模型定位
Qwen3-Omni-Flash 是基于 Thinker–Talker 混合专家(MoE)架构的全模态模型。本 ID 指向 2025 年 9 月 15 日的快照版本,不应与名称带有 realtime 的独立模型混同。(help.aliyun.com)
能力与用途
- 接收文本、图像、音频和视频,输出文本或语音;支持函数调用,以及思考和非思考模式。
- 官方称其支持 119 种语言的文本交互和 20 种语言的语音交互,并支持通过系统提示定制对话风格和角色。
- 适用于文本创作、语音助手和多媒体分析等场景。(help.aliyun.com)
限制与服务状态
- 官方模型信息列出的上下文长度为 65,536 token;最大输入 49,152 token,最大输出 16,384 token。思考模式下最大输入和输出各为 16,384 token,最大思维链长度为 32,768 token。
- 不支持结构化输出、联网搜索、前缀续写、上下文缓存、批量推理或模型调优。(help.aliyun.com)
- Alibaba Cloud Model Studio 的退役公告将该快照列入计划于 2026 年 10 月 10 日退役的模型名单,实际变更时间以服务为准;公告建议迁移至
qwen3.5-omni-plus。不能据此断定其他平台或地区的服务状态。(alibabacloud.com)
发布日期
官方发布记录将此模型列在 2025 年 9 月 17 日;ID 中的 2025 年 9 月 15 日是快照日期。(help.aliyun.com)
价格
以下为官方曾列出的该快照版本标准单价,查询日期为 2026 年 11 月 18 日;单位均为每百万 token,思考与非思考模式同价。该版本已列入退役公告,历史报价不保证现在仍可调用或适用于新订单。(help.aliyun.com)
| 计费项 | 国内站:中国内地,CNY | 国际站:新加坡、国际部署,USD |
|---|---|---|
| 输入:文本 | 1.8 | 0.43 |
| 输入:音频 | 15.8 | 3.81 |
| 输入:图片/视频 | 3.3 | 0.78 |
| 输出:文本,输入仅含文本 | 6.9 | 1.66 |
| 输出:文本,输入含图片、音频或视频 | 12.7 | 3.06 |
| 输出:文本加音频,仅音频计费 | 62.6 | 15.11 |
人民币与美元报价分别对应不同站点和部署条件,并非按汇率换算的同一套餐。官方当前价格页面已不再直接列出该日期快照,实际可用性及费用应以相应平台控制台为准。(help.aliyun.com)