Alibaba Cloud: Qwen3.5-Omni-Flash

Qwen3.5 Omni Flash apporte une compréhension multimodale aux tâches quotidiennes des assistants. C'est un candidat pour interpréter une image parallèlement à un contexte parlé ou écrit, comme décrire un événement à partir des médias qui l'accompagnent.

Comparer les modèles

qwen3.5-omni-flash

DisponibleAlibaba CloudDiscussion

Entrée / Sortie: $0.40 / $2.20
Contexte: 197K
Sortie maximale: 64K
Modalités: VisionDiscussion

À propos de Qwen3.5-Omni-Flash

Qwen3.5-Omni-Flash est la version axée sur la vitesse de la famille Qwen3.5-Omni d'Alibaba, un modèle multimodal natif capable de lire du texte, des images, de l'audio et de la vidéo, et de répondre par texte ou par la voix. Il s'agit de la variante plus rapide et plus économique à exécuter que Qwen3.5-Omni-Plus, et d'une évolution par rapport à Qwen3-Omni-Flash, offrant des limites de médias étendues, 55 voix et une sortie vocale disponible en 74 langues et 39 dialectes.

Points forts

Lit le texte, les images, l'audio et la vidéo en une seule requête et peut répondre par texte ou par la voix.
Prend en charge jusqu'à environ 3 heures d'audio ou 1 heure de vidéo par requête dans l'API non temps réel.
S'exprime en 74 langues et 39 dialectes, avec 55 voix intégrées et la prise en charge de voix personnalisées.
La reconnaissance de l'entrée vocale couvre 113 langues, ce qui est adapté à l'audio multilingue.

Quand préférer un autre modèle

La conversation vocale en direct et interruptible appartient au modèle distinct Qwen3.5-Omni-Flash-Realtime.
Les réponses sont fournies sous forme de texte ou de voix ; la création d'images ou de vidéos nécessite donc un autre modèle.
Flash sacrifie une certaine profondeur au profit de la vitesse par rapport à Qwen3.5-Omni-Plus sur les questions multimodales complexes.

Pour commencer

Créer une clé API
Générez une clé dans Console et utilisez-la avec tous les modèles de la plateforme.

Envoyez votre première requête

Copiez l'exemple pour votre langage et lancez-le.

Texte vers texteMessages API

POST/v1/messages

Format d'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!"}
    ]
  }'

Tarification

Le prix Verified s’applique à Verified, moins cher sur la plupart des modèles. Le prix Official est le prix publié par le fabricant du modèle et s’applique à la route Official, plus fiable. Auto facture la route qui termine la requête.

Text Output

Par 1M Token

Prix Official: Entrée $0.40 / Sortie $2.20 / Texte Entrée $0.40 / Audio Entrée $3.00 / Image Entrée $0.40 / Texte Sortie $2.20 / Audio Sortie $11.90
Prix Verified: —
Remise: —

Audio activé

Par 1M Token

Prix Official: Entrée $0.40 / Sortie $11.90 / Texte Entrée $0.40 / Audio Entrée $3.00 / Image Entrée $0.40 / Texte Sortie $0.00 / Audio Sortie $11.90
Prix Verified: —
Remise: —

	Prix OfficialPar 1M Token	Prix VerifiedPar 1M Token	Remise
Text Output	Entrée $0.40 / Sortie $2.20 / Texte Entrée $0.40 / Audio Entrée $3.00 / Image Entrée $0.40 / Texte Sortie $2.20 / Audio Sortie $11.90	—	—
Audio activé	Entrée $0.40 / Sortie $11.90 / Texte Entrée $0.40 / Audio Entrée $3.00 / Image Entrée $0.40 / Texte Sortie $0.00 / Audio Sortie $11.90	—	—

Utilisation et activité

Le taux de réussite est la part de requêtes abouties. La latence est la durée d'une réponse complète ; P95 signifie que 95 % des requêtes ont fini dans ce délai.

Utilisation et disponibilité

Dernières 24 heures

Requêtes
Taux de succès
Latence P95
Total des jetons

Performance du modèle

Dernière mise à jour 1 nov. 2026, 07:21 UTC

Les métriques s'affichent une fois les seuils de confidentialité et de volume de données atteints.

Les données sont basées sur les requêtes agrégées des utilisateurs, à l'exclusion des vérifications de statut.

Ouvrir dans Console

Ouvrez Qwen3.5-Omni-Flash dans Console avec un prompt prêt à modifier ou envoyer.

Aide-moi à tester qwen3.5-omni-flash avec un message sur /v1/messages. Affiche la réponse, la latence et le coût.

Cas d'usage

Idéal pour

Vision

Synthèse de réunions et d'appels
Envoyez un enregistrement long et demandez des décisions, les responsables et les questions en suspens, avec une réponse sous forme de texte ou de compte-rendu oral.
Assistance produit vocale
Prenez la photo d'un client et sa question orale, puis répondez à haute voix dans la langue et le dialecte du client.
Étiquetage de contenu vidéo
Traitez les vidéos téléchargées pour identifier ce qui est montré et dit, puis générez des descriptions et des sujets pour une médiathèque.

Exemples de prompts

Résumez cette vidéo de formation d'une heure et notez les horodatages de chaque changement de sujet.

L'interlocuteur alterne entre le cantonais et l'anglais. Transcrivez l'audio et traduisez les parties en cantonais.

Décrivez ce qui se passe sur cette photo et lisez la réponse avec une voix féminine calme.

Ce modèle a une tarification conditionnelle. Les totaux mensuels de tokens ne suffisent pas pour une estimation fiable ; utilisez la tarification détaillée selon la spécification de la requête, le cache et la fenêtre applicable.

FAQ

Quelle est la différence entre Flash et Plus ?

Tous deux sont des modèles Qwen3.5-Omni avec les mêmes types d'entrées et de voix. Flash est la version haute vitesse, Plus la version de meilleure qualité. Commencez par Flash pour les volumes importants ou les travaux sensibles à la latence, et passez à Plus si les réponses sur des médias complexes sont insuffisantes.

Peut-il produire de l'audio ?

Oui. Il peut renvoyer du texte et de l'audio parlé, avec 55 voix intégrées et la prise en charge de voix personnalisées, dans 74 langues et 39 dialectes. Vous choisissez si vous avez besoin de voix ou de texte dans la requête.

Quelle est la durée maximale d'enregistrement prise en charge ?

Jusqu'à environ 3 heures d'audio ou 1 heure de vidéo par requête, selon la documentation Qwen3.5-Omni d'Alibaba. Divisez les contenus plus longs en plusieurs parties et traitez-les une par une.

Quelles langues peut-il comprendre ?

La reconnaissance de l'entrée vocale couvre 113 langues et les réponses orales couvrent 74 langues et 39 dialectes ; l'audio multilingue est donc traité en une seule requête sans avoir à choisir une langue au préalable.

Est-ce le modèle pour la conversation vocale en direct ?

Non. Qwen3.5-Omni-Flash traite des entrées terminées. Pour une session vocale en streaming et interruptible, utilisez Qwen3.5-Omni-Flash-Realtime, qui maintient une connexion ouverte et accepte des flux audio et vidéo en direct.

Combien coûte Qwen3.5-Omni-Flash ?

Sur TokenLab, Qwen3.5-Omni-Flash coûte Entrée $0.40 / Sortie $2.20 Par 1M Token. La table tarifaire ci-dessus en montre le détail complet. Les tarifs dépendent de l’unité de facturation, de la spécification et de l’usage. Comparez des conditions identiques dans la tarification détaillée du modèle ; un tarif seul ne détermine pas le coût total.

Quelles sont les limites de contexte et de sortie de Qwen3.5-Omni-Flash ?

Qwen3.5-Omni-Flash accepte jusqu'à 196 608 jetons de contexte et génère jusqu'à 65 536 jetons par réponse.

Quel endpoint Qwen3.5-Omni-Flash doit-il utiliser ?

Utilisez https://api.tokenlab.sh/v1/messages pour Qwen3.5-Omni-Flash. L'exemple de requête ci-dessous montre la structure de code correspondante.

Quelles opérations Qwen3.5-Omni-Flash prend-il en charge ?

Qwen3.5-Omni-Flash prend en charge Texte vers texte. Sélectionnez une opération pour voir l'endpoint et un exemple.