Alibaba Cloud: Qwen3.5-Omni-Plus

Qwen3.5 Omni Plus est conçu pour une large compréhension multimédia à travers le texte, les images, le son et la vidéo. Il est utile pour analyser du matériel source plus riche, comme l'interprétation d'un enregistrement avec la scène et le dialogue qu'il contient.

Comparer les modèles

qwen3.5-omni-plus

DisponibleAlibaba CloudDiscussion

Entrée / Sortie: $1.40 / $8.30
Contexte: 197K
Sortie maximale: 64K
Modalités: VisionDiscussion

À propos de Qwen3.5-Omni-Plus

Qwen3.5-Omni-Plus est la version de qualité supérieure de la famille Qwen3.5-Omni d'Alibaba. Il lit le texte, les images, l'audio et la vidéo en une seule requête et peut répondre par texte ou par synthèse vocale, en utilisant une architecture « thinker-talker » basée sur un mélange d'experts (mixture-of-experts). Il est destiné aux sources plus riches, comme un enregistrement incluant scène et dialogues, là où Qwen3.5-Omni-Flash pourrait manquer de détails, au prix d'une consommation de calcul plus élevée par requête.

Points forts

Analyse les enregistrements qui combinent parole, son et image plutôt que de les traiter séparément.
Reconnaît les entrées vocales dans 113 langues et peut répondre à voix haute dans 74 langues et 39 dialectes.
Accepte les médias longs, jusqu'à environ 3 heures d'audio ou 1 heure de vidéo par requête.
Propose 55 voix intégrées ainsi que des voix personnalisées pour les réponses vocales.

Quand préférer un autre modèle

Il coûte plus cher par requête que Qwen3.5-Omni-Flash ; réservez-le donc aux enregistrements où la qualité est primordiale.
Les réponses sont textuelles ou vocales ; la production d'images ou de vidéos nécessite un modèle différent.
Les conversations en direct sont gérées par le modèle distinct Qwen3.5-Omni-Plus-Realtime.

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-plus",
    "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 $1.40 / Sortie $8.30 / Texte Entrée $1.40 / Audio Entrée $11.00 / Image Entrée $1.40 / Texte Sortie $8.30 / Audio Sortie $44.00
Prix Verified: —
Remise: —

Audio activé

Par 1M Token

Prix Official: Entrée $1.40 / Sortie $44.00 / Texte Entrée $1.40 / Audio Entrée $11.00 / Image Entrée $1.40 / Texte Sortie $0.00 / Audio Sortie $44.00
Prix Verified: —
Remise: —

	Prix OfficialPar 1M Token	Prix VerifiedPar 1M Token	Remise
Text Output	Entrée $1.40 / Sortie $8.30 / Texte Entrée $1.40 / Audio Entrée $11.00 / Image Entrée $1.40 / Texte Sortie $8.30 / Audio Sortie $44.00	—	—
Audio activé	Entrée $1.40 / Sortie $44.00 / Texte Entrée $1.40 / Audio Entrée $11.00 / Image Entrée $1.40 / Texte Sortie $0.00 / Audio Sortie $44.00	—	—

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-Plus dans Console avec un prompt prêt à modifier ou envoyer.

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

Cas d'usage

Idéal pour

Vision

Analyse d'entretiens et d'appels
Téléchargez un long enregistrement et demandez des thèmes, des contradictions et des citations avec leur position dans l'audio.
Revue vidéo
Vérifiez une vidéo de formation ou de produit pour ce qui est dit et montré, et signalez les incohérences entre la narration et les visuels.
Archives multimédias multilingues
Transcrivez et résumez des fichiers audio multilingues, y compris des dialectes, dans une langue de travail unique pour examen.

Exemples de prompts

Examinez cet appel de vente enregistré et marquez chaque point où le client a hésité, avec l'horodatage et ce qui a été dit.

Comparez ce que dit le narrateur avec ce que montre l'écran dans ce tutoriel et listez les discordances.

Transcrivez cet enregistrement en dialecte du Sichuan en chinois standard et résumez-le en anglais.

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

Quand dois-je choisir Plus plutôt que Flash ?

Choisissez Plus lorsque les réponses sur des médias complexes ou longs importent plus que la vitesse ou le coût, comme pour les audits d'appels ou de vidéos. Flash partage les mêmes entrées et voix, ce qui en fait le meilleur choix par défaut pour les tâches rapides à haut volume.

Quelles entrées accepte-t-il ?

Texte, images, audio et vidéo, dans n'importe quelle combinaison au sein d'une même requête. La sortie peut être du texte ou du texte avec synthèse vocale, et la voix est sélectionnable parmi 55 options intégrées ou une voix personnalisée.

Quelle peut être la durée d'un enregistrement ?

Environ 3 heures d'audio ou 1 heure de vidéo par requête, selon la documentation d'Alibaba pour le niveau Plus. Divisez les contenus plus longs en plusieurs parties et combinez les réponses par la suite.

Existe-t-il une version pour conversation en direct ?

Oui, Qwen3.5-Omni-Plus-Realtime, qui fonctionne dans une session en streaming pour la voix en direct. Utilisez Qwen3.5-Omni-Plus pour les enregistrements terminés et le modèle Realtime pour une conversation en direct avec une personne.

Combien de langues gère-t-il ?

Alibaba répertorie 113 langues pour l'entrée audio et 74 langues avec 39 dialectes pour la sortie audio. La compréhension textuelle couvre plus de langues que la sortie vocale, vous pouvez donc poser vos questions dans n'importe quelle langue.

Combien coûte Qwen3.5-Omni-Plus ?

Sur TokenLab, Qwen3.5-Omni-Plus coûte Entrée $1.40 / Sortie $8.30 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-Plus ?

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

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

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

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

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