【Qwen3.8-Omni-Flash】音声・映像を理解してタスクまで実行するアリババの次世代オムニモーダルAIを徹底解説

2026年9月18日、アリババのQwenチームが次世代オムニモーダルモデル「Qwen3.8-Omni-Flash」を公開しました！

このモデルは、テキスト・画像・音声・動画の4種類の入力をネイティブに処理し、内容の理解からタスクの計画、ツール呼び出しによる実行までを1つのモデルで完結させるエージェント型のAIです。前モデルのQwen3.5-Omni-Plusと比較して、30項目の評価で平均26%以上のスコア向上を達成しています。

とはいえ、「どうやって使えばいいの？」「料金はどのくらいかかるの？」と気になっている方も多いのではないでしょうか。

そこでこの記事では、Qwen3.8-Omni-Flashの概要から仕組み、料金体系、具体的な使い方までを徹底解説します。最後まで読めば、Qwen3.8-Omni-Flashの全体像をしっかり把握し、業務への導入を検討できるようになるでしょう。

【監修者】田村 洋樹

株式会社WEEL代表取締役 / 累計25社以上のAIアドバイザリーを担当 / 企業向けセミナー・大学講義でのべ10,000人超に登壇 / 日本HP・インテルなど、大手企業主催カンファレンスへの登壇実績多数。AI導入支援・生成AIを活用した業務改革のプロとして、アドバイザリー・PM・講演者など多面的な立場から企業を支援中。

Qwen3.8-Omni-Flashとは？

Qwen3.8-Omni-Flashは、アリババのQwenチームが開発したネイティブオムニモーダルAIモデルです。テキスト・画像・音声・動画の4種類の入力を1つのモデルでまとめて処理できる設計になっています。

従来のオムニモーダルモデルは、動画や音声の中身を説明して終わりというケースが大半でした。Qwen3.8-Omni-Flashは、その先にあるタスクの計画・ツール呼び出し・成果物の生成までをカバーする点が大きな違いです。公式ブログでは「オムニモーダルの理解からタスク計画、ツール実行、クリエイティブワークの完遂まで」という表現が使われていて、動画編集やMV制作、映画の解説動画といった実務的なワークフローが想定されています。

ベースアーキテクチャには、2026年8月にオープンウェイトで公開されたQwen3.8-Flash-Nextが使われています。コンテキストウィンドウは100万トークンで、最大入力は約99万1,000トークン、最大出力は約13万1,000トークンです。推論（Thinking）モードはデフォルトでオンになっていて、最大推論長は26万2,000トークンに達します。

さらに、113の言語・方言に対応した音声入力をサポートしており、最大3時間の音声ファイルや最大2時間・2GBの動画ファイルを一度に処理できます。Function Calling（関数呼び出し）やWeb検索、構造化出力、コンテキストキャッシュ、バッチ処理にも対応していて、OpenAI互換のAPIプロトコルで利用できるのも嬉しいポイントでしょう。

Qwen3.8-Omni-Flashの仕組み

Qwen3.8-Omni-Flashの内部構造についても確認しておきましょう。このモデルはQwen3.8-Flash-Nextアーキテクチャをベースとしており、Qwen4世代のアーキテクチャプレビューとして2026年8月にオープンウェイトで公開されたモデルの技術が土台になっています。

アーキテクチャの核となるのは、GDN + QSAハイブリッドアテンション機構です。GDN（Gated DeltaNet）は過去のコンテキスト履歴を圧縮する役割を担い、QSA（Qwen Sparse Attention）は軽量なインデクサーでマイクロブロック単位のコンテキスト選択を行います。この組み合わせにより、100万トークンの長大なコンテキストでもQwen3.7-Plusの最大8.6倍のプリフィルスループットを実現しています。

全体構成はスパースMixture of Experts（MoE）型のTransformerベースモデルで、総パラメータ数は125Bに51BのN-gramエンベディングを加えた構成となっています。推論時に実際に活性化されるパラメータはわずか6Bであり、全体の約20分の1にあたります。この仕組みによって、巨大なモデルキャパシティを持ちながらも推論コストを大幅に抑えることに成功しています。

また、動画を扱う際にはエージェンティック・パーセプションと呼ばれる仕組みが導入されています。従来の動画モデルは映像を最初から最後まで一律に処理していましたが、Qwen3.8-Omni-Flashではまず質問内容から「どこを見るべきか」を判断し、粗い探索から細かい精査へと段階的に証拠を集めます。これにより、OmniVideoBenchでの精度が63.4から67.8に向上しつつ、使用トークン数は約45.7%削減されたと報告されています。

Qwen3.8-Omni-Flashの特徴

Qwen3.8-Omni-Flashの性能面で注目したいのは、エージェント性能の大幅な向上です。

29項目の評価において、前モデルQwen3.5-Omni-Plusと比較して平均25%以上のスコア改善が報告されています。特にエージェント系のベンチマークでは目覚ましい伸びを見せていて、WildClawBench-MMで36.5ポイント、AgenticVBenchで22.3ポイントの改善を記録しています。エージェント性能の総合指標であるUniClawBenchでは69.6に到達しました。

音声・映像の理解力もしっかり底上げされています。長時間の音声を扱うLongAudioSpanでは8.3ポイント、動画理解のOmniVideoBenchでは9.6ポイントのスコア向上が確認されています。公式のXポストでは、音声・映像の総合性能がGemini 3.8 Flashに迫るレベルに達していると述べられています。

Qwen3.8-Omni-Flashの安全性・制約

Qwen3.8-Omni-Flashのセキュリティ面について整理しておきましょう。2026年9月時点では、Qwenチームからモデルカードやセーフティレポートなどの詳細な安全性評価ドキュメントは公開されていません。

モデルの提供形態がAPI限定であるため、利用者がモデルの重みに直接アクセスすることはできず、Alibaba Cloudの利用規約やコンテンツポリシーの範囲内で運用される形になります。セルフホスティングはできないため、機密データを扱う場合はAlibaba Cloudのデータ処理ポリシーを確認した上で利用することをおすすめします。

入力面の制約としては、動画は最大2時間・2GBまで、音声は最大3時間まで、画像は1枚あたり最大20MBとなっています。また、出力はテキストのみで音声出力には非対応です。音声を生成したい場合はQwen3.5-Omniとの組み合わせが必要になります。

Qwen3.8-Omni-Flashの料金

Qwen3.8-Omni-Flashの料金体系は、QwenCloudが公開しているトークン単価ベースの従量課金制です。ピーク時・オフピーク時のような時間帯ごとの料金変動はなく、一律の価格が適用されます。

目安として、1億トークンの入力を処理した場合のコストは約15ドル（約2,200円前後）です。同規模の処理をClaude Opus 4.6のAPIで行った場合と比較すると桁違いの安さになります。暗黙キャッシュヒット時の料金は100万トークンあたり0.016ドルとさらに低く、同じプロンプトを繰り返し使うようなバッチ処理のシナリオでは一段とコストを抑えられるでしょう。

Qwen3.8-Omni-Flashのライセンス

Qwen3.8-Omni-Flashはプロプライエタリ（独自）ライセンスで提供されるクラウドAPI専用モデルです。

Qwen3.8-Flash-Nextのようにオープンウェイトで公開されているモデルとは異なり、モデルの重みファイルのダウンロードやローカルでの実行はできません。利用にあたっては、Alibaba CloudまたはQwenCloudの利用規約に従う必要があります。

なお、Qwen3.8-Omni-Flashと同時にオープンソース化されたQwen-MM-Pluginsは、Apache 2.0ライセンスで提供されています。こちらはClaude CodeやGemini CLIといったエージェントハーネスにマルチモーダル機能を追加するプラグイン集で、自由に商用利用・改変・再配布が可能です。

Qwen3.8-Omni-Flashの使い方

Qwen3.8-Omni-Flashには複数のアクセス方法があります。ここからは代表的な3つの方法を紹介します。

Qwen Studio（千問AI）からブラウザで試す

最も手軽にQwen3.8-Omni-Flashを試せる方法です。コードを書かずにブラウザ上で操作できます。

STEP

Qwen Studioにアクセス

Qwen Studioにアクセスします。ブラウザで開き、アカウントでログインしてください。

STEP

モデル切り替え

チャット画面でモデルをQwen3.8-Omni-Flashに切り替えます。画面上部のモデル選択メニューから選択してください。

STEP

プロンプト送信

テキストを入力するか、音声・動画・画像ファイルをアップロードして送信します。結果はテキストで返ってきます。

Python（OpenAI互換SDK）から利用する

プログラムに組み込む場合の標準的な方法です。OpenAI互換のAPIプロトコルに対応しているため、openaiライブラリをそのまま使えます。

STEP

OpenAI SDKのインストール

OpenAI SDKをインストールします。

pip install openai

STEP

APIキー取得

Alibaba Cloud Model StudioでAPIキーを取得し、環境変数に設定します。

export DASHSCOPE_API_KEY="your-api-key-here"
export DASHSCOPE_BASE_URL="<workspace-base-url>"

STEP

コード実行

Pythonコードを実行して動画を分析してみましょう。以下は動画の要点をタイムスタンプ付きで抽出する例です。

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["DASHSCOPE_API_KEY"],
    base_url=os.environ["DASHSCOPE_BASE_URL"],
)
completion = client.chat.completions.create(
    model="qwen3.8-omni-flash",
    messages=[{"role": "user", "content": [
        {"type": "video_url", "video_url": {"url": "https://example.com/meeting.mp4"}},
        {"type": "text", "text": "この動画の要点をタイムスタンプ付きで整理してください。"},
    ]}],
    modalities=["text"],
    stream=True,
)
for chunk in completion:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="")

音声ファイルを分析する場合は、以下のようにinput_audioタイプを使います。

completion = client.chat.completions.create(
    model="qwen3.8-omni-flash",
    messages=[{"role": "user", "content": [
        {"type": "input_audio", "input_audio": {
            "data": "https://example.com/recording.wav",
            "format": "wav"
        }},
        {"type": "text", "text": "この録音の内容を要約してください。"},
    ]}],
    modalities=["text"],
    stream=True,
)

curlコマンドで直接APIを叩く

開発環境のセットアップなしで、ターミナルからすぐに試したい場合はcurlが便利です。

curl -X POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1/chat/completions \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "qwen3.8-omni-flash",
    "messages": [{"role": "user", "content": [
        {"type": "input_audio", "input_audio": {
            "data": "https://example.com/audio.wav",
            "format": "wav"
        }},
        {"type": "text", "text": "What is this audio about?"}
    ]}],
    "stream": true,
    "modalities": ["text"]
}'

{WorkspaceId}の部分は、Alibaba Cloud Model Studioで作成したワークスペースのIDに置き換えてください。リージョンによってURLが異なるため、東京リージョンの場合は公式ドキュメントで対応するエンドポイントを確認しましょう。

【業界別】Qwen3.8-Omni-Flashの活用シーン

Qwen3.8-Omni-Flashの特性を活かした活用シーンを、業界別に紹介します。音声・映像をネイティブに理解しつつ、ツール呼び出しで実際のアクションまで行える点が、幅広い業界での導入を後押ししています。

メディア・映像制作

映像制作の現場では、長時間の撮影素材から必要なシーンを探し出す作業に膨大な時間がかかります。Qwen3.8-Omni-Flashのエージェンティック・パーセプションを活用すれば、2時間分の動画を一括で入力し、特定の発言やシーンをトークンを節約しながら探し出すことが可能です。MV制作や映画のダイジェスト生成、短編ドラマの多言語翻訳といったワークフローも、公式が具体的なデモとして提示しています。

広告業界における生成AI活用について、詳しく知りたい方は以下の記事も参考にしてみてください。

WEEL

生成AIの活用で広告業界はどう変わる？企業の導入事例と課題を徹底解説 | WEEL 生成AIは広告業界が抱える課題である制作負荷の増大、運用最適化、人件費削減に効果を発揮します。本記事では生成AI広告のメリットと限界、炎上リスク、法務や倫理面の注意…

カスタマーサポート・コールセンター

113言語・方言の音声入力に対応しているため、多言語対応のコールセンター業務との相性が良好です。通話録音をそのままAPIに投入し、会議の要約や問題点の抽出、対応品質のスコアリングなどを自動化できます。音声入力コストが前モデル比で98%以上削減されているため、大量の通話録音を日常的に処理するコストが大幅に下がるでしょう。

コールセンターにおける生成AI導入について、詳しく知りたい方は以下の記事も参考にしてみてください。

WEEL

生成AIはコールセンターでどう使える？結果を出した企業の導入事例を含め徹底解説 | WEEL ビジネスの場面における生成AIの活用が広がっています。その流れはコールセンターにおいても同様で、上手に生成AIを活用することでオペレーター業務を改善したり、新人教育…

教育・研修

講義や研修の録画を入力すると、タイムスタンプ付きの要約や議事録を自動生成できます。100万トークンのコンテキストウィンドウにより、数時間に及ぶ講義でも分割せずに一度に処理できる点が強みです。学習用のノートやイラスト付きPDFへの変換も、Qwen-MM-Pluginsのomni-video2note機能で実現できます。

教育業界における生成AI活用について、詳しく知りたい方は以下の記事も参考にしてみてください。

WEEL

生成AIによる教育業界の業務DX化！効率化と授業品質UPが狙える活用法や現場の導入事例を紹介 | WEEL 生成AIは教育業界の教員不足や長時間労働、個別指導の難しさを解決する手段として注目されています。この記事では、学校運営・語学学習・外国籍生徒への対応・アクティブラ…

【課題別】Qwen3.8-Omni-Flashが解決できること

続いては、Qwen3.8-Omni-Flashが解決できる具体的な課題について紹介します。

長時間の動画・音声を効率的に分析

100万トークンのコンテキストウィンドウにより、数時間に及ぶ動画や音声を分割せずに一括で処理できます。従来はファイルを細切れにして順番に処理し、結果を結合する手間が必要でしたが、Qwen3.8-Omni-Flashなら1回のAPI呼び出しで完結します。エージェンティック・パーセプションにより、必要なシーンだけを効率的に探索するため、トークン消費も約半分に抑えられます。

マルチモーダルなコンテンツ制作を自動化

Qwen3.8-Omni-Flashは「理解して終わり」ではなく、ツール呼び出しで実際の制作作業まで連携できるエージェント型モデルです。動画からハイライトを抽出してダイジェスト版を作成したり、講義動画をノートに変換したりといったワークフローを、公式のQwen-MM-Pluginsと組み合わせて実現できます。

マルチモーダルRAGについて、詳しく知りたい方は以下の記事も参考にしてみてください。

WEEL

マルチモーダルRAGとは？仕組み・活用事例・実装方法をわかりやすく解説 | WEEL マルチモーダルRAGは、複数の情報形式を同時に分析し、高精度な出力を実現するAIアプローチです。本記事では、その仕組み、メリット、活用事例を詳しく解説します。

音声・動画の処理コスト削減

前モデルと比較して音声入力コストが98%以上削減されたことで、日常的な音声・動画処理が現実的なコストで運用できるようになっています。会議録の自動要約や通話品質分析といったタスクを大量に走らせるシナリオでも、コストを気にせず活用できるでしょう。

Qwen3.8-Omni-Flashを使ってみた

それでは実際にQwen3.8-Omni-Flashを試してみましょう。今回は、Qwen Studioを使って2つの検証を行いました。

検証①：2分間の日本語会議録音を要約させてみた

まずは、2分間の架空の社内打ち合わせ録音を要約させてみます。会議内容は、新規プロジェクトのキックオフミーティングで、3名の参加者がスケジュール・担当分担・次回MTGの日程について話し合うというものです。

この会議の要点をタイムスタンプ付きで整理してください

出力結果はこちら

「会議サマリー」と「タイムライン」を自動で分けて出力してくれました。発言者の識別や「前倒し提案→合意」という議論の流れも正しく追えており、議事録の下書きとしてそのまま使えるレベルです。

1時間超の会議録音を丸ごと投げるような実務シーンでも相当な時短効果が見込めそうですね。

検証②：Google Cloud Japan公式の解説動画からキーモーメントを抽出

続いて、Google Cloud Japan公式YouTubeチャンネルの「5分でマスター！」シリーズから、「5 分で解説！Google Cloud で実現する AI 活用に向けた IT インフラのモダナイズ」（約5分、2026年3月公開）を題材に、キーモーメント抽出を試しましょう。

この動画のキーモーメントを5つ、タイムスタンプ付きで抽出してください

出力結果はこちら

5分の動画から「インフラの限界」「Lift & Transform」といった話題の区切りをタイムスタンプ付きで正確に拾い、各セクションの要点も簡潔にまとめてくれました。Thinkingによる推論を挟む分、単なる文字起こしではなく内容を踏まえた抽出になっている印象です。

企業の公式チャンネルが出している短尺の解説動画でも、要点を漏れなく拾える精度があるため、社内研修動画の要約や、セミナーのダイジェスト作成にも十分活用できそうです。

生成AIの相談はWEELへ

Qwen3.8-Omni-Flashは、テキスト・画像・音声・動画をネイティブに処理し、内容の理解からタスク実行までを1つのモデルで完結させる次世代のオムニモーダルAIです。100万トークンのコンテキストウィンドウにより最大2時間の動画を一括分析でき、音声入力コストは前モデル比で98%以上削減されています。

エージェント型の設計思想により、従来の理解して終わりのモデルとは一線を画し、動画編集・MV制作・会議録の自動要約・多言語字幕生成といった実務的なワークフローを、ツール呼び出しを組み合わせて自動化できます。API経由で東京リージョンからもアクセスできるため、日本企業での導入ハードルも低いでしょう。

弊社では、AI導入を検討中の企業向けに、業務効率化や新しい価値創出を支援する情報提供・導入支援を行っています。最新のAIを活用し、効率的な業務改善や高度な分析が可能です。

大規模言語モデル（LLM）比較レポート

「生成AIを社内で活用したい」「生成AIの事業をやっていきたい」という方に向けて、生成AI社内セミナー・勉強会をさせていただいております。

セミナー内容や料金については、ご相談ください。

また、大規模言語モデル（LLM）を対象に、言語理解能力、生成能力、応答速度の各側面について比較・検証した資料も配布しております。この機会にぜひご活用ください。

無料で相談する

資料をダウンロードする

よくある質問