Qwen3.5-Omni: 215 SOTAs, audio y video escucharon Geminis
El 30 de marzo de 2026, Ali, bajo la bandera de Ali Baba, publicó oficialmente el modelo Qwen3.5-Omni Magnificent, que, tras su lanzamiento, ha generado entusiasmo en las comunidades de desarrolladores con 215 pruebas internacionales de rendimiento SOTA, ventajas extremadamente costosas y comprensión de vídeo. El modelo no sólo proporciona una comprensión perfecta de texto, imágenes, audio y vídeo, sino que también va más allá de Google Gemini-3.1 Pro en varias tareas y naturalmente emerge la capacidad de codificación Audio-Visual Vibe. Este trabajo detalla los puntos más destacados, avances tecnológicos y aplicaciones de Qwen3.5-Omni.
Brillo básico
Qwen3.5-Omni es la última generación de megamodels todo-modulares lanzados por Ali, con los siguientes aspectos básicos:
- Comprensión completa del modo: comprensión perfecta de texto, imágenes, audio y vídeo
- 215 SOTAs: más allá de Gemini-3.1 en análisis de audio y vídeo, razonamiento, diálogo, traducción
- Audio-Visual Vibe Coding: Capacidades de programación de audio y vídeo emergentes naturalmente
- Diálogo en tiempo real: apoyo a la interrupción semántica, clonación de sonido y control de voz
- Exceso de contexto: apoyo 256K para el reconocimiento del exceso de contexto y 113 idiomas
- Ejecución inteligente de la misión: soporte original para WebSearch y financiamiento complejo Call
Capacidad de comprensión de audio/vídeo
Creación y edición de vídeos
Subir un vídeo que permite Qwen3.5-Omni-Plus seguir instrucciones para generar una captura precisa con el tiempo de estampación en partículas finas:
- ¿Quién es? ¿Qué pasa?
- ¿Qué segundo empieza a cambiar la música de fondo?
- Corté la cámara algunas veces.
- ¿Qué pasó en cada marco?
- Para determinar si el vídeo es sensible.
- Convertir vídeo largo en notas estructurables
Código de generación de comandos de audio y vídeo
Según su solicitud, Qwen3.5-Omni puede generar códigos de ejecución directamente. Este es el descubrimiento más sorprendente: sin formación especializada, el modelo emerge naturalmente con Vibe Coding. Puede generar código Python o prototipos de vanguardia basados en la lógica de vídeo, permitiendo que la validación creativa dé un solo paso de la vista.
Más bien una conversación en tiempo real.
Habla con Qwen3.5-Omni, más como hablar con gente real:
- Sabes escuchar: tos o acompañamiento no lo detiene por error, pero tu intervención real puede ser instantánea. Quédate.
- Control de voz: ordena que mantenga su voz baja, utilice un tono feliz, para controlar el tamaño, la velocidad y las emociones del sonido tan libremente como los humanos.
- clonación de sonido: cargando una pieza de tu grabación, personalizando el exclusivo tono AI Assistant para apoyar el multilingüismo
Puede crear un asistente digital de doble odio que pueda comunicarse con su voz, estar con usted y hacer la interacción más personal.
Ejecución de tareas inteligente
No sólo hablar, Qwen3.5-Omni puede ayudarle:
Pregunte sobre el tiempo de mañana en Beijing y recomiende un hotel que será capaz de hacer su propio juicio sobre si hay una necesidad de una búsqueda en línea, llamar herramientas para buscar información en tiempo real y dar todo el consejo. Soporte nativo para WebSearch y herramientas complejas para hacer modelos realmente su asistente ejecutivo.
Performance: 215 SOTAs
Qwen3.5-Omni-Plus obtuvo 215 logros de SOTA en comprensión de audio/vídeo, razonamiento y misiones interactivas, cubriendo:
- Comprensión de audio/vídeo
- Comprensión de audio
- Reconocimiento de voz
- Traducción de voz
- Generación de voz
Geomini-3.1 Pro:
- Comprensión universal de audio, razonamiento, reconocimiento, traducción, diálogo a través de la junta
- La capacidad total de comprensión de audio/vídeo es Gemini-3.1 Pro
- Capacidad visual y de texto igual al tamaño del modelo Qwen3.5
Tres dimensiones. Conoce diferentes escenarios.
| Versión | Características | Apply scene |
|---|---|---|
| Plus | Mejor rendimiento | Tareas complejas, aplicaciones profesionales |
| Flash. | Balance de rendimiento con velocidad | Uso diario, respuesta rápida |
| Luz | Ligero | Fin del movimiento, escena restringida de recursos |
Especificaciones técnicas
| Especificaciones | Parámetros |
|---|---|
| Duración del contexto | 256K |
| Apoyo a los idiomas | 113 especies |
| Tratamiento de audio | Más de 10 horas |
| Procesamiento de vídeo | 1 hora (720 P, 1 FPS) |
| Estructura | Mezcle la atención al MoE. |
Cómo utilizar
Los usuarios pueden buscar Qwen3.5-Omni para API, proporcionando dimensiones Plus, Flash y Light para satisfacer diferentes escenarios.
Comparado con la generación anterior,
- Long context: from 128K to 256K
- Multilingüismo: idiomas de apoyo criados de 80+ a 113
- Comprensión audiovisual: mejora significativa de la capacidad
- Interacción en tiempo real: nuevas rupturas semánticas, clonación de sonido, control de voz
- Producción de voz: Mejora de la estabilidad y la naturalidad en conjunto con la tecnología ARIA
Resumen
La liberación de Qwen3.5-Omni marcó un paso importante en el campo de los modelos a gran escala todo tipo. Los logros de 215 SOTA, el rendimiento más allá de Gemini-3.1 Pro y el surgimiento natural de Vibe Coding demostraron la fuerza del modelo.
Para los desarrolladores, Qwen3.5-Omni ofrece una opción totalmente funcional, robusta y rentable. Tanto el sonido como el video, el diálogo en tiempo real y la ejecución inteligente de tareas son capaces.
En los megamodelos AI cada vez más competitivos de hoy, los modelos domésticos están alcanzando rápidamente e incluso superando el liderazgo internacional. La liberación de Qwen3.5-Omni sin duda inyectó una aguja fuerte en la industria de la AI de China.
¡Qwen3.5-Omni!