La compañía china Alibaba ha presentado oficialmente su más reciente modelo de inteligencia artificial denominado Qwen3.8-Omni-Flash. Este lanzamiento marca un hito importante al lograr superar al modelo Gemini 3.8 Flash, desarrollado por Google, en tareas de procesamiento de voz e interacción con audio. Además, la empresa ha anunciado una reducción de costos en su API de más del 93% en comparación con la versión anterior.
El equipo científico detrás de Qwen3.8-Omni-Flash detalló las características de este nuevo sistema. Pasó de ser un modelo que solo “comprende” datos multimodales a convertirse en una plataforma capaz de planificar tareas, emplear herramientas y ejecutar flujos de trabajo de agentes de IA en escenarios de productividad real.
Según los benchmarks publicados por Alibaba Cloud, el avance es notable en el reconocimiento de voz cuando interactúan varios interlocutores de forma simultánea, con tasas de error muy bajas. En cuanto a comprensión musical, el modelo se posiciona como el mejor entre los comparados. En la prueba de detección de sonidos SpotSoundBench, Qwen3.8-Omni-Flash alcanzó 67,2 puntos, mientras que Gemini 3.8 Flash obtuvo solo 39,7 puntos.
Este rendimiento excepcional, sumado a una reducción de precios en audio de más del 98% y en audiovisual de más del 93%, destaca la relevancia del modelo en la competencia abierta entre los sistemas de peso abierto frente a los modelos cerrados provenientes de Estados Unidos.
No obstante, Qwen3.8-Omni-Flash aún tiene camino por recorrer en el razonamiento audiovisual de video puro, una capacidad que continúa siendo liderada por Gemini de Google.
De acuerdo con Alibaba Cloud, el modelo eleva el estándar omnimodal en más de un 25% en promedio respecto a la generación anterior, manteniendo el rendimiento en texto y soportando un contexto de un millón de tokens.
En otras pruebas de rendimiento, Qwen3.8-Omni-Flash sobresale en tareas de agentes multimodales con herramientas (WildClawBench-MM) con una puntuación de 71,0, mientras que Gemini logra 58,9. Comparado con Claude Opus 4.6 de Anthropic, lo supera en visión y tareas de pantalla, como navegación en móvil, percepción visual del mundo real y razonamiento matemático visual.
Alibaba también evaluó su nuevo Omni-Flash frente a Opus 4.6 Max, un modelo de generación anterior al actual Opus 5. Cabe destacar que un modelo flash, diseñado para respuestas rápidas, haya podido superarlo.
Conociendo sus fortalezas y debilidades, Qwen3.8-Omni-Flash se distingue principalmente por tres aspectos: en primer lugar, ofrece una interacción omnimodal nativa que procesa simultáneamente texto, visión y entrada/salida de audio; en segundo lugar, cuenta con una integración optimizada con agentes de productividad para ejecución de código, gestión de documentos, interacción en interfaces web y móviles, y automatización de tareas complejas paso a paso.
En tercer lugar, el laboratorio Tongyi, responsable del desarrollo de los modelos de IA de Alibaba Cloud, mejoró la adherencia a parámetros establecidos para definir tonos de conversación, personalidad, restricciones de salida y el uso riguroso de llamadas a funciones (por ejemplo, consultar el clima o el precio de una acción). Finalmente, Qwen3.8-Omni-Flash razona con mayor precisión sobre imágenes, diagramas, esquemas e interfaces gráficas en 2D y 3D.
Fuente: Infobae