알리바바가 오디오·비디오를 이해하고 도구 호출과 작업 실행까지 가능한 차세대 옴니모달 모델 '큐원3.8-옴니-플래시'를 공개했다. 최대 100만 토큰 컨텍스트를 지원하며 29개 평가에서 이전 모델 대비 평균 25% 이상 성능이 향상됐고, 옴니비디오벤치 정확도는 63.4점에서 67.8점으로 오르면서 토큰 사용량은 약 45.7% 줄었다. 사용자 질문에 따라 영상의 필요한 부분만 선택적으로 분석하는 방식을 도입했으며, 회의 영상 분석·화자 구분·뮤직비디오 기획·영상 번역 및 더빙 등 다양한 에이전트 작업에 활용 가능하다. 모델 개발 과정에도 에이전트를 투입해 방언 음성 인식 오류율을 12시간 만에 40.7% 낮췄으며, 비용은 이전 모델 대비 오디오 입력 98%, 오디오·비디오 입력 93% 이상 절감됐다.

• •알리바바, 오디오·비디오 이해 및 작업 실행 가능한 '큐원3.8-옵니-플래시' 공개
• •100만 토큰 컸텍스트 지원, 29개 평가에서 전작 대비 평균 25%↑ 성능 향상
• •토큰 사용량 약 45.7% 감소시키면서 옵니비디오벤치 정확도는 오히려 상승
• •회의록 작성·뮤직비디오 기획·영상 번역·더빙 등 다양한 에이전트 작업에 활용
• •API 비용 오디오 98%, 오디오·비디오 93% 이상 절감, 가중치는 비공개