Skip to main content

qwen3-omni-flash

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

Como chamar