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。
可以写下第一条评价。
你可以提出第一个问题。
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。
验真报告公开后会展示在这里。
公开点评会展示在这里，登录后可以提交真实使用体验。
你可以提出第一个问题。
