阿里云百炼提供千问及第三方模型服务，覆盖文本、图像、音频、视频等多种模态。
文本生成
qwen3.8-max
复杂推理与编程
qwen3.7-plus
性能、速度与成本均衡
qwen3.8-flash
快速且低成本
deepseek-v4-pro-0813
文本生成
deepseek-v4.1-flash
文本生成
glm-5.2
文本生成
ZHIPU/GLM-5.3
文本生成
kimi-k3
文本生成
MiniMax-M2.5
文本生成
图像与视频
理解
分析图片和视频内容，返回文本描述或结构化结果
查看更多
生成
通过文本或图片生成图像与视频，支持编辑、参考与高分辨率输出
qwen-image-3.0-pro
图像生成
wan2.7-image-pro
图像生成
happyhorse-1.1-t2v
视频生成
happyhorse-1.1-i2v
视频生成
happyhorse-1.1-r2v
视频生成
happyhorse-1.0-video-edit
视频编辑
wan3.0-video
视频生成
世界模型
实时交互的开放式世界模型，覆盖世界探索、实时导演、角色演绎三种模式
查看更多
音频与语音
音频生成
生成人声、音效和环境音等音频内容
查看更多
语音合成
适用于有声阅读、语音播报、虚拟人等场景
查看更多
语音识别
将语音转换为文本，覆盖实时语音输入、持续转写和录音文件识别等场景
qwen-audio-3.1-asr-flash-message
实时语音识别
qwen-audio-3.1-asr-flash-streaming
实时语音识别
qwen-audio-3.1-asr-flash
非实时语音识别
qwen-audio-3.1-asr-flash-filetrans
非实时语音识别
语音转语音
端到端语音对话，无需分别调用 ASR 和 TTS
查看更多
全模态
融合文本、图像、音频、视频等多种模态的理解与生成能力。音视频分析与文本生成选择 qwen3.8-omni-flash，通过 Chat Completions 或 Responses 调用；实时音视频对话选择 qwen3.8-omni-flash-realtime。
如需离线语音输出，请使用 qwen3.5-omni-plus。