快科技3月30日音讯开云体育，阿里本日认真发布千问新一代全模态大模子Qwen3.5-Omni。

据悉，Qwen3.5-Omni聘用夹杂看重力MoE架构，可竣事图片、视频、语音、笔墨等全模态践诺的输入与输出。

在音视频知晓、识别、交互等215项任务中，Qwen3.5-Omni得回SOTA（性能最好），寥落Gemini-3.1 Pro，成为现在巨匠最强的全模态大模子之一。

举例在聚焦视听交互才智的DailyOmni、QualcommInteractive、Omni Cloze等测试中，Qwen3.5-Omni得分大幅率先Gemini-3.1 Pro。

在检测嘈杂环境抗插手才智的WenetSpeech测试中，Qwen3.5-Omni诞妄率远低于Gemini，识别准确率极高。

在历练多言语语音生成质料的Multi-Lingual (30lang) 测试中，Qwen3.5-Omni雷同显赫优于Gemini-2.5-Pro-TTS。

现在，Qwen3.5-Omni领有极强的音视频知晓与及时交互才智，未必对音视频践诺生成详备且可控的结构化描摹。

新模子撑捏113种言语及方言的语音识别和36种言语及方言的语音生成，就连使用东谈主数不及一百万的毛利语和国内的海南边言，也能精确识别。

同期，基于一系列时期革命，Qwen3.5-Omni还将Vibe Coding才智推入下一阶段。

与纯文本或图片运转的Vibe Coding不同，千问不错竣事音视频编程：通达录像头，用户对着草图口述需求，哪怕是包括复混居品逻辑的描摹，模子也能径直生成带有复杂UI的居品原型界面，真的竣事“动动嘴即可编程”。

而Qwen3.5-Omni顶尖的全模态才智，还能为专科限制带来超等坐蓐力。

新模子可对画面主体、东谈主物相关、对话逻辑、乃至东谈主物情谊转动进行极细的拆解，并自动完成视频章节切片与时辰戳标注，撑捏逾越10小时的音频输入。

现在，阿里云百真金不怕火已上新Qwen3.5-Omni的Plus、Flash、Light三种API，可浅近行使于短视频/直播平台、游戏、自媒体等行业。

普通用户可前去Qwen Chat免费体验，耕种者和企业可通过阿里云百真金不怕火平台调用Qwen3.5-Omni模子，每百万Tokens输入不到0.8元，比Gemini-3.1 Pro的1/10还低。

面前开云体育，千问已稳居中国企业级大模子调用阛阓第一，劳动涵盖互联网、金融、破钞电子及汽车等要点行业超100万家客户。