Alibaba Cloud: Qwen3.5-Omni-Flash

Qwen3.5 Omni Flash bringt multimodales Verständnis in alltägliche Assistentenaufgaben. Es ist ein Kandidat für die Interpretation eines Bildes neben gesprochenem oder geschriebenem Kontext, wie etwa das Beschreiben eines Ereignisses anhand der begleitenden Medien.

Modelle vergleichen

qwen3.5-omni-flash

VerfügbarAlibaba CloudUnterhaltung

Eingabe / Ausgabe: $0.40 / $2.20
Kontext: 197K
Maximale Ausgabe: 64K
Modalitäten: VisionUnterhaltung

Über Qwen3.5-Omni-Flash

Qwen3.5-Omni-Flash ist die auf Geschwindigkeit ausgerichtete Stufe der Qwen3.5-Omni-Familie von Alibaba, einem nativen multimodalen Modell, das Text, Bilder, Audio und Video liest und in Text oder Sprache antworten kann. Es ist das schnellere, kostengünstiger zu betreibende Pendant zu Qwen3.5-Omni-Plus und eine Weiterentwicklung von Qwen3-Omni-Flash mit längeren Medienlimits, 55 Stimmen sowie Sprachausgabe in 74 Sprachen und 39 Dialekten.

Stärken

Liest Text, Bilder, Audio und Video in einer Anfrage und kann in Text oder Sprache antworten.
Verarbeitet bis zu etwa 3 Stunden Audio oder 1 Stunde Video pro Anfrage in der Nicht-Echtzeit-API.
Spricht in 74 Sprachen und 39 Dialekten, mit 55 integrierten Stimmen und Unterstützung für benutzerdefinierte Stimmen.
Die Spracherkennung umfasst 113 Sprachen, was sich für Audio mit gemischten Sprachen eignet.

Alternativen

Live-Sprachkonversationen mit Unterbrechungsmöglichkeit gehören zum separaten Modell Qwen3.5-Omni-Flash-Realtime.
Antworten erfolgen als Text oder Sprache; für die Erstellung von Bildern oder Videos ist ein anderes Modell erforderlich.
Flash opfert bei schwierigen multimodalen Fragen etwas Tiefe zugunsten der Geschwindigkeit im Vergleich zu Qwen3.5-Omni-Plus.

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": "qwen3.5-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 Output

Pro 1M Token

Official-Preis: Eingabe $0.40 / Ausgabe $2.20 / Text Eingabe $0.40 / Audio Eingabe $3.00 / Bild Eingabe $0.40 / Text Ausgabe $2.20 / Audio Ausgabe $11.90
Verified-Preis: —
Rabatt: —

Audio an

Pro 1M Token

Official-Preis: Eingabe $0.40 / Ausgabe $11.90 / Text Eingabe $0.40 / Audio Eingabe $3.00 / Bild Eingabe $0.40 / Text Ausgabe $0.00 / Audio Ausgabe $11.90
Verified-Preis: —
Rabatt: —

	Official-PreisPro 1M Token	Verified-PreisPro 1M Token	Rabatt
Text Output	Eingabe $0.40 / Ausgabe $2.20 / Text Eingabe $0.40 / Audio Eingabe $3.00 / Bild Eingabe $0.40 / Text Ausgabe $2.20 / Audio Ausgabe $11.90	—	—
Audio an	Eingabe $0.40 / Ausgabe $11.90 / Text Eingabe $0.40 / Audio Eingabe $3.00 / Bild Eingabe $0.40 / Text Ausgabe $0.00 / Audio Ausgabe $11.90	—	—

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 Qwen3.5-Omni-Flash in Console mit einer bearbeitbaren oder versandbereiten Eingabeaufforderung.

Teste qwen3.5-omni-flash mit einer kurzen Nachricht an /v1/messages. Zeige Antwort, Latenz und Kosten.

Anwendungsfälle

Geeignet für

Vision

Zusammenfassungen von Meetings und Anrufen
Senden Sie eine lange Aufnahme und fragen Sie nach Entscheidungen, Verantwortlichen und offenen Punkten; die Antwort erfolgt als Text oder gesprochenes Briefing.
Gesprochene Produkthilfe
Nehmen Sie das Foto und die gesprochene Frage eines Kunden entgegen und antworten Sie laut in der Sprache und dem Dialekt des Kunden.
Tagging von Videoinhalten
Verarbeiten Sie hochgeladene Videos hinsichtlich des Gezeigten und Gesagten und geben Sie Beschreibungen und Themen für eine Medienbibliothek aus.

Prompt-Beispiele

Fassen Sie dieses einstündige Schulungsvideo zusammen und notieren Sie die Zeitstempel für jeden Themenwechsel.

Der Sprecher wechselt zwischen Kantonesisch und Englisch. Transkribieren Sie es und übersetzen Sie die kantonesischen Teile.

Beschreiben Sie, was auf diesem Foto zu sehen ist, und lesen Sie die Antwort mit einer ruhigen weiblichen Stimme vor.

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 ist der Unterschied zwischen Flash und Plus?

Beide sind Qwen3.5-Omni-Modelle mit denselben Eingabetypen und Stimmen. Flash ist die Hochgeschwindigkeitsversion, Plus die qualitativ hochwertigere. Beginnen Sie mit Flash für volumenintensive oder latenzkritische Arbeiten und wechseln Sie zu Plus, wenn die Antworten bei komplexen Medien nicht ausreichen.

Kann es Audio ausgeben?

Ja. Es kann Text und gesprochenes Audio zurückgeben, mit 55 integrierten Stimmen und Unterstützung für benutzerdefinierte Stimmen in 74 Sprachen und 39 Dialekten. Sie wählen in der Anfrage, ob Sie Sprache oder Text benötigen.

Wie lang darf eine Aufnahme sein?

Bis zu etwa 3 Stunden Audio oder 1 Stunde Video pro Anfrage, gemäß der Dokumentation zu Alibabas Qwen3.5-Omni. Teilen Sie längeres Material in Teile auf und verarbeiten Sie diese nacheinander.

Welche Sprachen kann es verstehen?

Die Spracherkennung umfasst 113 Sprachen und die gesprochenen Antworten decken 74 Sprachen und 39 Dialekte ab, sodass Audio mit gemischten Sprachen in einer einzigen Anfrage verarbeitet werden kann, ohne vorher eine Sprache wählen zu müssen.

Ist dies das Modell für Live-Sprachkonversationen?

Nein. Qwen3.5-Omni-Flash verarbeitet abgeschlossene Eingaben. Für eine Streaming-Sprachsitzung mit Unterbrechungsmöglichkeit verwenden Sie Qwen3.5-Omni-Flash-Realtime, das eine Verbindung offen hält und Live-Audio- sowie Videoframes akzeptiert.

Was kostet Qwen3.5-Omni-Flash?

Auf TokenLab kostet Qwen3.5-Omni-Flash Eingabe $0.40 / Ausgabe $2.20 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 Qwen3.5-Omni-Flash?

Qwen3.5-Omni-Flash verarbeitet bis zu 196.608 Token Kontext und gibt pro Antwort bis zu 65.536 Token aus.

Welchen Endpunkt soll Qwen3.5-Omni-Flash verwenden?

Verwenden Sie https://api.tokenlab.sh/v1/messages für Qwen3.5-Omni-Flash. Das folgende Anforderungsbeispiel zeigt die passende Code-Struktur.

Welche Operationen unterstützt Qwen3.5-Omni-Flash?

Qwen3.5-Omni-Flash unterstützt Text-zu-Text. Wählen Sie oben einen Vorgang aus, um dessen Endpunkt und Anforderungsbeispiel anzuzeigen.