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
| Kemampuan | Dukungan | Kemampuan | Dukungan |
|---|---|---|---|
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
| Parameter | Nilai | Parameter | Nilai |
|---|---|---|---|
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 Penagihan | Harga (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
| Parameter | Nilai |
|---|---|
RPM (Requests Per Minute) | 60 |
TPM (Tokens Per Minute) | 100.000 |