Alibaba Cloud: Qwen3.5-Omni-Flash

Qwen3.5 Omni Flash aporta comprensión multimodal a las tareas cotidianas del asistente. Es un candidato para interpretar una imagen junto con un contexto hablado o escrito, como describir un evento a partir de sus medios adjuntos.

Comparar modelos

qwen3.5-omni-flash

DisponibleAlibaba CloudChat

Entrada / Salida: $0.40 / $2.20
Contexto: 197K
Salida máxima: 64K
Modalidades: VisiónChat

Sobre Qwen3.5-Omni-Flash

Qwen3.5-Omni-Flash es el nivel orientado a la velocidad de la familia Qwen3.5-Omni de Alibaba, un modelo multimodal nativo que lee texto, imágenes, audio y video, y puede responder en texto o voz. Es el hermano más rápido y económico de ejecutar que Qwen3.5-Omni-Plus y un paso adelante respecto a Qwen3-Omni-Flash, con límites de medios más amplios, 55 voces y salida hablada en 74 idiomas y 39 dialectos.

Puntos fuertes

Lee texto, imágenes, audio y video en una sola solicitud y puede responder en texto o voz.
Gestiona hasta unas 3 horas de audio o 1 hora de video por solicitud en la API que no es en tiempo real.
Habla en 74 idiomas y 39 dialectos, con 55 voces integradas y soporte para voces personalizadas.
El reconocimiento de entrada de voz abarca 113 idiomas, lo cual es adecuado para audio en varios idiomas.

Cuándo buscar otra opción

La conversación de voz en vivo e interrumpible pertenece al modelo independiente Qwen3.5-Omni-Flash-Realtime.
Las respuestas se devuelven como texto o voz, por lo que la creación de imágenes o videos requiere otro modelo.
Flash sacrifica algo de profundidad por velocidad en comparación con Qwen3.5-Omni-Plus en preguntas multimodales difíciles.

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 API

POST/v1/messages

Formato 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": "qwen3.5-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 Output

Por 1M Token

Precio Official: Entrada $0.40 / Salida $2.20 / Texto Entrada $0.40 / Audio Entrada $3.00 / Imagen Entrada $0.40 / Texto Salida $2.20 / Audio Salida $11.90
Precio Verified: —
Descuento: —

Audio activado

Por 1M Token

Precio Official: Entrada $0.40 / Salida $11.90 / Texto Entrada $0.40 / Audio Entrada $3.00 / Imagen Entrada $0.40 / Texto Salida $0.00 / Audio Salida $11.90
Precio Verified: —
Descuento: —

	Precio OfficialPor 1M Token	Precio VerifiedPor 1M Token	Descuento
Text Output	Entrada $0.40 / Salida $2.20 / Texto Entrada $0.40 / Audio Entrada $3.00 / Imagen Entrada $0.40 / Texto Salida $2.20 / Audio Salida $11.90	—	—
Audio activado	Entrada $0.40 / Salida $11.90 / Texto Entrada $0.40 / Audio Entrada $3.00 / Imagen Entrada $0.40 / Texto Salida $0.00 / Audio Salida $11.90	—	—

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

Desempeño del modelo

Última actualización 1 nov 2026, 7:21 UTC

Las métricas aparecerán una vez que se alcancen los umbrales de privacidad y volumen de datos.

Los datos se basan en solicitudes de usuario agregadas, excluyendo las comprobaciones de estado.

Abrir en Console

Abre Qwen3.5-Omni-Flash en Console con un prompt listo para editar o enviar.

Ayúdame a probar qwen3.5-omni-flash con un mensaje breve en /v1/messages. Muestra la respuesta, la latencia y el coste.

Casos de uso

Ideal para

Visión

Resúmenes de reuniones y llamadas
Envíe una grabación larga y solicite decisiones, responsables y preguntas abiertas, con la respuesta en formato de texto o resumen hablado.
Ayuda de producto hablada
Tome la foto y la pregunta hablada de un cliente y responda en voz alta en el idioma y dialecto del cliente.
Etiquetado de contenido de video
Procese videos cargados para identificar qué se muestra y se dice, y luego genere descripciones y temas para una biblioteca multimedia.

Ejemplos de prompts

Resuma este video de capacitación de una hora y anote las marcas de tiempo de cada cambio de tema.

El hablante alterna entre cantonés e inglés. Transcríbalo y traduzca las partes en cantonés.

Describa lo que sucede en esta foto y lea la respuesta con una voz femenina tranquila.

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

¿Cuál es la diferencia entre Flash y Plus?

Ambos son modelos Qwen3.5-Omni con los mismos tipos de entrada y voces. Flash es la versión de alta velocidad, Plus la de mayor calidad. Comience con Flash para trabajos de gran volumen o sensibles a la latencia y pase a Plus si las respuestas sobre medios complejos no son suficientes.

¿Puede emitir audio?

Sí. Puede devolver texto y audio hablado, con 55 voces integradas y soporte para voces personalizadas, en 74 idiomas y 39 dialectos. Usted elige si necesita voz o texto en la solicitud.

¿Qué duración de grabación puede aceptar?

Hasta unas 3 horas de audio o 1 hora de video por solicitud, según la documentación de Qwen3.5-Omni de Alibaba. Divida el material más largo en partes y ejecútelas una por una.

¿Qué idiomas puede entender?

El reconocimiento de entrada de voz abarca 113 idiomas y las respuestas habladas cubren 74 idiomas y 39 dialectos, por lo que el audio en varios idiomas se maneja en una sola solicitud sin necesidad de elegir un idioma primero.

¿Es este el modelo para conversaciones de voz en vivo?

No. Qwen3.5-Omni-Flash toma una entrada finalizada. Para una sesión de voz en tiempo real e interrumpible, utilice Qwen3.5-Omni-Flash-Realtime, que mantiene una conexión abierta y acepta fotogramas de audio y video en vivo.

¿Cuánto cuesta Qwen3.5-Omni-Flash?

En TokenLab, Qwen3.5-Omni-Flash cuesta Entrada $0.40 / Salida $2.20 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 Qwen3.5-Omni-Flash?

Qwen3.5-Omni-Flash admite hasta 196.608 tokens de contexto y genera hasta 65.536 tokens por respuesta.

¿Qué endpoint debe usar Qwen3.5-Omni-Flash?

Utiliza https://api.tokenlab.sh/v1/messages para Qwen3.5-Omni-Flash. El ejemplo de solicitud a continuación muestra la estructura de código correspondiente.

¿Qué operaciones soporta Qwen3.5-Omni-Flash?

Qwen3.5-Omni-Flash admite Texto a texto. Selecciona una operación arriba para ver su endpoint y ejemplo de solicitud.