँ: वर्कस्पेस-स्कोप्ड एंडपॉइंट और रीजन-लॉक्ड API कुंजियाँ (बीजिंग बनाम सिंगापुर, परस्पर विनिमेय नहीं); MCP टूल को अनुमोदन चाहिए; representation_compact पहले ऑडियो सेगमेंट से पहले सेट होना चाहिए; 3.8 आवाज़ सूची (जैसे longanlingxin) में बदलाव पुराने आवाज़ सेट से नहीं चलते।
• पात्रता/संस्करण स्वच्छता: लाइव दस्तावेज़ों के विरुद्ध रीजन-विशिष्ट अधिकतम फ़ाइल आकार और 1-घंटा भाषा/मीटिंग दावे पुष्ट करें; खरीद में उद्धृत करने से पहले मूल्य (प्रोमो बनाम मूल) स्नैपशॉट लें।

• omni एजेंट वर्कलोड के लिए बेंचमार्क संदर्भ मूल्य: उद्यम अब 1M कॉन्टेक्स्ट के साथ $0.15/$0.47 पर वॉइस/वीडियो एजेंट पायलट की अर्थव्यवस्था निकाल सकते हैं — किसी भी omni वेंडर बातचीत के लिए मज़बूत मोल-भाव संदर्भ (अपनाने की परवाह किए बिना)।
• संभावित वर्कफ़्लो: मीटिंग-मिनट्स-और-एक्शन-आइटम (ऑडियो+वीडियो में स्पीकर डायराइज़ेशन, DER 88.11→3.35 दावा), वीडियो नॉलेज बेस (video2note → PDF), सामग्री लोकलाइज़ेशन (रीयलटाइम लाइन + omni-chatcut के ज़रिए वॉइस क्लोनिंग के साथ शॉर्ट-ड्रामा अनुवाद), कस्टमर-सर्विस रियलटाइम एजेंट (Skills इंजेक्शन + MCP)।
• खरीद रुख: API-only (वेट्स नहीं, स्वयं-होस्ट नहीं, फ़ाइन-ट्यूनिंग सूचीबद्ध नहीं; समकक्ष Qwen दस्तावेज़ पंक्तियों पर फ़ाइन-ट्यूनिंग "Unsupported"), डेटा Alibaba Cloud रीजन (बीजिंग या सिंगापुर) में जाता है — नियंत्रित वातावरण के लिए डेटा-निवास (data-residency) रुख दस्तावेज़ित करें; US (वर्जीनिया) रीजन मौजूद है, पर अनुपालन समीक्षा फिर भी लागू है।
• वेंडर निर्भरता जोखिम: एकल-वेंडर स्टैक (मॉडल + हार्नेस + प्लगइन सब Qwen), रीजनल मूल्य भिन्नता (¥0.8 बनाम $0.15 बनाम $0.113 टियर), और चीनी-क्लाउड की सामान्य शर्तें/TOS समीक्षा (डेटा उपयोग, प्रतिधारण, निर्यात-नियंत्रण संदर्भ)।
• S9/S10 पैटर्न याद रखें: इस सप्ताह उद्यम तुलनाओं में MiMo-V2.6-Pro/GLM-5.3/Kimi/Step 5 (टेक्स्ट/कोडिंग एजेंटिक) और Qwen3.8-Omni-Flash (omni) अलग पंक्तियों के रूप में होने चाहिए — प्रति-श्रेणी लागत तल, एकल लीडरबोर्ड नहीं।

• Qwen का दाँव है "जिंस कीमत पर omni + खुला हार्नेस मोट।" मॉडल API-किराए पर है जबकि पारिस्थितिकी का गोंद (Live-Harness, MM-Plugins, Apache-2.0) समुदाय योगदान, स्टार (Sep 23 तक हार्नेस 96, प्लगइन ~3k) और बंद कोर के आसपास वर्कफ़्लो लॉक-इन जमा करता है। (लाइसेंस/उपयोग पर FACT; मोट पठन INTERPRETATION है।)
• Gemini 3.8 Flash से तुलना जानबूझकर है। Qwen के स्वयं के मूल्यांकन Gemini 3.8 Flash के विरुद्ध बेंचमार्क करते हैं और ऑडियो नेतृत्व का दावा करते हैं — Alibaba सार्वजनिक रूप से Google से ऑडियो पर लड़ाई मोल ले रहा है, वही मोडल मोर्चा जहाँ पश्चिमी वेंडर अब भी आगे हैं। (COMPANY CLAIM + INTERPRETATION।)
• रियलटाइम वॉइस पूर्ण वर्टिकल में समेटी जा रही है: Qwen अब मॉडल+हार्नेस+प्लगइन देता है; यही पैटर्न पश्चिमी रियलटाइम परिदृश्य में दिखता है — "हमेशा-चालू मल्टीमोडल एजेंट" के आसपास आर्किटेक्चर की होड़, केवल मॉडल स्कोर नहीं।
• मूल्य-प्रतिक्रिया चक्र की अपेक्षा करें: omni $0.15/$0.47 पर होने से प्रतिस्पर्धी omni/वीडियो-समझ API पर मेल खाने का दबाव है; अगली Qwen रिलीज़ें (संभवतः Plus/Max omni सहोदर और नॉन-रियलटाइम "flash-next" ओपन-वेट omni, अगस्त के Flash/Flash-Next विभाजन की नकल में) तिमाही के भीतर संभावित हैं। (PREDICTION।)
• खुला/बंद विभाजन नीति-चर्चा का बिंदु बनता है: एक चीनी लैब हार्नेस परत को ओपन-सोर्स करे और सर्वाधिक मूल्य वाला मॉडल बंद रखे — "ओपन वेट्स" बहस का यह नया आकार है; नियामक और उद्यम पारिस्थितिकी कब्जे बनाम वेंडर संकेंद्रण तौलेंगे। (INTERPRETATION + PREDICTION।)

• सभी हेडलाइन बेंचमार्क दावे वेंडर द्वारा चलाए गए हैं, कुछ इन-हाउस बेंचमार्क पर (UniClawBench, AgenticVBench, WildClawBench-MM Qwen-परिवार के ईवैल हैं)। Sep 23 तक कोई स्वतंत्र प्रतिरूपण नहीं था; "exceeds Gemini 3.8 Flash on audio" दावा Qwen के अपने हार्नेस पर टिका है। (असत्यापित स्कोर पर अति-प्रतिबद्धता का जोखिम।)
• API-only, कोई वेट्स घोषणा नहीं — स्वयं-होस्ट का रास्ता नहीं, आर्किटेक्चर या सुरक्षा-प्रासंगिक व्यवहार का समुदाय सत्यापन नहीं, और Alibaba Cloud की उपलब्धता/शर्तों पर पूरी निर्भरता।
• नियंत्रित उपयोगकर्ताओं के लिए डेटा-गवर्नेंस जोखिम: ऑडियो/वीडियो सामग्री (मीटिंग रिकॉर्डिंग, ग्राहक कॉल) Alibaba Cloud रीजन में जाती है; चीन-होस्टेड डेटा के लिए सीमा-पार अस्पष्टता के साथ — यहाँ सबसे संवेदनशील उद्यम वर्कलोड ठीक वही है जिसके डेटा-हैंडलिंग सवाल सबसे नए हैं।
• मूल्य अस्थिरता: इंट्रो/एकल-दर संरचना टिक सके, यह ज़रूरी नहीं; रीजन-टियर भिन्नता (¥0.8 बनाम $0.15 बनाम $0.113) बहु-रीजन परिनियोजन में बिलिंग आश्चर्य लाती है; वास्तविक उपयोग डेटा आने पर "एक टोकन दर हर मोडैलिटी के लिए" संशोधित हो सकती है।
• रियलटाइम विश्वसनीयता के अज्ञात: सेशन सीमाएँ (120 मिनट), कॉन्टेक्स्ट-प्रतिधारण कटौती (600 s/240 s), और शोरगुल भरे उत्पादन वातावरण में VAD/टर्न-डिटेक्शन की परिपक्वता — आधिकारिक दस्तावेज़ों का हार्नेस के लिए स्वयं का निगरानी-अस्वीकरण ("not a safety-critical alarm system") पूरे स्टैक पर लागू होता है।
• पारिस्थितिकी-आपूर्ति जोखिम: Live-Harness v1.0.0 पर केवल macOS है (Windows/Linux "in progress"); हार्नेस कोड नया है (96 स्टार, 64 कमिट); MCP अनुमोदन डिफ़ॉल्ट-चालू घर्षण और अनुमोदन UX बोझ जोड़ते हैं।

• किसी भी ऑडियो/वीडियो क्षमता दावे का स्वतंत्र सत्यापन नहीं — कोई AA-शैली लीडरबोर्ड प्रविष्टि नहीं, रिसर्च तिथि (Sep 23) तक कोई तृतीय-पक्ष बेंचमार्क पुनर्चालन नहीं; modelscale.dev की देखी गई पंक्तियाँ (Coding 54.9 / Knowledge 53.9 / Multimodal & Grounded 85.1 / IF 87.7) रजिस्ट्री एग्रीगेट हैं, omni दावों के गहरे ईवैल नहीं।
• 89%/93%/98% लागत-कमी आँकड़े कार्यप्रणाली-निर्भर हैं (वेंडर का प्रति-घंटा अनुमान: 30 × 2-मिनट-इनपुट लागत; 720p@1fps) और सपाट प्रति-टोकन कटौतियों (पिछले Flash omni के मुकाबले 62.5%/84.3%) से अधिक हैं — न्यूनतम-स्तर की संख्याओं के साथ उद्धृत करें।
• बेस मॉडल केवल टेक्स्ट आउटपुट देता है — यहाँ "omni" का अर्थ ऑफ़लाइन API के लिए omni इनपुट है; ऑडियो आउटपुट के लिए रियलटाइम वैरिएंट या TTS चरण चाहिए।
• रनटाइम/सीमाएँ रियलटाइम मोड में "1M कॉन्टेक्स्ट" हेडलाइन को सीमित करती हैं (रियलटाइम एंडपॉइंट पर 196,608-टोकन इनपुट सीमा), और मीडिया इनपुट की फ़ाइल/अवधि सीमाएँ प्रति-रीजन पुष्टि मांगती हैं।
• लॉन्च पर कोई तकनीकी-गहराई वाला सार्वजनिक प्रकटीकरण नहीं — सटीक पैरामीटर, प्रति-मोडैलिटी टोकनाइज़ेशन अनुपात और प्रशिक्षण डेटा घोषणा के साथ प्रकाशित नहीं हुए; arXiv रिपोर्ट (Sep 22) इच्छित तकनीकी आधार है, पर इस रिसर्च में सार से आगे गहराई से समीक्षित नहीं हुई।
• पारिस्थितिकी की अपरिपक्वता: हार्नेस केवल macOS; हार्नेस ऑडियो मुख्य मॉडल तक नेटिव रूप से नहीं भेज सकते (MM-Plugins API से रूट करता है); MCP/अनुमोदन प्रवाह नए हैं।
• स्रोतों के आर-पार डेटिंग बहाव (Sep 17 बनाम Sep 18) और चीनी-स्रोत रिले भिन्नता (Gate News का 51.8% बनाम ब्लॉग का 45.7%) का अर्थ है कि उद्धरण के समय सटीक आँकड़े आधिकारिक पृष्ठों के विरुद्ध फिर से पिन करने चाहिए।

1. कौन-सा मूल्य वास्तव में कहाँ लागू होता है — और क्या "one token rate for every modality" Q3 बिलिंग विवरणों में टिकता है (प्रति घंटा मीडिया के ऑडियो टोकनाइज़ेशन अनुपात अप्रकटित हैं)?
2. क्या Alibaba ओपन-वेट omni चेकपॉइंट देगा (Flash-Next-शैली विभाजन) — और क्या वह अगस्त प्रीव्यू की तरह Apache-2.0 होगा?
3. क्या स्वतंत्र ईवैल "overall audio performance exceeds Gemini 3.8 Flash" की पुष्टि करते हैं, या यह हार्नेस/प्रोटोकॉल-विशिष्ट है (Qwen ने दोनों मॉडल चलाए; प्रॉम्प्ट/पैरामीटर/कार्यप्रणाली मायने रखते हैं)?
4. नए मॉडल के लिए प्रति घंटा मीडिया के वास्तविक टोकन काउंट क्या हैं (45.7% बनाम 51.8% टोकन-खपत आँकड़े अलग हैं), और वास्तविक वर्कलोड पर ये 89/93/98% प्रति-घंटा लागत दावों के लिए क्या दर्शाते हैं?
5. तृतीय-पक्ष वर्कलोड में लंबे-कॉन्टेक्स्ट (लगभग-1M) मीडिया प्रॉम्प्ट ऑफ़लाइन API पर कैसे व्यवहार करते हैं — TTFT, मेमरी, बहु-घंटा इनपुट पर सुसंगति?
6. क्या रियलटाइम एंडपॉइंट लोड में टिकता है (टर्न डिटेक्शन, विलंबता, वॉइस क्लोनिंग + MCP के साथ प्रति 10-मिनट बातचीत लागत), और वास्तविक प्रति-कॉल बिल क्या हैं?
7. क्या तृतीय-पक्ष हार्नेस में UI/वेब-सर्च/ऑडियो एकीकरण की खामियाँ (MM-Plugins का ऑडियो रूटिंग) जल्दी बंद होंगी — यानी पारिस्थितिकी मोट असली है या पैबंद?
8. Alibaba के रणनीतिक नक़्शे पर यह Qwen3.8-Max/Flash और Apsara-conf सप्ताह की घोषणाओं के मुकाबले कहाँ है (इस लॉन्च से सटी पूर्ण-स्टैक AI रोडमैप कवरेज)? (संश्लेषण चरण के लिए खुला।)

प्रभाव: एक व्यक्तिगत डेवलपर को 1M-कॉन्टेक्स्ट omni API मिलती है जो $0.15/$0.47 पर ऑडियो/वीडियो लेती है — इस सप्ताह वॉइस/वीडियो एजेंट और मीडिया पाइपलाइन का प्रोटोटाइप बनाने के लिए पर्याप्त — साथ में Apache-2.0 टूलिंग (macOS पर Live-Harness, मौजूदा हार्नेस में MM-Plugins) जो स्टैक को वेट्स का इंतज़ार किए बिना परखने योग्य बनाती है, ऐसे वेट्स जो शायद कभी न आएँ।

कार्रवाई: labs/S11.md का VERIFY+COMPARE अभ्यास चलाएँ (केवल-पठन): आधिकारिक पृष्ठों से स्पेक/मूल्य पुष्ट करें, लागत का अंकगणित दोबारा बनाएँ (Qwen3.5-Omni-Flash के मुकाबले 62.5%/84.3% प्रति-टोकन कटौती; रियलटाइम ऑडियो $4.57 → ~$1.86; 89/93/98% पर कार्यप्रणाली-संबंधी चेतावनियाँ), और दोनों GitHub रेपो के लाइसेंस तथा फ़ीचर दावे जाँचें। फिर, यदि DashScope कुंजी + बजट हो, तो $5–15 का पायलट चलाएँ: ऑफ़लाइन API से 1 घंटे की मीटिंग ट्रांसक्राइब/सारांशित करें और qwen3.8-omni-flash-realtime से एक 10-मिनट की रियलटाइम बातचीत चलाएँ, टोकन और पहला-ऑडियो विलंबता लॉग करते हुए। टूलिंग पर निर्माण का निर्णय सुरक्षित है (Apache-2.0); बंद API पर उत्पाद बनाने का निर्णय वास्तविक प्रति-घंटा लागत के एक बिलिंग चक्र तक रुकना चाहिए।

प्रभाव: टीमों/कंपनियों को omni एजेंट वर्कलोड के लिए नया मूल्य-तल मिलता है और एक चीनी वेंडर पर टिका रियलटाइम वॉइस/वीडियो स्टैक — इन गवर्नेंस चेतावनियों के साथ कि ऑडियो/वीडियो डेटा Alibaba Cloud में जाता है, वेट्स न होने से स्वयं-होस्ट नहीं, और सभी क्षमता दावे अब तक वेंडर द्वारा चलाए गए हैं।

कार्रवाई: Qwen3.8-Omni-Flash को मूल्यांकन मैट्रिस में तीन कॉलम के साथ जोड़ें: (1) लागत मॉडलिंग के लिए सपाट प्रति-टोकन लागत ($0.15/$0.016/$0.47 अंतरराष्ट्रीय; ¥0.8-टियर मुख्य भूभाग), (2) स्पष्ट रूप से कार्यप्रणाली-निर्भर बताए गए वेंडर-दावित प्रति-घंटा मीडिया मीट्रिक (>98%/93%/89%), और (3) विशिष्ट वर्कलोड (मीटिंग मिनट्स, कस्टमर-सर्विस रियलटाइम, मीडिया लोकलाइज़ेशन) के लिए रीजन/डेटा-फ़्लो रुख। किसी भी वॉल्यूम प्रतिबद्धता से पहले एक नॉन-प्रोडक्शन पायलट (मीटिंग सारांशीकरण या video2note) चलाएँ; प्रति-टोकन तल के आधार पर मोल-भाव करें; दस्तावेज़ित करें कि ऑडियो आउटपुट के लिए रियलटाइम एंडपॉइंट चाहिए और स्वयं-होस्टिंग उपलब्ध नहीं है।

प्रभाव: Alibaba का लॉन्च इस विंडो के चीनी मूल्य-निर्धारण पैटर्न को पूरा करता है (MiMo-V2.6-Pro, GLM-5.3, Step 5 Preview, अब Qwen3.8-Omni-Flash) और "कम में फ़्रंटियर" की जंग को omni/रियलटाइम मोडैलिटी तक बढ़ाता है — जहाँ पहले Gemini Flash Live-श्रेणी की पश्चिमी पेशकशें सुर तय करती थीं। यह ओपन-एआई बहस में बंद-मॉडल + खुला-हार्नेस आकार भी जोड़ता है।

कार्रवाई: अगले महीने तीन चीज़ें ट्रैक करें: (1) Gemini 3.8 Flash के विरुद्ध स्वतंत्र omni बेंचमार्क (पहले तृतीय-पक्ष ऑडियो-विज़ुअल ईवैल फ़्लैगशिप दावे को तय करेंगे); (2) क्या ओपन-वेट omni चेकपॉइंट आता है (Flash-Next-शैली विभाजन) और किस लाइसेंस के तहत; (3) पायलट उपयोगकर्ताओं की वास्तविक-दुनिया प्रति-घंटा बिलिंग रिपोर्टें, जो 89/93/98% प्रति-घंटा दावों को सही या खोखला साबित करेंगी। खरीद मार्गदर्शन में "खुला हार्नेस बनाम खुले वेट्स" को "ओपन सोर्स" से अलग अक्ष के रूप में जोड़ें। (PREDICTION: Qwen की $0.15/$0.47 पंक्ति के 2–4 सप्ताह के भीतर पश्चिमी omni मूल्य प्रतिक्रियाओं की अपेक्षा करें।)

• जिंस कीमतों पर मीटिंग/मीडिया इंटेलिजेंस: ~1 घंटे के इनपुट पर स्पीकर-सजग ट्रांसक्रिप्शन, मिनट्स, एक्शन आइटम और वीडियो डीप-रिसर्च रिपोर्ट, $0.15/M-श्रेणी दरों पर — आज लागत-मॉडल योग्य, इस सप्ताह पायलट योग्य (स्वतंत्र जाँच लंबित वेंडर आँकड़े)।
• खुली टूलिंग पर वीडियो-से-नॉलेज उत्पादीकरण: omni-video2note (ट्यूटोरियल→PDF) और omni-skill-creator (डेमो→Skill.md) Apache-2.0 और पोर्टेबल हैं — छोटी टीमें API कुंजियों से आगे वेंडर लॉक के बिना इन पर निच टूल बना सकती हैं।
• रियलटाइम वॉइस-फ़्रंट-एंड एकीकरण सेवाएँ: Live-Harness/MM-Plugins + Realtime API को कस्टमर-सर्विस या ट्यूटरिंग उत्पादों में जोड़ना (Skills इंजेक्शन + वॉइस क्लोनिंग + MCP) — वास्तविक मांग और प्रलेखित स्टैक वाली सिस्टम-एकीकरण पेशकश।
• लागत-मॉडलिंग/सत्यापन उत्पाद: प्रति-घंटा मीडिया लागत कैलकुलेटर जो सपाट प्रति-टोकन कीमतों को वेंडर के प्रति-घंटा दावों से सही ढंग से अलग करते हैं — लॉन्च सप्ताह के शोर में उपयोगी, बिकने योग्य विश्लेषक आर्टिफ़ैक्ट।
• स्वतंत्र omni बेंचमार्क सेवाएँ: Qwen-चलाए गए Gemini तुलनाओं को तृतीय-पक्ष ईवैल से बदलना (यह "exceeds Gemini 3.8 Flash on audio" दावा) उन उद्यमों के लिए दोहराने योग्य सेवा है जिन्हें खरीद-योग्य आँकड़े चाहिए — S10 के लिए नोट किया गया वही अवसर पैटर्न।

VERIFY (COMPARE घटक के साथ) — देखें labs/S11.md। API कुंजी या GPU के बिना, सर्वाधिक मूल्यवान प्रैक्टिकल काम है लॉन्च के भार-वहन करने वाले दावों को सार्वजनिक रिकॉर्ड के विरुद्ध सत्यापित करना: (1) आधिकारिक पृष्ठों से 1M-कॉन्टेक्स्ट स्पेक और $0.15/$0.016/$0.47 मूल्य की पुष्टि (इस रिसर्च में पूर्ण — QwenCloud + Model Studio दस्तावेज़), (2) लागत का अंकगणित दोबारा बनाएँ — Qwen3.5-Omni-Flash के मुकाबले 62.5%/84.3% प्रति-टोकन कटौती, रियलटाइम ऑडियो $4.57 → ~$1.86, और 89/93/98% प्रति-घंटा दावों के पीछे की कार्यप्रणाली-चेतावनियाँ, (3) दोनों GitHub रेपो लाइसेंस/फ़ीचर दावों के लिए जाँचें (पूर्ण — Apache-2.0; हार्नेस केवल macOS; MM-Plugins ऑडियो की खामी प्रलेखित), और (4) मैप करें कौन-से कैटलॉग अभी भी रिलीज़ को Sep 17 दिनांकित करते हैं (टाइमज़ोन बहाव के प्रति जागरूकता)। ऑफ़लाइन और रियलटाइम दोनों API पर सशुल्क TEST पायलट स्वाभाविक अगला कदम है।

• दिन (सितंबर के अंत तक): रजिस्ट्री मिरर Sep 17/18 डेटिंग पर एकमत होंगे; Live-Harness (केवल-macOS सीमाएँ) और MM-Plugins की पहली समुदाय समीक्षाएँ; liteLLM/Vercel तथा अन्य गेटवे बिलिंग-मैप रोलआउट पूरे करेंगे; वास्तविक प्रति-घंटा ऑडियो/वीडियो टोकन काउंट पर शुरुआती पायलट रिपोर्टें सामने आने लगेंगी; Qwen3.8-LiveTranslate की फ़ॉलो-अप पोस्टें Qwen ब्लॉग फ़ीड में साथ दिखेंगी।
• सप्ताह (अक्टूबर): अपेक्षा करें (a) Gemini 3.8 Flash के विरुद्ध पहले तृतीय-पक्ष ऑडियो-विज़ुअल बेंचमार्क पुनर्चालन — फ़्लैगशिप दावे पर निर्णायक जाँच; (b) $0.15/$0.47 पंक्ति के प्रति पश्चिमी omni/रियलटाइम वेंडरों की मूल्य प्रतिक्रियाएँ; (c) omni परिवार का संभावित विस्तार (एक Plus/Max omni सहोदर और/या ओपन-वेट omni Flash-Next विभाजन, अगस्त पैटर्न की नकल में); (d) पहले उत्पादन पायलटों से IaaS-बिल पोस्ट-मॉर्टम। (PREDICTION।)
• संरचनात्मक निगरानी (तिमाही): क्या Alibaba खुले-हार्नेस/बंद-मॉडल आकार को चीनी-लैब omni रिलीज़ के लिए पारिस्थितिकी मानक बनाता है, और क्या उद्यम गवर्नेंस टीमें स्पष्ट "वेट्स बनाम हार्नेस" मूल्यांकन अक्ष बनाती हैं। (INTERPRETATION + PREDICTION।)

Qwen3.8-Omni-Flash इस विंडो की मूल्य-निर्धारक omni रिलीज़ है: 1M कॉन्टेक्स्ट, टेक्स्ट/इमेज/ऑडियो/वीडियो इनपुट, थिंकिंग, टूल और वेब सर्च, अंतरराष्ट्रीय $0.15/$0.47 पर (मुख्य भूभाग ¥0.8/0.1/2.7) — और $0.016/M कैश टियर लंबे मीडिया लूपों को वास्तव में सस्ता बनाता है। सत्यापित कोर असली है (स्पेक, मूल्य, दस्तावेज़, रेपो, पेपर सब जाँचे गए), और साथी रिलीज़ (Sep 21 की Realtime API, Apache-2.0 Qwen-Live-Harness और Qwen-MM-Plugins, Sep 22 की arXiv रिपोर्ट) इसे सप्ताह का सबसे संपूर्ण चीनी-लैब omni वर्टिकल बनाते हैं। ईमानदार चेतावनियाँ भी उतनी ही असली हैं: हर हेडलाइन क्षमता दावा — Omni-Plus पर >25% औसत, "overall audio exceeds Gemini 3.8 Flash", यहाँ तक कि 89/93/98% लागत-कमी आँकड़े — वेंडर-चलित या कार्यप्रणाली-निर्भर है; पिछले Flash omni के मुकाबले सपाट, सत्यापन-योग्य प्रति-टोकन कटौती 62.5% इनपुट / 84.3% आउटपुट है, जो प्रति-घंटा-मीडिया दावों के बिना भी अपने आप में एक कहानी है। और मॉडल API-only है: खुले हिस्से हार्नेस हैं, दिमाग़ नहीं। साप्ताहिक के लिए मुख्य सूत्र: Alibaba ने omni को प्रति-मोडैलिटी प्रीमियम उत्पाद से जिंस Flash-टियर पंक्ति में बदल दिया है, रियलटाइम वॉइस/वीडियो एजेंटों के लिए संदर्भ मूल्य तय किया है, और "बेंचमार्क कौन चलाता है" को अगली लड़ाई बना दिया है — क्योंकि इतने बड़े दावों और निरीक्षण के लिए वेट्स न होने पर स्वतंत्र प्रतिरूपण ही एकमात्र रेफ़री है।