# Qwen3.8-Omni-Flash escucha audio por menos que Gemini 3.8 Flash, pero en español la ventaja cambia de lado

> Con diagrama: Qwen3.8-Omni-Flash cobra un quinto que Gemini 3.8 Flash por token, pero su ventaja en audio sale de pruebas en mandarín. Qué medir antes de elegir en español.

- Publicado: 19 de septiembre de 2026
- Autor: Equipo de IntegraLaIA
- Categoría: Actualidad
- Temas: Actualidad, Modelos, Costos, Qwen
- Original: https://integralaia.com/blog/qwen3-8-omni-flash-vs-gemini-audio-espanol
- Cómo se hizo: Borrador asistido por IA (Claude); revisado, editado y verificado por Equipo de IntegraLaIA el 19 de septiembre de 2026. Ilustración generada con IA.

---

Alibaba lanzó hoy, 19 de septiembre, Qwen3.8-Omni-Flash: un modelo que recibe texto, imagen, audio y video en la misma llamada, con contexto de un millón de tokens, pensado para agentes que trabajan sobre grabaciones (resumir reuniones, traducir clips, editar video). Según el anuncio de Qwen, en audio y video queda cerca de Gemini 3.8 Flash y en audio lo supera. Se ofrece por API en Model Studio; el anuncio no trae pesos descargables. Las cifras de calidad de este artículo son las que publicó Qwen: hoy no hay medición independiente del modelo.

## La misma tabla para los dos

| Modelo | Entrada (USD por millón) | Salida (USD por millón) | Hora de audio | Hora de video con audio | Contexto | Responde con voz |
|---|---|---|---|---|---|---|
| Qwen3.8-Omni-Flash | 0,15 | 0,47 | menos de 0,01 | 0,20 | 1M | No; la voz va por Qwen3.5-Omni |
| Gemini 3.8 Flash | 0,75 (1,50 desde 2027) | 3,75 (7,50 desde 2027) | 0,09 | 0,84 | 1M | No; la voz va por Gemini 3.8 Live |

Las horas de audio y video son estimaciones de Qwen: treinta veces el costo de dos minutos de material, video a 720p y un cuadro por segundo. Con la TRM de hoy (3.192,92 pesos), escuchar 1.000 horas de llamadas cuesta menos de 32.000 pesos con Qwen y unos 287.000 con Gemini, solo en la entrada. Y quien arme el presupuesto de 2027 debe usar la tarifa de 2027: desde enero, Gemini 3.8 Flash cobra por token de entrada diez veces lo que Qwen, porque [su precio introductorio se duplica](/blog/deepseek-v4-1-flash-precio-colombia).

## La ventaja en audio se midió sobre todo en mandarín

<figure style="margin:2rem auto;max-width:560px">
<svg xmlns="http://www.w3.org/2000/svg" viewBox="0 0 600 330" role="img" aria-labelledby="qwomni-titulo qwomni-desc" style="width:100%;height:auto">
  <title id="qwomni-titulo">Error de transcripción de Qwen3.8-Omni-Flash y Gemini 3.8 Flash en tres pruebas, según Qwen</title>
  <desc id="qwomni-desc">Gráfico de barras horizontales con cifras publicadas por Qwen el 19 de septiembre de 2026; menos es mejor. En FLEURS, un promedio de 60 idiomas que incluye el español, la tasa de error de palabras es 9,3 para Qwen3.8-Omni-Flash y 7,9 para Gemini 3.8 Flash. En MLC-SLM, conversación en inglés con varios hablantes, el error es 14,2 para Qwen y 26,6 para Gemini. En AliMeeting, reuniones en mandarín, es 17,2 para Qwen y 53,1 para Gemini.</desc>
  <text x="0" y="16" font-size="14" font-weight="700" fill="#18181b">Error de transcripción, según Qwen (menos es mejor)</text>
  <rect x="0" y="30" width="12" height="12" rx="2" fill="#00BFA6"/>
  <text x="18" y="40" font-size="12" fill="#3d3d47">Qwen3.8-Omni-Flash</text>
  <rect x="160" y="30" width="12" height="12" rx="2" fill="#a4a4ad"/>
  <text x="178" y="40" font-size="12" fill="#3d3d47">Gemini 3.8 Flash</text>
  <line x1="220" y1="60" x2="220" y2="258" stroke="#c8c8ce" stroke-width="1"/>
  <line x1="340" y1="60" x2="340" y2="258" stroke="#f7f7f8" stroke-width="1"/>
  <line x1="460" y1="60" x2="460" y2="258" stroke="#f7f7f8" stroke-width="1"/>
  <line x1="580" y1="60" x2="580" y2="258" stroke="#f7f7f8" stroke-width="1"/>
  <text x="0" y="76" font-size="12" font-weight="700" fill="#18181b">FLEURS</text>
  <text x="0" y="92" font-size="11" fill="#575764">60 idiomas, con el español</text>
  <rect x="220" y="68" width="55.8" height="14" rx="3" fill="#00BFA6"/>
  <text x="282" y="79" font-size="11" font-weight="700" fill="#18181b">9,3</text>
  <rect x="220" y="86" width="47.4" height="14" rx="3" fill="#a4a4ad"/>
  <text x="274" y="97" font-size="11" font-weight="700" fill="#18181b">7,9</text>
  <text x="0" y="146" font-size="12" font-weight="700" fill="#18181b">MLC-SLM</text>
  <text x="0" y="162" font-size="11" fill="#575764">conversación en inglés</text>
  <rect x="220" y="138" width="85.2" height="14" rx="3" fill="#00BFA6"/>
  <text x="312" y="149" font-size="11" font-weight="700" fill="#18181b">14,2</text>
  <rect x="220" y="156" width="159.6" height="14" rx="3" fill="#a4a4ad"/>
  <text x="386" y="167" font-size="11" font-weight="700" fill="#18181b">26,6</text>
  <text x="0" y="216" font-size="12" font-weight="700" fill="#18181b">AliMeeting</text>
  <text x="0" y="232" font-size="11" fill="#575764">reuniones en mandarín</text>
  <rect x="220" y="208" width="103.2" height="14" rx="3" fill="#00BFA6"/>
  <text x="330" y="219" font-size="11" font-weight="700" fill="#18181b">17,2</text>
  <rect x="220" y="226" width="318.6" height="14" rx="3" fill="#a4a4ad"/>
  <text x="545" y="237" font-size="11" font-weight="700" fill="#18181b">53,1</text>
  <text x="220" y="276" font-size="10" fill="#575764" text-anchor="middle">0</text>
  <text x="340" y="276" font-size="10" fill="#575764" text-anchor="middle">20</text>
  <text x="460" y="276" font-size="10" fill="#575764" text-anchor="middle">40</text>
  <text x="580" y="276" font-size="10" fill="#575764" text-anchor="middle">60</text>
  <text x="0" y="304" font-size="10" fill="#575764">FLEURS: tasa de error de palabras. MLC-SLM y AliMeeting: cpWER, error con atribución de hablante.</text>
  <text x="0" y="320" font-size="10" fill="#575764">Fuente: anuncio de Qwen, 19 de septiembre de 2026.</text>
</svg>
<figcaption>Las cifras de los dos modelos salen de la tabla que publicó Qwen; el idioma de cada corpus, de sus artículos originales.</figcaption>
</figure>

El titular de audio de Qwen descansa en cinco pruebas de transcripción sobre corpus en mandarín (AliMeeting, AISHELL-4, MagicData-RAMC y las dos de WenetSpeech), donde su error es menos de la mitad del de Gemini en las cinco y llega a una quinta parte en AISHELL-4. En conversación en inglés con varios hablantes la ventaja se mantiene. Pero en FLEURS, el promedio de 60 idiomas que incluye el español, Gemini comete menos errores (7,9 frente a 9,3) y traduce mejor (33,0 frente a 31,8 en BLEU). Qwen no publica el dato solo en español.

Las pruebas de agente también reparten: Qwen gana WildClawBench-MM (71,0 frente a 58,9) y Gemini gana AgenticVBench (45,0 frente a 36,8), las dos con Claude Code como arnés, y [el arnés también mueve el resultado](/blog/harnesstax-coste-agente-de-codigo-segun-arnes).

## Qué hacer antes de elegir

Para transcribir llamadas una a una en español, la cifra que importa es la de FLEURS, y ahí la diferencia es corta y a favor de Gemini. Para reuniones con varios participantes, las cifras publicadas favorecen a Qwen. En los dos casos, un precio de entrada cinco veces menor solo vale si el error es parecido con tu audio: toma cincuenta grabaciones reales, con acento, ruido y jerga de tu operación, y mide el error de los dos. Y el precio de la tabla es el piso, no la factura: [con GPT-6 el escalón salta a los 272.000 tokens y el de Gemini 3.8 Flash salta en enero](/blog/gpt-6-luna-precio-mitad-contexto-272k).

Antes de mandar grabaciones de clientes, confirma en qué región se procesan: son datos personales, [y esa pregunta ya la hicimos con DeepSeek](/blog/deepseek-v4-1-flash-precio-colombia). Y si buscas voz en vivo, [la comparativa de agentes de voz](/blog/gpt-live-1-precio-voz-colombia) es el punto de partida.

Escribimos desde la operación de agentes en producción ([casos](/casos)). Si quieres esta medición con tus grabaciones, [hablemos](/contacto).
---

## Sobre qué se escribió

- Qwen, «Qwen3.8-Omni-Flash», anuncio del 19 de septiembre de 2026 (tablas de evaluación, idiomas y gráfica de precios en USD con su método de estimación): https://qwen.ai/blog?id=qwen3.8-omni-flash
- Alibaba Cloud, precios de Model Studio (qwen3.8-omni-flash, alcance internacional: 0,15 y 0,47 USD por millón de tokens), consultado el 19 de septiembre de 2026: https://www.alibabacloud.com/help/en/model-studio/model-pricing
- Alibaba Cloud, modelos de Model Studio (salida de audio y conversación en tiempo real remitidas a los modelos Qwen3.5-Omni), consultado el 19 de septiembre de 2026: https://www.alibabacloud.com/help/en/model-studio/models
- Google, precios de la API de Gemini (Gemini 3.8 Flash, precio introductorio hasta el 31 de diciembre de 2026), consultado el 19 de septiembre de 2026: https://ai.google.dev/gemini-api/docs/pricing
- Artificial Analysis, Gemini 3.8 Flash (high): entrada de texto, imagen, voz y video, salida de texto, contexto de 1M, consultado el 19 de septiembre de 2026: https://artificialanalysis.ai/models/gemini-3-8-flash
- Yu y otros, M2MeT (corpus AliMeeting, reuniones en mandarín), 2021: https://arxiv.org/abs/2110.07393
- Fu y otros, AISHELL-4 (conversación en mandarín), 2021: https://arxiv.org/abs/2104.03603
- Yang y otros, MagicData-RAMC (conversación en mandarín), 2022: https://arxiv.org/abs/2203.16844
- Zhang y otros, WenetSpeech (corpus en mandarín), 2021: https://arxiv.org/abs/2110.03370
- Superintendencia Financiera, TRM vigente el 19 de septiembre de 2026 (3.192,92 pesos), datos abiertos: https://www.datos.gov.co/resource/32sa-8pi3.json

IntegraLaIA (https://integralaia.com). Publicado bajo el enlace original; cítalo si lo reutilizas.