Qwen-Audio-3.1-Realtime-Flash

Einordnung und Veröffentlichung

Qwen-Audio-3.1-Realtime-Flash ist ein Echtzeit-Duplexmodell für Sprachdialoge. Alibaba veröffentlichte es am 27. Oktober 2026. Es eignet sich beispielsweise für Sprachassistenten, Kundenservice und andere interaktive Sprachanwendungen. (docs.qwencloud.com)

Fähigkeiten

• Verarbeitet Text und Audio als Eingabe und gibt Text und Audio aus.
• Unterstützt Function Calling, Websuche und Stimmenklonen. Websuche wird mit enable_search aktiviert und kann gleichzeitig mit Function Calling verwendet werden.
• Unterstützt WebSocket, WebRTC und AOQ sowie mehrere Interaktionsmodi. Die Standardstimme ist longanqian_v3.1. (docs.qwencloud.com)

Grenzen

• Kontextfenster: 262.144 Token; maximale Eingabe: 245.760 Token; maximale Ausgabe: 16.384 Token.
• Für den Audioverlauf im Kontext gelten maximal 50 Gesprächsrunden und insgesamt 300 Sekunden Audio.
• Der Thinking-Modus enable_thinking wird nicht unterstützt. Für Beijing und Singapur nennt die Dokumentation jeweils 60 Anfragen pro Minute und 100.000 Token pro Minute. Bei WebSocket zählt die Anfragenbegrenzung Verbindungsanfragen, nicht Antworten innerhalb einer bestehenden Verbindung. (alibabacloud.com)

Preise

Die folgenden offiziellen Preise gelten für dieses Modell und verstehen sich je 1 Million Token. Region und Plattform sind jeweils gesondert angegeben; CNY- und USD-Angebote sind keine direkt umgerechneten Pakete. Abfrage: 15. November 2026.

Bei reiner Textausgabe gilt der Textausgabetarif. Enthält eine Antwort Text und Audio, wird für die Ausgabe nur Audio berechnet; der begleitende Text wird nicht zusätzlich als Ausgabe berechnet. (help.aliyun.com)

Offizielle Preisquellen: Alibaba Cloud Model Studio – CNY und QwenCloud – USD; beide abgerufen am 15. November 2026.

Offizielle Ankündigung

QwenCloud: Model releases (docs.qwencloud.com)