千问3-Omni-Flash多模态大模型的实时版，基于Thinker–Talker混合专家（MoE）架构，支持文本、图像、音频、视频的高效理解与语音生成能力，可进行119种语言文本交互和20种语言语音交互，生成类人语音实现跨语言精准沟通。模型具备强大指令跟随与系统提示定制功能，灵活适配对话风格与角色设定，广泛应用于文本创作、语音助手、多媒体分析等场景，提供自然流畅的多模态交互体验。该模型版本功能等同于快照模型 qwen3-omni-flash-realtime-2025-12-01。
推理服务供应商
qwen3-omni-flash-realtime模型的推理服务供应商为阿里云百炼。
模型能力
| 能力项 | 支持情况 | 能力项 | 支持情况 |
|---|---|---|---|
输入模态 | Text Image Video Audio | 输出模态 | Text Audio |
模型体验 | 不支持 | Function Calling | 不支持 |
结构化输出 | 不支持 | 联网搜索 | 不支持 |
前缀续写 | 不支持 | 上下文缓存 | 不支持 |
批量推理 | 不支持 | 模型调优 | 不支持 |
上下文限制
| 参数 | 值 | 参数 | 值 |
|---|---|---|---|
最大输入长度 | 49152 | 最大输出长度 | 16384 |
上下文长度 | 65536 |
模型价格
本文仅展示模型调用原价，不包含限时优惠等活动信息，请前往百炼控制台查看活动优惠。
- 华北2（北京）
- 新加坡
| 计费项 | 价格（美元） | 单位 |
|---|---|---|
输入：文本 | 0.315 | 每百万tokens |
输入：音频 | 2.709 | 每百万tokens |
输入：图片/视频 | 0.559 | 每百万tokens |
输出：文本（输入仅包含文本时） | 1.19 | 每百万tokens |
输出：文本（输入包含图片/音频/视频时） | 2.179 | 每百万tokens |
输出：文本+音频（输出的文本不计费） | 10.766 | 每百万tokens |
限流
- 华北2（北京）
- 新加坡
| 参数 | 值 |
|---|---|
RPM（每分钟请求数） | 60 |
TPM（每分钟tokens） | 100,000 |
快照版本
qwen3-omni-flash-realtime-2025-12-01
千问3-Omni-Flash多模态大模型的实时版，基于Thinker–Talker混合专家（MoE）架构，支持文本、图像、音频、视频的高效理解与语音生成能力，可进行119种语言文本交互和20种语言语音交互，支持49种语音音色，生成类人语音实现跨语言精准沟通。模型具备强大指令跟随与系统提示定制功能，灵活适配对话风格与角色设定，广泛应用于文本创作、语音助手、多媒体分析等场景，提供自然流畅的多模态交互体验。此版本为2025年12月01日的快照版本。
推理服务供应商
qwen3-omni-flash-realtime-2025-12-01模型的推理服务供应商为阿里云百炼。
模型能力
| 能力项 | 支持情况 | 能力项 | 支持情况 |
|---|---|---|---|
输入模态 | Text Image Audio Video | 输出模态 | Text Audio |
模型体验 | 不支持 | Function Calling | 不支持 |
结构化输出 | 不支持 | 联网搜索 | 不支持 |
前缀续写 | 不支持 | 上下文缓存 | 不支持 |
批量推理 | 不支持 | 模型调优 | 不支持 |
上下文限制
| 参数 | 值 | 参数 | 值 |
|---|---|---|---|
最大输入长度 | 49152 | 最大输出长度 | 16384 |
上下文长度 | 65536 |
模型价格
本文仅展示模型调用原价，不包含限时优惠等活动信息，请前往百炼控制台查看活动优惠。
- 华北2（北京）
| 计费项 | 价格（美元） | 单位 |
|---|---|---|
输入：文本 | 0.315 | 每百万tokens |
输入：音频 | 2.709 | 每百万tokens |
输入：图片/视频 | 0.559 | 每百万tokens |
输出：文本（输入仅包含文本时） | 1.19 | 每百万tokens |
输出：文本（输入包含图片/音频/视频时） | 2.179 | 每百万tokens |
输出：文本+音频（输出的文本不计费） | 10.766 | 每百万tokens |
限流
- 华北2（北京）
- 新加坡
| 参数 | 值 |
|---|---|
RPM（每分钟请求数） | 60 |
TPM（每分钟tokens） | 100,000 |
qwen3-omni-flash-realtime-2025-09-15
千问3-Omni-Flash多模态大模型的实时版，基于Thinker–Talker混合专家（MoE）架构，支持文本、图像、音频、视频的高效理解与语音生成能力，可进行119种语言文本交互和20种语言语音交互，生成类人语音实现跨语言精准沟通。模型具备强大指令跟随与系统提示定制功能，灵活适配对话风格与角色设定，广泛应用于文本创作、语音助手、多媒体分析等场景，提供自然流畅的多模态交互体验。此版本为2025年9月15日的快照版本。
推理服务供应商
qwen3-omni-flash-realtime-2025-09-15模型的推理服务供应商为阿里云百炼。
模型能力
- 华北2（北京）
- 新加坡
| 能力项 | 支持情况 | 能力项 | 支持情况 |
|---|---|---|---|
输入模态 | Text Image Video Audio | 输出模态 | Text Audio |
模型体验 | 不支持 | Function Calling | 不支持 |
结构化输出 | 不支持 | 联网搜索 | 不支持 |
前缀续写 | 不支持 | 上下文缓存 | 不支持 |
批量推理 | 不支持 | 模型调优 | 不支持 |
上下文限制
| 参数 | 值 | 参数 | 值 |
|---|---|---|---|
最大输入长度 | 49152 | 最大输出长度 | 16384 |
上下文长度 | 65536 |
模型价格
本文仅展示模型调用原价，不包含限时优惠等活动信息，请前往百炼控制台查看活动优惠。
- 华北2（北京）
- 新加坡
| 计费项 | 价格（美元） | 单位 |
|---|---|---|
输入：文本 | 0.315 | 每百万tokens |
输入：音频 | 2.709 | 每百万tokens |
输入：图片/视频 | 0.559 | 每百万tokens |
输出：文本（输入仅包含文本时） | 1.19 | 每百万tokens |
输出：文本（输入包含图片/音频/视频时） | 2.179 | 每百万tokens |
输出：文本+音频（输出的文本不计费） | 10.766 | 每百万tokens |
限流
- 华北2（北京）
- 新加坡
| 参数 | 值 |
|---|---|
RPM（每分钟请求数） | 60 |
TPM（每分钟tokens） | 100,000 |