Skip to main content

qwen3-omni-flash

Qwen3-Omni-Flash est un modèle multimodal de grande envergure basé sur l'architecture Thinker–Talker Mixed Expert (MoE). Il assure une compréhension efficace et une génération vocale couvrant le texte, les images, l'audio et la vidéo. Ce modèle permet d'interagir par texte dans 119 langues et par voix dans 20 langues, tout en produisant une parole naturelle pour une communication translinguistique précise. Grâce à ses capacités avancées de suivi des instructions et de personnalisation des invites système, il s'adapte avec souplesse aux styles conversationnels et aux paramètres de personnage. Largement utilisé pour la création de textes, les assistants vocaux ou encore l'analyse multimédia, il offre une expérience d'interaction multimodale fluide et naturelle. Cette version du modèle est fonctionnellement équivalente au snapshot qwen3-omni-flash-2025-12-01.

Fournisseur de services d'inférence

Alibaba Cloud Model Studio fournit le service d'inférence pour qwen3-omni-flash.

Capacités du modèle

  • China (Beijing)
  • Singapore
CapacitéPrise en chargeCapacitéPrise en charge

Modalité d'entrée

Text Image Video Audio

Modalité de sortie

Text Audio

Expérience du modèle

Supported

Function Calling

Supported

Sorties structurées

Unsupported

Recherche web

Unsupported

Complétion de préfixe

Unsupported

Mise en cache du contexte

Unsupported

Inférence par lot

Unsupported

Fine-tuning

Unsupported

Limites de contexte

ParamètreValeurParamètreValeur

Longueur d'entrée maximale

49152

Longueur de sortie maximale

16384

Fenêtre de contexte

65536

Longueur d'entrée maximale (mode réflexion)

16384

Longueur de sortie maximale (mode réflexion)

16384

Longueur maximale de la chaîne de pensée

32768

Tarification

Cette page présente uniquement les tarifs standard des appels API du modèle, hors promotions temporaires. Consultez la console Model Studio pour découvrir les offres promotionnelles.
  • China (Beijing)
  • Singapore
Élément de facturationPrix (USD)Unité

Entrée : Texte

0,258

Par million de tokens

Entrée : Audio

2,265

Par million de tokens

Entrée : Vision

0,473

Par million de tokens

Sortie : Texte (si l'entrée contient uniquement du texte)

0,989

Par million de tokens

Sortie : Texte (si l'entrée contient des images, de l'audio ou de la vidéo)

1,821

Par million de tokens

Sortie : Texte et audio (le texte en sortie n'est pas facturé)

8,974

Par million de tokens

Entrée : Texte (réflexion)

0,258

Par million de tokens

Entrée : Audio (réflexion)

2,265

Par million de tokens

Entrée : Vision (réflexion)

0,473

Par million de tokens

Sortie : Texte (en mode réflexion, si l'entrée contient uniquement du texte)

0,989

Par million de tokens

Sortie : Texte (en mode réflexion, si l'entrée contient des images, de l'audio ou de la vidéo)

1,821

Par million de tokens

Limites de taux

  • China (Beijing)
  • Singapore
ParamètreValeur

RPM (requêtes par minute)

60

TPM (tokens par minute)

100 000

Appeler le modèle