阿里发布新一代全模态大模型Qwen3.5-Omni，在音视频理解、识别、交互等215项任务中取得SOTA（性能最佳），超越Gemini-3.1 Pro，成为目前全球最强的全模态大模型之一。

该模型拥有极强的音视频理解与实时交互能力，能够对音视频内容生成详细且可控的结构化描述，可识别语言和方言数量多达113种，还涌现出了音视频Vibe Coding能力，用户对着镜头阐述需求，就能让模型自主生成App、网页、游戏等复杂产品代码。

Qwen3.5-Omni采用混合注意力MoE架构，在海量文本、视觉以及超过1亿小时的音视频数据上进行了原生多模态预训练，可实现图片、视频、语音、文字等全模态内容的输入与输出。

在多项测试中，Qwen3.5-Omni表现优异，例如在聚焦视听交互能力的DailyOmni、QualcommInteractive、Omni Cloze等测试中得分领先Gemini-3.1 Pro，在检测嘈杂环境抗干扰能力的WenetSpeech测试中错误率远低于Gemini。

普通用户可前往Qwen Chat免费体验，开发者和企业可通过阿里云百炼平台调用Qwen3.5-Omni模型，每百万Tokens输入不到0.8元，价格优势显著。

《夸克》非常好用的免费AI浏览器

下载APP查看