概要
Qwen3-Omni-Flashの2025年12月1日付スナップショット。Thinker–Talker混合エキスパート(MoE)アーキテクチャに基づくマルチモーダルモデルで、Alibaba Cloud Model Studioの公式一覧では2025年12月4日に掲載された。 (help.aliyun.com)
能力と用途
- テキスト、画像、音声、動画を入力として理解し、テキストと音声を出力する。
- 公式説明では119言語のテキスト対話、20言語の音声対話に対応。指示追従やシステムプロンプトによる会話スタイルの調整が可能。
- 用途には文章作成、音声アシスタント、マルチメディア分析などがある。 (help.aliyun.com)
制限と提供状況
- コンテキスト長は65,536トークン。最大入力は通常49,152トークン、思考モードでは16,384トークン。最大出力は16,384トークン。
- Function Callingに対応する一方、構造化出力、Web検索、コンテキストキャッシュ、バッチ推論、モデル調整には非対応。 (help.aliyun.com)
- Alibaba Cloudは、このスナップショットを2026年10月10日に終了すると告知している。終了後は推論を利用できず、移行先として
qwen3.5-omni-plusを推奨している。以下の価格は、終了済みスナップショットの参考情報であり、現在の利用可能性を示すものではない。 (alibabacloud.com)
料金
いずれも100万トークン当たりの公式掲載価格。入力と出力は別々に課金され、思考・非思考モードに適用される。テキストと音声を同時出力する場合、出力テキストは課金されず、音声に課金される。地域や販売サイトの異なる料金を為替換算したものではない。
| 料金項目 | 中国国内サイト・北京(CNY) | 国際サイト・シンガポール(USD) |
|---|---|---|
| 入力:テキスト | 1.8 | 0.43 |
| 入力:音声 | 15.8 | 3.81 |
| 入力:画像・動画 | 3.3 | 0.78 |
| 出力:テキストのみの入力に対するテキスト | 6.9 | 1.66 |
| 出力:画像・音声・動画を含む入力に対するテキスト | 12.7 | 3.06 |
| 出力:テキスト+音声のうち音声 | 62.6 | 15.11 |
中国国内の価格は対象スナップショットのモデル情報ページに掲載された通常価格。国際価格は公式価格表に対象スナップショットについて掲載されていた価格で、現在の価格表では同系列の別名にも同額が掲載されている。いずれも照会日:2026年11月17日。 (help.aliyun.com)