Alibaba Cloud: Qwen3-Omni-Flash

Qwen3 Omni Flash ist ein multimodales Modell zum Verständnis von Informationen über Text, Bilder und Audio hinweg. Es ist nützlich für Assistenten, die visuelles oder gesprochenes Material innerhalb derselben Konversation besprechen müssen.

Modelle vergleichen

qwen3-omni-flash

VerfügbarAlibaba CloudUnterhaltung

Eingabe / Ausgabe: $0.43 / $1.66
Kontext: 49K
Maximale Ausgabe: 16K
Modalitäten: VisionUnterhaltung

Über Qwen3-Omni-Flash

Qwen3-Omni-Flash ist Alibabas früheres Omni-Chat-Modell, das Text, Bilder, Audio und Video in einer einzigen Konversation liest. Es kann in einem Denkmodus ausgeführt werden, der vor der Antwort logisch schlussfolgert; in diesem Modus gibt es nur Text zurück. Ohne diesen Modus können Antworten gesprochenes Audio enthalten. Es ist das ältere Mitglied der Omni-Chat-Familie mit kleinerem Kontext, hinter Qwen3.5-Omni und Qwen3.8-Omni-Flash, mit kürzeren Audio- und Videolimits sowie weniger Ausgabesprachen.

Stärken

Versteht Text, Bilder, Audio und Video zusammen, sodass eine Anfrage einen Clip mit einer schriftlichen Frage kombinieren kann.
Ein optionaler Denkmodus ermöglicht es dem Modell, eine schwierige Frage zu durchdenken, bevor es antwortet.
Ohne Denkmodus kann es sowohl in Sprache als auch in Text antworten, wobei eine Auswahl an Stimmen zur Verfügung steht.
Bilder, Audio und Video werden als Inhaltsteile in einer gewöhnlichen Chat-Nachricht übergeben.

Alternativen

Die Audioausgabe ist im Denkmodus deaktiviert, sodass logisch hergeleitete Antworten nur als Text zurückgegeben werden.
Es verarbeitet kürzere Medien als spätere Omni-Modelle: etwa 20 Minuten Audio und 150 Sekunden Video.
Gesprochene Antworten decken 11 Sprachen und 8 Dialekte ab, weniger als bei Qwen3.5-Omni.

Erste Schritte

API-Schlüssel erstellen
Erstelle einen Schlüssel in Console und nutze ihn mit jedem Modell auf der Plattform.

Senden Sie Ihre erste Anfrage

Kopieren Sie das Beispiel für Ihre Sprache und führen Sie es gegen den Endpunkt aus.

Text-zu-TextMessages API

POST/v1/messages

API-Format:

curl https://api.tokenlab.sh/v1/messages \
  -H "Content-Type: application/json" \
  -H "x-api-key: sk-xxx" \
  -H "anthropic-version: 2023-06-01" \
  -d '{
    "model": "qwen3-omni-flash",
    "max_tokens": 1024,
    "messages": [
      {"role": "user", "content": "Hello!"}
    ]
  }'

Preise

Der Verified-Preis gilt für Verified und ist bei den meisten Modellen günstiger. Der Official-Preis ist der veröffentlichte Preis des Modellherstellers und gilt für die zuverlässigere Official-Route. Auto rechnet die Route ab, die die Anfrage abschließt.

Text Text Output

Pro 1M Token

Official-Preis: Eingabe $0.43 / Ausgabe $1.66 / Text Eingabe $0.43 / Audio Eingabe $3.81 / Bild Eingabe $0.78 / Text Ausgabe $1.66 / Audio Ausgabe $15.11
Verified-Preis: —
Rabatt: —

Audio an

Pro 1M Token

Official-Preis: Eingabe $0.43 / Ausgabe $1.66 / Text Eingabe $0.43 / Audio Eingabe $3.81 / Bild Eingabe $0.78 / Text Ausgabe $0.00 / Audio Ausgabe $15.11
Verified-Preis: —
Rabatt: —

isMultimodalInput · true

Pro 1M Token

Official-Preis: Eingabe $0.43 / Ausgabe $1.66 / Text Eingabe $0.43 / Audio Eingabe $3.81 / Bild Eingabe $0.78 / Text Ausgabe $3.06 / Audio Ausgabe $15.11
Verified-Preis: —
Rabatt: —

Audio an · isMultimodalInput · true

Pro 1M Token

Official-Preis: Eingabe $0.43 / Ausgabe $1.66 / Text Eingabe $0.43 / Audio Eingabe $3.81 / Bild Eingabe $0.78 / Text Ausgabe $0.00 / Audio Ausgabe $15.11
Verified-Preis: —
Rabatt: —

	Official-PreisPro 1M Token	Verified-PreisPro 1M Token	Rabatt
Text Text Output	Eingabe $0.43 / Ausgabe $1.66 / Text Eingabe $0.43 / Audio Eingabe $3.81 / Bild Eingabe $0.78 / Text Ausgabe $1.66 / Audio Ausgabe $15.11	—	—
Audio an	Eingabe $0.43 / Ausgabe $1.66 / Text Eingabe $0.43 / Audio Eingabe $3.81 / Bild Eingabe $0.78 / Text Ausgabe $0.00 / Audio Ausgabe $15.11	—	—
isMultimodalInput · true	Eingabe $0.43 / Ausgabe $1.66 / Text Eingabe $0.43 / Audio Eingabe $3.81 / Bild Eingabe $0.78 / Text Ausgabe $3.06 / Audio Ausgabe $15.11	—	—
Audio an · isMultimodalInput · true	Eingabe $0.43 / Ausgabe $1.66 / Text Eingabe $0.43 / Audio Eingabe $3.81 / Bild Eingabe $0.78 / Text Ausgabe $0.00 / Audio Ausgabe $15.11	—	—

Nutzung & Aktivität

Die Erfolgsquote ist der Anteil abgeschlossener Anfragen. Die Latenz ist die Dauer einer vollständigen Antwort; P95 bedeutet, dass 95 % der Anfragen innerhalb dieser Zeit abgeschlossen wurden.

Nutzung & Verfügbarkeit

Letzte 24 Stunden

Anfragen
Erfolgsrate
P95-Latenz
Token gesamt

Modellleistung

Zuletzt aktualisiert 01.11.2026, 07:21 UTC

Metriken erscheinen, sobald die Schwellenwerte für Datenschutz und Datenvolumen erreicht sind.

Die Daten basieren auf aggregierten Benutzeranfragen, Statusprüfungen sind ausgeschlossen.

In Console öffnen

Öffne Qwen3-Omni-Flash in Console mit einer bearbeitbaren oder versandbereiten Eingabeaufforderung.

Teste qwen3-omni-flash mit einer kurzen Nachricht an /v1/messages. Zeige Antwort, Latenz und Kosten.

Anwendungsfälle

Geeignet für

Vision

Sprach- und Bildassistenten
Lassen Sie einen Benutzer eine Frage zu einem Foto stellen und eine gesprochene Antwort in einer gewählten Stimme erhalten, ohne separate Sprach- und Bildmodelle verketten zu müssen.
Kurzclip-Analyse
Beschreiben Sie, was in einem Clip von bis zu einigen Minuten passiert, einschließlich dessen, was gesagt und gezeigt wird.
Audio-Q&A
Stellen Sie Fragen zu einem aufgezeichneten Anruf oder einer Sprachnotiz und erhalten Sie eine schriftliche Antwort, bei schwierigen Vergleichen mit aktiviertem Denkmodus.

Prompt-Beispiele

Höre dir diese Sprachnotiz an und liste die drei Aufgaben sowie die jeweils verantwortliche Person auf.

Was macht die Person in diesem Clip falsch und was sollte sie ändern?

Sieh dir dieses Foto meines Routers an und sage mir laut, welches Kabel wohin gehört.

Dieses Modell hat konditionale Preise. Monatliche Token-Summen allein liefern keine verlässliche Schätzung; nutzen Sie die detaillierten Preise für Anfragespezifikation, Cache und Zeitfenster.

FAQ

Was kann Qwen3-Omni-Flash als Eingabe verarbeiten?

Text, Bilder, Audio und Video. Alle können in einer Konversation vorkommen, sodass eine Anfrage eine gesprochene Frage und ein Bild enthalten kann. Die Ausgabe erfolgt als Text oder als Text plus Audio, wenn der Denkmodus deaktiviert ist.

Warum deaktiviert der Denkmodus die Audioausgabe?

Alibaba dokumentiert, dass die Audioausgabe im Denkmodus nicht unterstützt wird. Wenn Sie eine gesprochene Antwort benötigen, lassen Sie den Denkmodus deaktiviert; wenn das Modell zuerst logisch schlussfolgern soll, erwarten Sie eine schriftliche Antwort und konvertieren Sie diese mit einem Text-zu-Sprache-Modell.

Wie unterscheidet es sich von Qwen3.5-Omni-Flash?

Qwen3.5-Omni-Flash verarbeitet längere Medien, bietet mehr Stimmen und Ausgabesprachen und verfügt über einen deutlich größeren Kontext. Qwen3-Omni-Flash ist die ältere Generation; verwenden Sie es daher hauptsächlich, wenn Ihre Prompts und Stimmen bereits darauf abgestimmt sind.

Wie lang dürfen die Medien sein?

Etwa 20 Minuten Audio und 150 Sekunden Video pro Anfrage, was kürzer ist als bei späteren Omni-Modellen. Teilen Sie längere Aufnahmen in Teile auf, bevor Sie sie senden.

Welche Sprachen kann es sprechen?

Gesprochene Antworten decken 11 Sprachen und 8 Dialekte ab, weniger als bei Qwen3.5-Omni. Wenn Sie eine breitere Abdeckung für gesprochene Sprache benötigen, wählen Sie ein Qwen3.5-Omni-Modell; für Textantworten gilt die Liste der gesprochenen Sprachen nicht.

Was kostet Qwen3-Omni-Flash?

Auf TokenLab kostet Qwen3-Omni-Flash Eingabe $0.43 / Ausgabe $1.66 Pro 1M Token. Die vollständige Aufschlüsselung steht in der Preistabelle oben. Die Preise hängen von Abrechnungseinheit, Spezifikation und Nutzung ab. Vergleichen Sie gleiche Bedingungen in der detaillierten Preisliste des Modells; eine einzelne Rate bestimmt nicht die Gesamtkosten.

Welche Kontext- und Ausgabelimits hat Qwen3-Omni-Flash?

Qwen3-Omni-Flash verarbeitet bis zu 49.152 Token Kontext und gibt pro Antwort bis zu 16.384 Token aus.

Welchen Endpunkt soll Qwen3-Omni-Flash verwenden?

Verwenden Sie https://api.tokenlab.sh/v1/messages für Qwen3-Omni-Flash. Das folgende Anforderungsbeispiel zeigt die passende Code-Struktur.

Welche Operationen unterstützt Qwen3-Omni-Flash?

Qwen3-Omni-Flash unterstützt Text-zu-Text. Wählen Sie oben einen Vorgang aus, um dessen Endpunkt und Anforderungsbeispiel anzuzeigen.