Alibaba Cloud Model Studio ofrece modelos Qwen y de terceros para texto, imagen, audio y video.
Texto
Generación de texto
qwen4-max-preview
Razonamiento complejo y programación (Token Plan)
qwen3.7-plus
Equilibrio entre rendimiento, velocidad y costo
qwen3.8-flash
Rápido y económico
deepseek-v4-pro-0813
Generación de texto
deepseek-v4.1-flash
Generación de texto
glm-5.3
Generación de texto
ZHIPU/GLM-5.3
Generación de texto
kimi-k3
Generación de texto
MiniMax-M2.5
Generación de texto
Comprensión visual
Extraiga descripciones de texto o datos estructurados de imágenes y videos
qwen4-max-preview
Comprensión visual (Token Plan)
qwen3.7-plus
Comprensión visual
qwen3.8-omni-flash
Comprensión visual
kimi-k3
Comprensión visual
Modelo de decisión
Un modelo de decisión estructurado para decisiones empresariales de alta frecuencia. Realiza clasificación, decisiones de sí o no, y puntuación en una sola pasada hacia adelante, devolviendo distribuciones de probabilidad y confianza.
Más información
Visión
Generación de imágenes y videos
Genere imágenes y videos a partir de texto o imágenes, con soporte para edición, referencia y salida de alta resolución
qwen-image-3.0-pro
Generación de imágenes
wan2.7-image-pro
Generación de imágenes
happyhorse-1.1-t2v
Generación de video
happyhorse-1.1-i2v
Generación de video
happyhorse-1.1-r2v
Generación de video
happyhorse-1.0-video-edit
Edición de video
wan3.0-video
Generación de video
Modelos mundiales
Modelo de mundo abierto interactivo en tiempo real: Aventura, Dirección y Actuación
happyoyster-1.0-adventure
Exploración de mundos
happyoyster-1.0-directing
Dirección en tiempo real
happyoyster-1.0-acting
Interpretación de personajes
Voz
Reconocimiento de voz
Convierta voz en texto para entrada de voz en tiempo real, transcripción continua y transcripción de grabaciones de audio
qwen-audio-3.1-asr-flash-message
Reconocimiento de voz en tiempo real
qwen-audio-3.1-asr-flash-streaming
Reconocimiento de voz en tiempo real
qwen-audio-3.1-asr-flash
Reconocimiento de voz no en tiempo real
qwen-audio-3.1-asr-flash-filetrans
Reconocimiento de voz no en tiempo real
Texto a voz
Para lectura de audiolibros, transmisión de voz, avatares virtuales y más
qwen-audio-3.1-tts-plus
En tiempo real y no en tiempo real
qwen-audio-3.1-tts-flash
En tiempo real y no en tiempo real
Voz a voz
Conversación de voz de extremo a extremo sin llamadas separadas de ASR y TTS
Más
Generación de audio
Genere contenido de audio que incluya voces, efectos de sonido y sonidos ambientales
Más
Embeddings
Embeddings y reranking
Convierta texto o contenido multimodal en vectores, combinado con reranking para mejorar la precisión de recuperación
text-embedding-v4
Embeddings de texto
qwen3.7-text-embedding
Embeddings de texto
tongyi-embedding-vision-plus
Embeddings multimodales
qwen3-rerank
Reranking
Multimodal
Integra comprensión y generación a través de texto, imágenes, audio y video. Para análisis de audio/video y generación de texto, utilice qwen3.8-omni-flash mediante Chat Completions o Responses. Para conversaciones de audio/video en tiempo real, utilice qwen3.8-omni-flash-realtime.
Para salida de audio no en tiempo real, utilice qwen3.5-omni-plus.