Qwen3.8-Omni-Flash 上线：把网页转成 Markdown/JSON 喂给多模态模型

Qwen 发布了新的原生全模态模型：文本、图像、音频、视频都是一等输入，上下文窗口拉到 1M token，每小时音频输入的价格降了 98% 以上。对要把网页内容喂给模型的人来说，问题的一半——模型侧的成本——正被快速解决；另一半还留着：你的资料仍然以网页和 PDF 的形式存在，而 URL 本身没法直接粘进 API。这篇文章讲清楚 Qwen3.8-Omni-Flash 真正改变了什么，再补上多数教程跳过的那一步：把网页转成模型管线真正能用的 Markdown 或 JSON，并给出两种格式各自适用的判断标准。

Qwen3.8-Omni-Flash 带来了什么

Qwen 于 2026 年 9 月 18 日发布该模型，现已在千问 AI 平台上线。以下是官方公告中的关键事实：

• 原生全模态输入。 文本、图像、音频、视频都作为一等输入直接进入模型，不需要经过一串转换工具拼装。
• 1M token 长上下文。 长文档、会议记录、成批的网页可以装进一次请求。
• 输入价格大幅下调。 与上一代相比，每小时音频输入价格下降超过 98%，每小时音视频输入价格下降超过 93%（博客脚注说明了口径：每小时价格按 2 分钟素材成本乘以 30 估算，视频按 720p、1 fps 计算）。
• 面向 Agent 的能力提升。 Qwen 披露在累计 29 项评测中平均得分相比 Qwen3.5-Omni-Plus 提升超过 25%，多模态工具调用基准提升显著，例如 WildClawBench-MM 从 34.5 升至 71.0。这些是厂商报告的数字，不是独立评测。
• 配套的实时与工具生态。 同步推出面向实时音视频交互的 Qwen3.8-Omni-Flash-Realtime；Qwen 还开源了 Qwen-MM-Plugins（其中的 Video2Note 可以把长视频压缩成图文 PDF 笔记）和 Qwen-Live Harness 运行环境。

实际含义很直接：过去因为价格做不了的工作负载——把数小时的会议录音、课程或屏幕录像和文档一起喂给模型——现在装得进正常预算。模型原生支持单次最长一小时的视频会议输入，模型侧自己拆掉了大部分成本门槛。

真正的瓶颈是你的资料

差距在这里：模型能直接读音频和视频了，但互联网不会只以音视频的形式给你内容。一个典型的项目要引用博客文章、价格页、API 文档、PDF 和后台数据——它们全都是 HTML 或文档文件。原始 HTML 是最不该放进提示词的东西之一：导航栏、脚本和排版标记消耗 token，却不提供模型需要的任何信息。

Markdown 和 JSON 仍然是"互联网上的一个页面"和"模型可用的输入"之间的桥：

• Markdown 保留真正重要的结构——标题、列表、表格、链接——token 成本接近纯文本。凡是模型要读的内容，用它。
• JSON 把页面变成程序能用的字段。凡是你的代码要消费的内容，用它。

这次发布改变的是这类决策的分量，而不是决策本身。更便宜的多模态输入意味着你会组装更大的上下文——更多页面，外加录音录像——每种素材以什么格式进场，决定了省下的预算是花在内容上还是浪费在标记上。

Markdown 还是 JSON：按任务选

选择取决于输出的消费者是谁，而不是模型有多大：

你要做的事	喂给模型的格式	原因
总结、简报、基于网页的问答	Markdown	结构保留、token 便宜，模型引用起来干净
RAG 或知识库入库	Markdown	按标题自然分块，向量化效果好
提取特定字段（价格、参数、日期、实体）	JSON	输出直接对接代码、表格或数据库
监控会变化的页面	JSON	对结构化字段做 diff，比比对正文可靠
把文稿或报告与音视频一起喂给模型	文本用 Markdown，音视频走原生输入	每种格式发挥各自模态的长处

一条实用的规则：模型之后由人来读，用 Markdown；由脚本处理，用 JSON。同一个 URL 两种格式都能产出，不必一次定终身——按管线选择即可。

五分钟的工作流

下面的步骤刻意保持简短；重点在于它们如何嵌入多模态管线，而不是工具操作本身。

1. 收集规范 URL。 一个信源一个 URL——用文章页而不是列表页，用文档对应章节而不是文档首页。
2. 阅读类任务转 Markdown。 把 URL 粘进转换工具，取 Markdown 输出。URL to Any 的网页转 Markdown 工具在浏览器里完成，无需注册和安装，标题、表格、链接都会保留。
3. 代码消费的场景转 JSON。 提取类任务把同一个 URL 交给网页转 JSON 工具，拿回结构化内容。

用 URL to Any 的网页转 Markdown 工具转换维基百科条目：标题、链接和列表都转换为干净的 Markdown（来源：en.wikipedia.org）。

4. 喂之前先修剪。 通读输出，删掉残留的导航、Cookie 横幅和相关文章块。保留标题骨架——1M 上下文装得下冗长的资料，但检索质量仍然取决于干净的段落结构。
5. 组装上下文。 这一步是发布真正兑现价值的地方：Markdown 格式的文档页、JSON 格式的价格表，再加上作为原生视频输入的产品演示，可以进同一次请求。按角色配格式——文字做参照，音视频补足只有录像才记录的内容。

同一信源 URL 转换为结构化 JSON，供程序消费（来源：en.wikipedia.org）。

新的价格结构解锁了什么

以下按规划思路陈述，而非实测结论——本文引用的基准数据来自 Qwen 官方，你的实际负载会有差异：

• 文档加演示。 把书面指南转成 Markdown，和它演示的视频一起发给模型，让回答同时对照操作步骤和实际屏幕录像。
• 会议管线。 一小时录音走原生输入，议程、项目页和历史会议纪要以 Markdown 进场——纪要和待办同时落在所有信源上。
• 定时监控。 竞品页面和价格页定时转成 JSON；字段级 diff 直接呈现变化，不必每次让模型通读整页。

共同点在于：转换是便宜且确定的一步，它让昂贵且不确定的一步——模型调用——配得上它新低的价格。

值得知道的边界

几条边界帮助预期保持诚实：

• 价格下调覆盖的是每小时音频与音视频输入相对上一代的降幅；公告没有给出按 token 计的文本价格，文本为主的预算仍需单独测算。
• 基准数字为厂商报告。把能力声明当作自己评测的起点，而不是结论。
• 转换工具只能处理公开可访问的页面。登录墙和重度脚本化的应用不在范围内，工具取不到页面时应当如实报告，而不是猜测。
• 把别人的内容喂给模型，不改变你对这些内容本来的义务——版权与使用条款依然适用。

结论

Qwen3.8-Omni-Flash 把多模态输入的成本线大幅推低，并让录音录像可以和文档同处一个上下文。模型侧不再是借口，剩下的工作是准备：把需要的页面转成 Markdown 或 JSON，每个信源大约一分钟——这决定了你新近变得便宜上下文，是花在内容上，还是花在标记上。

如果你正在组装上下文，URL to Any 在浏览器里免费完成网页转 Markdown、JSON 等格式转换——无需注册。