Alibaba Cloud: Qwen3-Omni-Flash
qwen3-omni-flash- Entrada / Salida
- $0.43 / $1.66
- Contexto
- 49K
- Salida máxima
- 16K
- Modalidades
- VisiónChat
Sobre Qwen3-Omni-Flash
Qwen3-Omni-Flash es el modelo de chat Omni anterior de Alibaba, que lee texto, imágenes, audio y video en una sola conversación. Puede ejecutarse en un modo de pensamiento que razona antes de responder, y en ese modo devuelve solo texto; sin él, las respuestas pueden incluir audio hablado. Es el miembro más antiguo y con menor contexto de la familia de chat Omni, por detrás de Qwen3.5-Omni y Qwen3.8-Omni-Flash, con límites de audio y video más cortos y menos idiomas de salida.
Puntos fuertes
- Entiende texto, imágenes, audio y video juntos, por lo que una sola solicitud puede combinar un clip con una pregunta escrita.
- Un modo de pensamiento opcional le permite razonar a través de una pregunta difícil antes de responder.
- Sin el modo de pensamiento, puede responder tanto con voz como con texto, utilizando una selección de voces.
- Las imágenes, el audio y el video se pasan como partes de contenido en un mensaje de chat ordinario.
Cuándo buscar otra opción
- La salida de audio se desactiva en el modo de pensamiento, por lo que las respuestas razonadas se devuelven solo como texto.
- Maneja medios más cortos que los modelos Omni posteriores: alrededor de 20 minutos de audio y 150 segundos de video.
- Las respuestas habladas cubren 11 idiomas y 8 dialectos, menos que Qwen3.5-Omni.
Primeros pasos
Crear clave API
Genera una clave en Console y úsala con cualquier modelo de la plataforma.
Envía tu primera solicitud
Copia el ejemplo para tu lenguaje y ejecútalo contra el endpoint.
Texto a textoMessages APIPOST/v1/messagesFormato de API: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!"} ] }'
Precios
El precio Verified se aplica a Verified, que cuesta menos en la mayoría de los modelos. El precio Official es el precio publicado por el fabricante del modelo y se aplica a la ruta Official, más fiable. Auto factura la ruta que completa la solicitud.
Text Text Output
Por 1M Token- Precio Official
- Entrada $0.43 / Salida $1.66 / Texto Entrada $0.43 / Audio Entrada $3.81 / Imagen Entrada $0.78 / Texto Salida $1.66 / Audio Salida $15.11
- Precio Verified
- —
- Descuento
- —
Audio activado
Por 1M Token- Precio Official
- Entrada $0.43 / Salida $1.66 / Texto Entrada $0.43 / Audio Entrada $3.81 / Imagen Entrada $0.78 / Texto Salida $0.00 / Audio Salida $15.11
- Precio Verified
- —
- Descuento
- —
isMultimodalInput · true
Por 1M Token- Precio Official
- Entrada $0.43 / Salida $1.66 / Texto Entrada $0.43 / Audio Entrada $3.81 / Imagen Entrada $0.78 / Texto Salida $3.06 / Audio Salida $15.11
- Precio Verified
- —
- Descuento
- —
Audio activado · isMultimodalInput · true
Por 1M Token- Precio Official
- Entrada $0.43 / Salida $1.66 / Texto Entrada $0.43 / Audio Entrada $3.81 / Imagen Entrada $0.78 / Texto Salida $0.00 / Audio Salida $15.11
- Precio Verified
- —
- Descuento
- —
| Precio OfficialPor 1M Token | Precio VerifiedPor 1M Token | Descuento | |
|---|---|---|---|
| Text Text Output | Entrada $0.43 / Salida $1.66 / Texto Entrada $0.43 / Audio Entrada $3.81 / Imagen Entrada $0.78 / Texto Salida $1.66 / Audio Salida $15.11 | — | — |
| Audio activado | Entrada $0.43 / Salida $1.66 / Texto Entrada $0.43 / Audio Entrada $3.81 / Imagen Entrada $0.78 / Texto Salida $0.00 / Audio Salida $15.11 | — | — |
| isMultimodalInput · true | Entrada $0.43 / Salida $1.66 / Texto Entrada $0.43 / Audio Entrada $3.81 / Imagen Entrada $0.78 / Texto Salida $3.06 / Audio Salida $15.11 | — | — |
| Audio activado · isMultimodalInput · true | Entrada $0.43 / Salida $1.66 / Texto Entrada $0.43 / Audio Entrada $3.81 / Imagen Entrada $0.78 / Texto Salida $0.00 / Audio Salida $15.11 | — | — |
Uso y actividad
La tasa de éxito es la proporción de solicitudes completadas. La latencia es cuánto tarda una respuesta completa; P95 significa que el 95 % de las solicitudes terminaron dentro de ese tiempo.
Uso y disponibilidad
Últimas 24 horas- Solicitudes
- Tasa de éxito
- Latencia P95
- Total de tokens
Los datos se basan en solicitudes de usuario agregadas, excluyendo las comprobaciones de estado.
Abrir en Console
Abre Qwen3-Omni-Flash en Console con un prompt listo para editar o enviar.
Ayúdame a probar qwen3-omni-flash con un mensaje breve en /v1/messages. Muestra la respuesta, la latencia y el coste.
Casos de uso
Ideal para- Visión
Asistentes de voz e imagen
Permita que un usuario haga una pregunta sobre una foto y obtenga una respuesta hablada en una voz elegida, sin encadenar modelos separados de voz y visión.
Análisis de clips cortos
Describa lo que sucede en un clip de hasta un par de minutos, incluyendo lo que se dice y se muestra.
Preguntas y respuestas de audio
Haga preguntas sobre una llamada grabada o una nota de voz y obtenga una respuesta escrita, con el modo de pensamiento activado para comparaciones complejas.
Ejemplos de prompts
Escucha esta nota de voz y enumera los tres elementos de acción con el responsable de cada uno.
¿Qué está haciendo mal la persona en este clip y qué debería cambiar?
Mira esta foto de mi router y dime, en voz alta, qué cable va en cada lugar.
Este modelo tiene precio condicional. Los totales mensuales de tokens por sí solos no producen una estimación fiable; use el precio detallado según la especificación de la solicitud, la caché y la ventana aplicable.
FAQ
¿Qué puede tomar Qwen3-Omni-Flash como entrada?
Texto, imágenes, audio y video. Todos ellos pueden aparecer en una sola conversación, por lo que una solicitud puede incluir una pregunta hablada y una imagen. La salida es texto, o texto más audio cuando el modo de pensamiento está desactivado.
¿Por qué el modo de pensamiento elimina el audio?
Alibaba documenta que la salida de audio no es compatible con el modo de pensamiento. Si necesita una respuesta hablada, deje el modo de pensamiento desactivado; si necesita que el modelo razone primero, espere una respuesta escrita y conviértala con un modelo de texto a voz.
¿En qué se diferencia de Qwen3.5-Omni-Flash?
Qwen3.5-Omni-Flash maneja medios más largos, ofrece más voces e idiomas de salida, y tiene un contexto mucho mayor. Qwen3-Omni-Flash es la generación anterior, así que utilícelo principalmente si sus prompts y voces ya están ajustados para él.
¿Qué tan largos pueden ser los medios?
Alrededor de 20 minutos de audio y 150 segundos de video por solicitud, lo cual es más corto de lo que permiten los modelos Omni posteriores. Divida las grabaciones más largas en partes antes de enviarlas.
¿Qué idiomas puede hablar?
Las respuestas habladas cubren 11 idiomas y 8 dialectos, menos que Qwen3.5-Omni. Si necesita una cobertura hablada más amplia, elija un modelo Qwen3.5-Omni; para respuestas de texto, la lista de idiomas hablados no se aplica.
¿Cuánto cuesta Qwen3-Omni-Flash?
En TokenLab, Qwen3-Omni-Flash cuesta Entrada $0.43 / Salida $1.66 Por 1M Token. La tabla de precios arriba muestra el desglose completo. Las tarifas dependen de la unidad de facturación, la especificación y el uso. Compare condiciones iguales en el precio detallado del modelo; una sola tarifa no determina el coste total.
¿Cuál es la ventana de contexto y el límite de salida de Qwen3-Omni-Flash?
Qwen3-Omni-Flash admite hasta 49.152 tokens de contexto y genera hasta 16.384 tokens por respuesta.
¿Qué endpoint debe usar Qwen3-Omni-Flash?
Utiliza https://api.tokenlab.sh/v1/messages para Qwen3-Omni-Flash. El ejemplo de solicitud a continuación muestra la estructura de código correspondiente.
¿Qué operaciones soporta Qwen3-Omni-Flash?
Qwen3-Omni-Flash admite Texto a texto. Selecciona una operación arriba para ver su endpoint y ejemplo de solicitud.
Comparar Qwen3-Omni-Flash
Fuentes
Revisado el 2 oct 2026
