Skip to main content

qwen3-omni-flash

Model multimodal skala besar Qwen3-Omni-Flash, yang berbasis arsitektur Thinker–Talker Mixed Expert (MoE), mendukung pemahaman dan generasi teks, gambar, audio, serta video secara efisien. Model ini mampu berinteraksi dengan teks dalam 119 bahasa dan ucapan dalam 20 bahasa, menghasilkan ucapan menyerupai manusia untuk komunikasi lintas bahasa yang akurat. Dengan kemampuan kuat dalam mengikuti perintah dan menyesuaikan system prompt, model ini juga dapat beradaptasi secara fleksibel terhadap gaya percakapan dan pengaturan karakter. Model ini banyak digunakan dalam berbagai skenario, seperti pembuatan teks, asisten suara, dan analisis multimedia, memberikan pengalaman interaksi multimodal yang alami dan lancar. Secara fungsional, versi model ini setara dengan Snapshot qwen3-omni-flash-2025-12-01.

Penyedia Layanan Inferensi

Penyedia layanan inferensi untuk qwen3-omni-flash adalah Alibaba Cloud Model Studio.

Kemampuan Model

  • Tiongkok (Beijing)
  • Singapura
KemampuanDukunganKemampuanDukungan

Input Modality

Text Image Video Audio

Output Modality

Text Audio

Model Experience

Didukung

Function Calling

Didukung

Structured Outputs

Tidak Didukung

Web Search

Tidak Didukung

Prefix Completion

Tidak Didukung

Context Caching

Tidak Didukung

Batch Inference

Tidak Didukung

Fine-tuning

Tidak Didukung

Batas Konteks

ParameterNilaiParameterNilai

Max Input Length

49152

Max Output Length

16384

Context Window

65536

Max Input Length (Thinking Mode)

16384

Max Output Length (Thinking Mode)

16384

Max Chain-of-Thought Length

32768

Harga

Laman ini hanya menampilkan harga asli panggilan API model, tidak termasuk promosi berbatas waktu. Kunjungi Konsol Model Studio untuk melihat penawaran promosi.
  • Tiongkok (Beijing)
  • Singapura
Item PenagihanHarga (USD)Unit

Input: Text

0,258

Per 1 juta token

Input: Audio

2,265

Per 1 juta token

Input: Vision

0,473

Per 1 juta token

Output: Text (Saat input hanya berisi teks)

0,989

Per 1 juta token

Output: Text (Saat input berisi gambar/audio/video)

1,821

Per 1 juta token

Output: Text&Audio (Teks output tidak dikenai biaya)

8,974

Per 1 juta token

Input: Text(Thinking)

0,258

Per 1 juta token

Input: Audio(Thinking)

2,265

Per 1 juta token

Input: Vision(Thinking)

0,473

Per 1 juta token

Output: Text (dalam mode thinking, saat input hanya berisi teks)

0,989

Per 1 juta token

Output: Text (dalam mode thinking, saat input berisi gambar/audio/video)

1,821

Per 1 juta token

Batas Laju

  • Tiongkok (Beijing)
  • Singapura
ParameterNilai

RPM (Requests Per Minute)

60

TPM (Tokens Per Minute)

100.000

Cara memanggil model