Qwen3.5-Omni：阿里雲原生多模態 AI 模型，支援 256K 上下文 | spaxe.top

模型概述

Qwen3.5-Omni 是阿里雲通義千問團隊推出的最新旗艦多模態模型，支援文字、圖片、音頻、音影片理解，具備 256K 超長上下文窗口，並原生支援代理行為（Agentic Capabilities）。

這是 Qwen-Omni 系列的重大升級，模型規模擴展至數百億參數，在多個基準測試中達到了音頻和音影片理解的 SOTA 水準。

核心能力

• 原生多模態：統一架構處理文字、圖片、音頻、音影片。
• 超長上下文：256K tokens，支援長篇內容處理。
• 代理能力：支援 WebSearch、FunctionCall、語音生成。
• 音影片 Vibe Coding：根據音影片指令直接生成可執行代碼。
• 即時語音交互：支援語義打斷、語速控制、情緒調節。
• 語音克隆：從用戶提供的音頻樣本中學習聲音特徵。

效能對比

定價資訊