Alibaba lanza Qwen3.8-Omni-Flash: supera a Gemini 3.8 Flash en audio y reduce drásticamente el precio de su API

El modelo omnimodal de Alibaba Cloud supera a Gemini en reconocimiento de voz y abarata drásticamente los costes de acceso.

Alibaba ha presentado Qwen3.8-Omni-Flash, un modelo de inteligencia artificial que supera al Gemini 3.8 Flash de Google en procesamiento de voz e interacción de audio, y recorta el coste de su interfaz de programación de aplicaciones (API) en más de un 93 por ciento respecto a la generación anterior.

El modelo de Alibaba Cloud da un salto cualitativo respecto a sus predecesores: ya no se limita a comprender datos de múltiples modalidades, sino que está diseñado para planificar tareas, manejar herramientas y ejecutar flujos de trabajo de agentes de inteligencia artificial en entornos de productividad real.

Los benchmarks aportados por Alibaba Cloud muestran resultados destacados en reconocimiento de voz con varios interlocutores simultáneos, con tasas de error muy bajas. En comprensión musical se sitúa como el mejor entre los modelos comparados, y en detección de sonidos alcanza los 67,2 puntos frente a los 39,7 de Gemini 3.8 Flash.

La bajada de precios es especialmente pronunciada en audio, donde supera el 98 por ciento, y en audiovisual llega al 93 por ciento. Estas cifras refuerzan la posición de este modelo en la pugna entre sistemas de pesos abiertos y modelos cerrados de origen estadounidense.

Con todo, el modelo todavía tiene recorrido en el razonamiento audiovisual de vídeo puro, una parcela donde Gemini conserva el liderazgo del mercado.

En texto, Qwen3.8-Omni-Flash mantiene su rendimiento con un contexto de un millón de tokens y eleva el listón omnimodal más de un 25 por ciento de media respecto a su generación anterior.

En agentes multimodales con herramientas, el modelo alcanza 71,0 puntos frente a los 58,9 de Gemini. También supera a Claude Opus 4.6 de Anthropic en visión y tareas de pantalla: navegación en móvil, percepción visual del mundo real y razonamiento matemático visual.

Alibaba comparó además su nuevo Omni-Flash con Opus 4.6 Max, un modelo de generación anterior al actual Opus 5. El dato relevante es que un modelo flash, concebido para respuestas rápidas, sea capaz de imponerse a una versión de mayor peso computacional.

Características técnicas principales

Qwen3.8-Omni-Flash incorpora interacción omnimodal nativa, lo que le permite procesar de forma simultánea texto, visión e interacción de audio tanto en entrada como en salida.

Integra también agentes de productividad optimizados para la ejecución de código, la gestión de documentos, la interacción con interfaces web y móviles, y la automatización de tareas complejas paso a paso.

El laboratorio Tongyi, responsable del desarrollo de los modelos de inteligencia artificial de Alibaba Cloud, ha mejorado la adherencia a los parámetros que definen el tono de conversación, la personalidad, las restricciones de salida y el uso de llamadas a funciones, con las que el modelo consulta herramientas externas para obtener datos como el tiempo, el precio de una acción u otra información en tiempo real.

Qwen3.8-Omni-Flash razona además con mayor precisión sobre imágenes, diagramas, esquemas e interfaces gráficas, tanto en dos dimensiones como en tres.