Qwen3.5-Omni: 215 SOTA, audio dan video mendengar Gemini
Pada 30 Maret 2026, Ali, di bawah bendera Ali Baba, secara resmi merilis Model Qwen3.5-Omni Magnificent, yang, pada peluncuran, telah menghasilkan antusiasme dalam komunitas pengembang 'dengan 215 internasional tes kinerja SOTA, sangat biaya-intensif dan terobosan video pemahaman. Model ini tidak hanya menyediakan pemahaman yang mulus dari teks, gambar, audio dan masukan video, tetapi juga melampaui Google Gemin-3.1 Pro dalam sejumlah tugas dan secara alami muncul kemampuan Coding Audio-Visual Vibe. Kertas ini menjelaskan rincian inti highlights, terobosan teknologi dan aplikasi Qwen3.5-Omni.
Kecerahan Inti
Qwen3.5 - Omni adalah generasi terbaru dari semua-modular megamodel diluncurkan oleh Ali, dengan highlight inti berikut:
- Mode penuh pemahaman: seamless pemahaman teks, gambar, audio dan video masukan
- 215 SOTAS: di luar Gemin- 3.1 dalam analisis audio dan video, penalaran, dialog, terjemahan
- Koding Vibe Audio- Visual: Kemampuan pemrograman audio dan video yang muncul secara alami
- Dialog reall- waktu: mendukung interupsi semantik, kloning suara dan kontrol suara
- Konteks eksternal: dukung 256K untuk pengenalan kelebihan konteks dan 113 bahasa
- Eksekusi misi cerdas: dukungan asli untuk WebSearch dan panggilan keuangan kompleks
Kemampuan pemahaman audio / video
Video penciptaan dan penyuntingan
Upload video yang memungkinkan Qwen3.5-Omni- Plus untuk mengikuti instruksi untuk menghasilkan Caption tepat dengan waktu stamping dalam partikel halus:
- Siapa itu? Apa itu?
- Apa kedua musik latar mulai berubah?
- Aku memotong kamera beberapa kali.
- Apa yang terjadi pada setiap bingkai?
- Untuk menentukan apakah video ini sensitif.
- Mengubah video panjang menjadi catatan terstruktur yang dapat dicari
Kode Generasi Perintah Audio dan Video
Menurut permintaanmu, Qwen3.5-Omni bisa menghasilkan kode yang berjalan secara langsung. Ini adalah penemuan yang paling mengejutkan: tanpa pelatihan khusus, model secara alami muncul dengan Coding Vibe. Hal ini dapat menghasilkan kode Python atau prototipe depan-end berdasarkan logika video, memungkinkan validasi kreatif untuk mengambil hanya satu langkah dari pandangan.
Lebih seperti percakapan waktu.
Bicaralah dengan Qwen3.5-Omni, lebih seperti berbicara dengan orang sungguhan:
- Kau tahu bagaimana mendengarkan: batuk atau perselisihan tidak membuatnya berhenti oleh kesalahan, tetapi intervensi nyata Anda dapat seketika. Tinggal.
- Kontrol suara: perintahkan agar suaranya tetap tenang, untuk menggunakan nada bahagia, untuk mengontrol ukuran, kecepatan dan emosi suara sebebas manusia.
- Kloning suara: mengunggah sepotong rekaman Anda, menyesuaikan nada Asisten AI eksklusif untuk mendukung multibahasa
Anda dapat membuat asisten dengan gaya digital dua kali lipat yang dapat berkomunikasi dengan suara Anda, dengan Anda, dan membuat interaksi lebih pribadi.
Smart Task Execution
Bukan hanya bicara, Qwen3.5-Omni bisa membantumu:
Tanyakan tentang cuaca besok di Beijing dan merekomendasikan sebuah hotel yang akan mampu membuat penilaian sendiri seperti apakah ada kebutuhan untuk pencarian online, panggilan alat untuk mencari informasi real-time dan memberikan saran penuh. Dukungan asli untuk WebSearch dan alat-alat kompleks untuk membuat model benar-benar asisten eksekutif Anda.
Performance: 215 SOTA
Qwen3.5-Omni- Plus diperoleh 215 prestasi SOTA pada audio / video pemahaman, penalaran dan misi interaktif, meliputi:
- Pemahaman Audio / Video
- Memahami Audio
- Pengenalan suara
- Terjemahan suara
- GenerasiSuara
Geomini- 3.1 Pro:
- Pengertian suara universal, penalaran, pengakuan, terjemahan, dialog di seluruh papan
- Kemampuan pemahaman audio / video secara keseluruhan adalah Gemini-3.1 Pro
- Kemampuan visual dan teks sama dengan ukuran Qwen3.5 model
Tiga dimensi. Bertemu skenario yang berbeda.
| Versi | Karakter | Terapkan adegan |
|---|---|---|
| Plus | Penampilan Terbaik | Tugas kompleks, aplikasi profesional |
| Flash. | Perbaikan dengan kecepatan | Penggunaan harian, respon cepat |
| Cahaya | Ringan | Gerakan berakhir, area terlarang sumber daya |
Spesifikasi teknis
| Spesifikasi | Parameter |
|---|---|
| Panjang Konteks | 256K |
| Dukungan bahasa | 113 spesies |
| Proses audio | Lebih dari 10 jam |
| Proses video | 1 jam (720 P, 1 FPS) |
| Struktur | Campur perhatian ke MoE. |
Cara menggunakan
Pengguna dapat mencari Qwen3.5-Omni untuk API, menyediakan Plus, Flash dan dimensi Light untuk memenuhi skenario yang berbeda.
Dibandingkan dengan generasi sebelumnya,
- Konteks panjang: dari 128K ke 256K
- Multibahasa: bahasa dukungan dibangkitkan dari 80 + ke 113
- Pemahaman audio- visual: peningkatan kapasitas signifikan
- Interaksi alam-waktu: istirahat semantik baru, kloning suara, kontrol suara
- Keluaran suara: Meningkatkan stabilitas dan naturalitas dalam hubungannya dengan teknologi ARIA
Ringkasan
Pelepasan Qwen3.5-Omni menandai langkah penting di bidang large- skala semua model-modular. Prestasi SOTA 215, kinerja di luar Gemin- 3.1 Pro dan munculnya alami Vibe Coding menunjukkan kekuatan model.
Untuk pengembang, Qwen3.5-Omni menyediakan opsi yang berfungsi penuh, tangguh dan efisien. Baik pemahaman suara dan video, dialog real-time dan eksekusi tugas cerdas mampu.
Pada saat ini semakin kompetitif model AI, model domestik cepat mengejar dan bahkan melampaui kepemimpinan internasional. Pelepasan Qwen3.5-Omni pasti menyuntik jarum yang kuat ke industri AI China.
Qwen3.5-Omni!