Vai al contenuto principale
← Torna alle notizie

Qwen lancia Qwen3.8-Omni-Flash: un modello omnimodale con contesto da 1M

Nuovi modelli
Fonte:Qwen (Alibaba) Blog
Il team Qwen di Alibaba ha rilasciato Qwen3.8-Omni-Flash, un modello nativo omnimodale che gestisce testo, immagini, audio e video insieme, con una Finestra di contesto da un milione di Token. È costruito attorno alle capacità agente: pianifica i task, chiama i tool e produce contenuti audiovisivi finiti. La famiglia Qwen continua a crescere proprio mentre questa guida la analizza per l'uso locale.
Leggi l'articolo originale

Articoli correlati

Qwen-Image 2.1: generare e modificare immagini in locale

Il modello open da 7B di Qwen che genera, modifica e crea immagini trasparenti: come girarlo in locale con diffusers e ComfyUI.

Qwen: il modello open con il miglior supporto multilingua

Qwen è la famiglia open con il miglior supporto per italiano e francese: generazioni, dimensioni, perché funziona bene in locale e confronto rapido con Llama.

Come Scegliere il Tuo Primo Modello IA Locale

I tre criteri per scegliere il primo modello locale: caso d'uso, memoria (con la formula esatta) e contesto. Modelli consigliati per 8, 16 e 24 GB, e il primo modello in due comandi.

Ricevi il prossimo punto sull'IA locale

Ogni settimana, la selezione del meglio di iaLocale: articoli, notizie e risorse sull'IA locale, e altro ancora.

Dopo l'iscrizione ricevi una email di conferma (double opt-in). Senza conferma non inviamo nulla. Nessuno spam, ti promettiamo.

Risorse correlate

Strumenti e risorse dell'archivio iaLocale pertinenti a questo contenuto.

Kandinsky 6.0 Video

Modelli

I modelli foundation per la generazione sincronizzata di video e audio di Kandinsky Lab: da un prompt genera clip video con audio allineato, pubblicata in open weight. Primo paper della giornata su Hugging Face (2026-10-06), con checkpoint e Spaces già disponibili.

🎨

Qwen-Image 2.1

Modelli

Modello open-weight da 7B (DiT da 32 layer) che unisce generazione da testo fino a 2048x2048, editing con fino a 10 immagini di riferimento e trasparenza RGBA nativa. Pensato per girare in locale su 16GB+ di VRAM; supportato da diffusers e ComfyUI.

⚡

faster-whisper

Inferenza

Reimplementazione di Whisper basata su CTranslate2: fino a 4 volte più veloce di openai/whisper con la stessa accuratezza e meno memoria. Supporta la quantizzazione 8-bit su CPU e GPU.

🎵

Kokoro-82M

Modelli

Modello di sintesi vocale da 82M di parametri su architettura VITS, Apache-2.0 per i pesi, con voci in decine di lingue e qualità sorprendentemente alta per le dimensioni. Gira in modo efficiente anche solo su CPU.

Sfoglia tutte le risorse