Qwen3.8-Omni-Flash: multimodales Modell für KI-Agenten zum Bruchteil der Gemini-Preise
Qwen3.8-Omni-Flash verarbeitet Audio und Video gemeinsam, ruft selbstständig Werkzeuge auf und kostet laut Anbieter 0,15 US-Dollar je Million Eingabe-Tokens und 0,47 US-Dollar je Million Ausgabe-Tokens. Gemini 3.8 Flash liegt beim Einführungspreis bei 0,75 und 3,75 US-Dollar. Der Artikel ordnet ein, wo bei multimodalen Agenten wirklich Kosten entstehen, welche Einsatzszenarien für kleine Unternehmen realistisch sind und welche Datenschutzfragen vor einem Test geklärt sein müssen.
Eine Stunde aufgezeichnete Besprechung automatisch auswerten zu lassen, war für kleine Unternehmen bisher weniger eine technische als eine kaufmännische Frage. Audio und Video erzeugen sehr viele Tokens, und bei Ausgabepreisen im Bereich von mehreren US-Dollar je Million Tokens wurde aus einem netten Pilotprojekt schnell eine Position, die niemand im Budget verteidigen wollte. Genau an dieser Stelle setzt die Ankündigung an, über die THE DECODER am 19. September 2026 berichtet.
Der Unterschied, um den es geht, ist kein Detail am Rand: Qwen nennt für sein neues Modell Qwen3.8-Omni-Flash 0,47 US-Dollar je Million Ausgabe-Tokens. Gemini 3.8 Flash kostet an derselben Stelle zum Einführungspreis 3,75 US-Dollar, also etwa das Achtfache. Für Admins heißt das zunächst nichts anderes, als dass ein bisher verworfener Anwendungsfall mit Audio oder Video neu gerechnet werden darf. Handeln muss heute niemand, es gibt keine Sicherheitslücke und keinen Patchzwang. Wer aber ein liegengebliebenes Vorhaben mit Aufzeichnungen, Untertiteln oder Medienarchiven hat, bekommt hier einen konkreten Anlass, die alte Kalkulation noch einmal aufzumachen.
Was ist passiert?
Qwen hat mit Qwen3.8-Omni-Flash sein nach eigenen Angaben erstes multimodales Modell vorgestellt, das ausdrücklich für den Einsatz in KI-Agenten ausgelegt ist. Der Unterschied zu einem reinen Sprachmodell mit angeflanschter Transkription liegt darin, dass Audio und Video gemeinsam verstanden werden. Das Modell zieht aus beiden Spuren zusammen Schlüsse und ruft selbstständig Werkzeuge auf, statt nur Text zurückzugeben.
Als Anwendungen nennt der Anbieter den Schnitt von Vlogs, das Übersetzen von Kurzvideos und das Zusammenfassen von Filmen. Das Kontextfenster umfasst eine Million Tokens, was bei längeren Aufzeichnungen der eigentlich begrenzende Faktor ist. Bei Audio-Video-Aufgaben erreicht das Modell nach Angaben von Qwen nahezu das Niveau von Gemini 3.8 Flash. Diese Aussage stammt vom Hersteller selbst und ist bislang nicht durch unabhängige Benchmarks bestätigt.
Der Zugang läuft über Qwen Studio, Qwen Cloud und die API. Ergänzend nennt Qwen die offenen Qwen-MM-Plugins, die bestehende Agenten wie Claude Code, Gemini CLI und Qwen Code um Videoschnitt, Sprecherkennung, PDF-Videonotizen und wiederverwendbare Arbeitsabläufe erweitern. Mit dem Qwen-Live Harness ist zudem eine Echtzeit-Interaktion über Kamera und Mikrofon möglich.
Für wen ist das relevant?
Relevant ist die Meldung für Unternehmen, bei denen Audio- oder Videomaterial regelmäßig anfällt und bisher von Hand ausgewertet wurde. Das sind in der Praxis weniger Medienhäuser als ganz normale Betriebe mit Aufzeichnungen aus Videokonferenzen, mit Schulungsmaterial oder mit gewachsenen Medienarchiven ohne brauchbare Suche.
- Betriebe, die Besprechungen aufzeichnen und bisher niemanden dafür abstellen konnten, Protokolle oder Aufgabenlisten daraus zu ziehen.
- Unternehmen mit eigenen Schulungsvideos, die Untertitel oder Übersetzungen für mehrsprachige Belegschaften brauchen.
- Organisationen mit Video- und Audioarchiven, die bislang nur über Dateinamen auffindbar sind und deshalb faktisch nicht genutzt werden.
- Teams, die bereits Agenten wie Claude Code oder Qwen Code einsetzen und diese um Medienverarbeitung erweitern möchten.
Für alle anderen ändert sich nichts. Wer ausschließlich mit Text, Tabellen und Dokumenten arbeitet, gewinnt durch ein Omni-Modell nichts, was ein gewöhnliches Sprachmodell nicht auch könnte. Ebenso wenig betroffen sind Umgebungen, in denen aus Datenschutzgründen ohnehin nur lokal betriebene Modelle infrage kommen. Für diese Fälle bleibt der lokale Weg die passende Antwort, nicht ein Cloud-Dienst.
Einordnung der Zahlen
Die Preisangaben sind der eigentliche Kern der Meldung. Die folgende Tabelle stellt ausschließlich die API-Preise beider Modelle gegenüber, ohne Benchmarks oder Funktionsumfang zu vermischen.
| Modell | Eingabe je Million Tokens | Ausgabe je Million Tokens |
|---|---|---|
| Qwen3.8-Omni-Flash | 0,15 US-Dollar | 0,47 US-Dollar |
| Gemini 3.8 Flash | 0,75 US-Dollar | 3,75 US-Dollar |
Wichtig zur Einordnung: Die genannten Gemini-Werte sind Einführungspreise. Nach Angaben von Google gelten sie bis zum 31. Dezember 2026, ab dem 1. Januar 2027 verdoppeln sie sich auf 1,50 US-Dollar für die Eingabe und 7,50 US-Dollar für die Ausgabe je Million Tokens.
Was das technisch bedeutet
Bei multimodalen Agenten entstehen Kosten an einer anderen Stelle als bei Textanwendungen. Eine Videospur wird in einzelne Bilder zerlegt, und jedes dieser Bilder kostet Tokens. Qwen beziffert 720p-Video mit Audio bei einem Bild pro Sekunde auf 0,20 US-Dollar, reine Audio-Eingaben auf unter 0,01 US-Dollar je Stunde. Beide Werte gelten jeweils ohne die Kosten der erzeugten Antwort.
Daraus ergibt sich eine Faustregel für die eigene Kalkulation: Die Eingabe ist bei Medien zwar mengenmäßig groß, aber pro Token billig. Teuer wird es bei der Ausgabe, und die Ausgabemenge steigt genau dann, wenn ein Agent nicht nur eine kurze Zusammenfassung liefert, sondern Zwischenschritte, Werkzeugaufrufe und Begründungen produziert. Ein Achtfaches beim Ausgabepreis wirkt sich deshalb bei agentischen Arbeitsabläufen stärker aus als bei einer einfachen Transkription.
Die zweite technische Aussage betrifft das Kontextfenster von einer Million Tokens. Es entscheidet darüber, wie viel Material das Modell in einem Durchgang betrachten kann, ohne dass die Anwendung die Aufnahme in Abschnitte zerlegen und Teilergebnisse wieder zusammenführen muss. Für Admins ist das der Unterschied zwischen einem geradlinigen Aufruf und einer eigenen Pipeline mit Zwischenspeicher und Fehlerbehandlung.
Grenzen und offene Fragen
Die Leistungsangaben stammen sämtlich vom Anbieter. Die Formulierung, das Modell erreiche bei Audio-Video-Aufgaben nahezu das Niveau von Gemini 3.8 Flash, ist eine Herstellerangabe ohne unabhängige Gegenprüfung. Solche Angaben sind erfahrungsgemäß auf die Aufgabenstellungen zugeschnitten, bei denen ein Modell gut abschneidet, und sagen wenig über verrauschte Aufnahmen, Dialekte oder schlechte Mikrofone im Besprechungsraum aus.
Ebenfalls offen ist die Frage nach Modellgewichten und Lizenz. Zum Redaktionszeitpunkt konnte die Redaktion weder eine offizielle Modellkarte noch eine Lizenzangabe oder einen Download von Modellgewichten unabhängig abrufen. Die Blogübersicht von Qwen wird im Browser nachgeladen und lieferte beim direkten Abruf keinen auswertbaren Text. Dieser Artikel stützt sich daher bei allen Produktangaben auf die Herstellerangaben, die THE DECODER wiedergibt. Ob und in welcher Form das Modell lokal betrieben werden kann, ist damit ausdrücklich nicht geklärt und sollte bis zu einer offiziellen Bestätigung auch nicht angenommen werden.
Dazu kommt der Punkt, der bei jedem Cloud-Dienst gilt und bei Medien besonders schwer wiegt: Die Daten verlassen das Unternehmen. Bei Audio- und Videoaufnahmen sind fast immer personenbezogene Daten im Spiel, und Sprachaufnahmen aus Besprechungen zählen zu den heikelsten Datenarten überhaupt, weil sie neben dem Inhalt auch die Stimme als biometrisches Merkmal und die Äußerungen einzelner benennbarer Personen enthalten.
Was Admins jetzt tun können
- Anwendungsfall prüfen: Zuerst klären, ob überhaupt ein Vorhaben mit Audio oder Video existiert, das bisher am Aufwand oder an den Kosten gescheitert ist. Ohne konkreten Fall ist der günstigere Preis belanglos.
- Datenschutzlage vorher klären: Vor dem ersten Test Auftragsverarbeitung, Serverstandort und den Umgang mit personenbezogenen Daten in den Aufnahmen schriftlich festhalten. Bei Sprachaufnahmen aus Besprechungen gehört auch die Mitbestimmung auf die Liste.
- Kostenrahmen und Limits setzen: Bevor ein Agent selbstständig Werkzeuge aufruft, Obergrenzen im Anbieterkonto und im eigenen Code festlegen. Agentische Schleifen können Ausgabe-Tokens sehr schnell vervielfachen.
- Nicht mit Produktivdaten testen: Für den ersten Durchlauf unkritisches Material verwenden, etwa eine öffentliche Schulungsaufzeichnung ohne personenbezogene Inhalte.
- Herstellerangaben gegenprüfen: Die Qualitätsaussagen nicht übernehmen, sondern am eigenen Material messen, insbesondere bei Aufnahmen mit Hintergrundgeräuschen, mehreren Sprechern oder Fachvokabular.
- Lokale Alternative im Blick behalten: Wer aus Datenschutzgründen ohnehin lokal bleiben will oder muss, verfolgt besser die bestehende Strecke mit lokal betriebenen Qwen-Modellen weiter, statt auf eine ungeklärte Verfügbarkeit von Modellgewichten zu warten.
Einordnung für Unternehmen
Für kleine und mittlere Unternehmen ist die Nachricht vor allem eine Einladung zum Nachrechnen, nicht zum sofortigen Umstellen. Der Preisvorteil ist erheblich, aber er entscheidet nur dann etwas, wenn auf der anderen Seite ein Arbeitsvorgang steht, der heute Personalzeit kostet. Ein Archiv durchsuchbar zu machen oder Untertitel für Schulungsmaterial zu erzeugen, lässt sich in Stunden umrechnen und damit sauber gegen die API-Kosten stellen.
Gleichzeitig verschiebt der Preis die Diskussion nicht bei der eigentlichen Hürde. Die größte Bremse bei Audio- und Videoverarbeitung in Unternehmen war selten allein das Geld, sondern die Frage, ob Aufnahmen mit Stimmen von Beschäftigten und Kunden zu einem externen Anbieter fließen dürfen. Diese Frage beantwortet ein günstigerer Tarif nicht. Wer sie nicht vorab klärt, baut einen Arbeitsablauf, der später aus rechtlichen Gründen wieder abgeschaltet werden muss.
Sinnvoll ist deshalb ein zweigleisiges Vorgehen: Den günstigen Cloud-Dienst für unkritisches Material testen und parallel bewerten, was der lokale Betrieb an derselben Aufgabe leisten würde. Die Erfahrung aus der lokalen Modellwelt zeigt, dass der Abstand zwischen Cloud und eigener Hardware bei klar umrissenen Aufgaben oft kleiner ist, als die Benchmarks der Anbieter nahelegen.
Passende Anleitungen auf S-EDV
- Qwen3 lokal betreiben mit Ollama und vLLM: zeigt den lokalen Gegenentwurf zum Cloud-Modell, inklusive Hardwarebedarf und Betriebsweise.
- DSGVO-Checkliste für lokale KI-Systeme: hilft bei der Frage, welche Daten überhaupt an einen externen Anbieter gehen dürfen.
- KI-Agenten im Unternehmen sinnvoll begrenzen: ordnet ein, wie Aufgaben und Rechte gesetzt werden, bevor Agenten selbstständig Werkzeuge aufrufen.
Quellen
- THE DECODER: Qwen3.8-Omni-Flash, multimodales KI-Modell mit Agenten-Fähigkeiten, Matthias Bastian, 19. September 2026. Primärbasis für Modellfunktionen, Kontextfenster und die Qwen-Preisangaben.
- Google Cloud: Preise für generative KI in Vertex AI, abgerufen am 20. September 2026. Belegt unabhängig die Preise für Gemini 3.8 Flash von 0,75 und 3,75 US-Dollar bis zum 31. Dezember 2026 sowie die Verdopplung ab dem 1. Januar 2027.
- Qwen, offizielle Website. Die Blogübersicht wird im Browser nachgeladen und lieferte beim direkten Abruf am 20. September 2026 keinen auswertbaren Text, eine eigenständige Modellkarte mit Lizenz- und Gewichtsangaben war nicht abrufbar.
