O modelo multimodal de grande escala Qwen3-Omni-Flash, baseado na arquitetura Thinker–Talker Mixed Expert (MoE), oferece compreensão eficiente e geração de fala a partir de texto, imagens, áudio e vídeo. Permite interação textual em 119 idiomas e vocal em 20 idiomas, com geração de fala natural para comunicação precisa entre diferentes línguas. O modelo conta com recursos avançados de seguimento de comandos e personalização de prompts de sistema, adaptando-se com flexibilidade a estilos de conversa e configurações de personagens. Seu uso abrange criação de textos, assistentes de voz e análise multimídia, proporcionando uma experiência de interação multimodal fluida e natural. Esta versão do modelo é funcionalmente equivalente ao modelo snapshot qwen3-omni-flash-2025-12-01.
Provedor de service de Inferência
O Alibaba Cloud Model Studio fornece o service de inferência para qwen3-omni-flash.
Capacidades do Modelo
- China (Beijing)
- Singapore
Capacidade | Suporte | Capacidade | Suporte |
Modalidade de Entrada | Text Image Video Audio | Modalidade de Saída | Text Audio |
Experiência do Modelo | Supported | Function Calling | Supported |
Saídas Estruturadas | Unsupported | Pesquisa na Web | Unsupported |
Conclusão de Prefixo | Unsupported | Cache de Contexto | Unsupported |
Inferência em Lote | Unsupported | Ajuste Fino | Unsupported |
Limites de Contexto
Parâmetro | Valor | Parâmetro | Valor |
Comprimento Máximo de Entrada | 49.152 | Comprimento Máximo de Saída | 16.384 |
Janela de Contexto | 65.536 | Comprimento Máximo de Entrada (Modo de Pensamento) | 16.384 |
Comprimento Máximo de Saída (Modo de Pensamento) | 16.384 | Comprimento Máximo da Cadeia de Pensamento | 32.768 |
Preços
Esta página exibe apenas os preços originais para chamadas de API do modelo, sem incluir promoções por tempo limitado. Acesse o Console do Model Studio para consultar ofertas promocionais.
- China (Beijing)
- Singapore
Item de Faturamento | Preço (USD) | Unidade |
Entrada: Texto | 0,258 | Por 1M tokens |
Entrada: Áudio | 2,265 | Por 1M tokens |
Entrada: Visão | 0,473 | Por 1M tokens |
Saída: Texto (Quando a entrada contém apenas texto) | 0,989 | Por 1M tokens |
Saída: Texto (Quando a entrada contém imagens/áudio/vídeo) | 1,821 | Por 1M tokens |
Saída: Texto&Áudio (Texto de saída não é cobrado) | 8,974 | Por 1M tokens |
Entrada: Texto(Pensamento) | 0,258 | Por 1M tokens |
Entrada: Áudio(Pensamento) | 2,265 | Por 1M tokens |
Entrada: Visão(Pensamento) | 0,473 | Por 1M tokens |
Saída: Texto (no modo de pensamento, quando a entrada contém apenas texto) | 0,989 | Por 1M tokens |
Saída: Texto (no modo de pensamento, quando a entrada contém imagens/áudio/vídeo) | 1,821 | Por 1M tokens |
Limites de Taxa
- China (Beijing)
- Singapore
Parâmetro | Valor |
RPM (Requisições Por Minuto) | 60 |
TPM (Tokens Por Minuto) | 100.000 |