Qwen · qwen3-omni-flash-realtime
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。
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。
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。
不同地方写法可能不一样，列在这里方便你对上号。名字太模糊、认不准的不会公开。
中国大陆 / 全球 · 价格附有适用条件
| 计价项 / 适用范围 | 适用条件 | 官方价格 |
|---|---|---|
| 输入 中国大陆 · 阿里云 Model Studio | 模态：audio采集于 2026-09-15 | 18.9 CNY/ 1,000,000 Token |
| 输入 中国大陆 · 阿里云 Model Studio | 未附加计价条件采集于 2026-09-15 | 2.2 CNY/ 1,000,000 Token |
| 输入 中国大陆 · 阿里云 Model Studio | 模态：image/video采集于 2026-09-15 | 3.9 CNY/ 1,000,000 Token |
| 输出 中国大陆 · 阿里云 Model Studio | input_modality：text_only采集于 2026-09-15 | 8.3 CNY/ 1,000,000 Token |
| 输出 中国大陆 · 阿里云 Model Studio | 模态：audio采集于 2026-09-15 | 75.1 CNY/ 1,000,000 Token |
| 输出 中国大陆 · 阿里云 Model Studio | input_modality：multimodal采集于 2026-09-15 | 15.2 CNY/ 1,000,000 Token |
| 输入 全球 · alibaba-model-studio-intl | 未附加计价条件采集于 2026-09-15 | 0.52 USD/ 1,000,000 Token |
| 输出 全球 · alibaba-model-studio-intl | 未附加计价条件采集于 2026-09-15 | 1.99 USD/ 1,000,000 Token |
这里只算能确认就是这个型号的公开成绩。没成绩不代表它不行，我们也不会给它记 0 分。
可能是没人测过，也可能是名字对不上号。我们宁可空着，也不拿差不多的成绩硬凑。
这个模型还没有可比的综合成绩，下面是它的单项成绩。
同一道题直接问模型，不给它工具。每项都标出参加这项评测的全部模型的中位分和最高分，方便对照。
这个模型还没有可公开的单项成绩。
这不是模型自己的分数。下面的成绩是模型配上评测方的工具和运行环境跑出来的，换一套工具结果就会变。它们不算进上面的档位，也不能拿来排模型强弱。
这个模型还没有出现在 SWE-bench、Terminal-Bench 一类的 Agent 评测里。
Be the first to leave a review.
Be the first to ask a question.
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。
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。
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。
不同地方写法可能不一样，列在这里方便你对上号。名字太模糊、认不准的不会公开。
中国大陆 / 全球 · 价格附有适用条件
| 计价项 / 适用范围 | 适用条件 | 官方价格 |
|---|---|---|
| 输入 中国大陆 · 阿里云 Model Studio | 模态：audio采集于 2026-09-15 | 18.9 CNY/ 1,000,000 Token |
| 输入 中国大陆 · 阿里云 Model Studio | 未附加计价条件采集于 2026-09-15 | 2.2 CNY/ 1,000,000 Token |
| 输入 中国大陆 · 阿里云 Model Studio | 模态：image/video采集于 2026-09-15 | 3.9 CNY/ 1,000,000 Token |
| 输出 中国大陆 · 阿里云 Model Studio | input_modality：text_only采集于 2026-09-15 | 8.3 CNY/ 1,000,000 Token |
| 输出 中国大陆 · 阿里云 Model Studio | 模态：audio采集于 2026-09-15 | 75.1 CNY/ 1,000,000 Token |
| 输出 中国大陆 · 阿里云 Model Studio | input_modality：multimodal采集于 2026-09-15 | 15.2 CNY/ 1,000,000 Token |
| 输入 全球 · alibaba-model-studio-intl | 未附加计价条件采集于 2026-09-15 | 0.52 USD/ 1,000,000 Token |
| 输出 全球 · alibaba-model-studio-intl | 未附加计价条件采集于 2026-09-15 | 1.99 USD/ 1,000,000 Token |
这里只算能确认就是这个型号的公开成绩。没成绩不代表它不行，我们也不会给它记 0 分。
可能是没人测过，也可能是名字对不上号。我们宁可空着，也不拿差不多的成绩硬凑。
这个模型还没有可比的综合成绩，下面是它的单项成绩。
同一道题直接问模型，不给它工具。每项都标出参加这项评测的全部模型的中位分和最高分，方便对照。
这个模型还没有可公开的单项成绩。
这不是模型自己的分数。下面的成绩是模型配上评测方的工具和运行环境跑出来的，换一套工具结果就会变。它们不算进上面的档位，也不能拿来排模型强弱。
这个模型还没有出现在 SWE-bench、Terminal-Bench 一类的 Agent 评测里。
下面是别人对这个模型做过的检测，按时间从新到旧排。
Verification reports show up here once they are public.
Public reviews will appear here. Sign in to share real usage experience.
Be the first to ask a question.
