已核验 · Aug 5, 2026
已独立佐证Qwen3-Omni + DeepSeek V3.2:多模态 + 长上下文开源 weight pair
3 个信源阿里 Qwen3-Omni(开源 weight 多模态:vision + audio + text 带 SFT/DPO post-training)+ DeepSeek V3.2(稀疏 MoE 路由优化 + 128K 滑窗上下文扩展),创作者拿到一个开源 weight 多模态 + 长上下文 pair。两个发布各占不同能力轴 —— Qwen3-Omni 占多模态,DeepSeek V3.2 占长上下文 —— 合起来让创作者发一个能处理 100K+ token 输入的多模态 agent,不用付前沿 vendor 价。
为什么现在讲
两个发布同一周落地 —— 开源 weight 多模态 + 长上下文 pair 现在两件可买。
推荐理由
演示空间:live 多模态 + 长上下文 agent,摄取 90K token 转录文本并回答关于它的、附视觉 grounding 的问题。
依据
Qwen readthedocs + DeepSeek API 文档 + The Decoder 周报
“Qwen3-Omni 和 DeepSeek V3.2 本周一起发 —— 两者合起来让你发一个能处理 100K+ token 输入的多模态 agent,不用付前沿 vendor 价。”
切入角度
用 Qwen3-Omni + DeepSeek V3.2 pair 引入「开源 weight 多模态 + 长上下文」模式 —— 两个开源 weight 发布各占互补能力轴。
形式
长视频讲解
演示想法
录一段 10 分钟讲解:2 分钟讲「开源 weight 多模态 + 长上下文」pair 框架,3 分钟讲 Qwen3-Omni(多模态),3 分钟讲 DeepSeek V3.2(长上下文),2 分钟做 live 多模态 + 长上下文 agent demo。
平台注意
两者精确开源 weight license 条款本次未抽取,商用前对照实际 license 文件确认。MoE 架构细节(expert 数量、路由优化)只文档化到高层。
可用说法
- 阿里 Qwen 以开放权重许可发布 Qwen3-Omni 多模态(视觉 + 音频 + 文本)模型,并附 SFT/DPO 后训练配方说明。
- DeepSeek V3.2 引入稀疏 MoE 路由改进(expert-choice token 路由、更好的负载均衡)、带滑动窗口扩展的 128K token 上下文,以及后训练配方说明。
证据链
来自新闻
拆解
Qwen3-Omni 和 DeepSeek V3.2 各占不同能力轴 —— Qwen3-Omni 占多模态,DeepSeek V3.2 占长上下文。本篇把两者框成「pair」一起覆盖多模态 + 长上下文,同时保持逐发布差异诚实(Qwen3-Omni 是多模态 vision + audio + text;DeepSeek V3.2 是稀疏 MoE + 128K 滑窗)。
信源
风险
- 文档确认开放权重发布,但精确许可版本本次未提取。在对外表述前,请对照厂商原始文档和实际许可 / 定价矩阵核实具体能力声明;不要把各平台定价或许可条款转述成具体美元数字或商业使用条款。
- The Decoder 和 IT之家可用作媒体类佐证,但在对外表述任何具体能力或许可声明前,请先阅读厂商原始文档。在对外表述前,请对照厂商原始文档和实际许可 / 定价矩阵核实具体能力声明;不要把各平台定价或许可条款转述成具体美元数字或商业使用条款。
- 文档确认了混合注意力和 expert-choice 路由,但超出文档示例的专家数量本次未提取。在对外表述前,请对照厂商原始文档和实际许可 / 定价矩阵核实具体能力声明;不要把各平台定价或许可条款转述成具体美元数字或商业使用条款。
演示思路
- live 多模态 + 长上下文 agent:摄取 90K token 视频转录文本,用 Qwen3-Omni 的视觉 grounding 回答问题
- 成本对比:开源 weight 多模态 + 长上下文 pair vs 闭源前沿(Claude / GPT)—— 画 per-1K-token 成本
- 路由 demo:多模态查询路由到 Qwen3-Omni,长上下文查询路由到 DeepSeek V3.2 —— 量延迟和成本