Alibaba Cloud: Qwen3.5-Omni-Flash

Qwen3.5 Omni Flash mang khả năng hiểu đa phương thức vào các tác vụ trợ lý hàng ngày. Đây là ứng viên cho việc diễn giải một hình ảnh cùng với ngữ cảnh nói hoặc viết, chẳng hạn như mô tả một sự kiện từ phương tiện truyền thông đi kèm.

So sánh mô hình

qwen3.5-omni-flash

Sẵn sàngAlibaba CloudTrò chuyện

Đầu vào / Đầu ra: $0.40 / $2.20
Ngữ cảnh: 197K
Độ dài đầu ra tối đa: 64K
Phương thức: Thị giácTrò chuyện

Về Qwen3.5-Omni-Flash

Qwen3.5-Omni-Flash là phiên bản tập trung vào tốc độ thuộc dòng Qwen3.5-Omni của Alibaba, một mô hình đa phương thức tự nhiên có khả năng đọc văn bản, hình ảnh, âm thanh và video, đồng thời có thể phản hồi bằng văn bản hoặc giọng nói. Đây là phiên bản nhanh hơn, chi phí vận hành thấp hơn so với Qwen3.5-Omni-Plus và là một bước tiến so với Qwen3-Omni-Flash, với giới hạn phương tiện dài hơn, 55 giọng nói và đầu ra giọng nói bằng 74 ngôn ngữ cùng 39 phương ngữ.

Ưu điểm

Đọc văn bản, hình ảnh, âm thanh và video trong một yêu cầu và có thể trả lời bằng văn bản hoặc giọng nói.
Xử lý tối đa khoảng 3 giờ âm thanh hoặc 1 giờ video mỗi yêu cầu trong API không thời gian thực.
Nói bằng 74 ngôn ngữ và 39 phương ngữ, với 55 giọng nói tích hợp sẵn và hỗ trợ giọng nói tùy chỉnh.
Khả năng nhận diện đầu vào giọng nói bao phủ 113 ngôn ngữ, phù hợp với âm thanh đa ngôn ngữ.

Khi nào nên chọn model khác

Cuộc hội thoại giọng nói trực tiếp, có thể ngắt lời thuộc về mô hình Qwen3.5-Omni-Flash-Realtime riêng biệt.
Phản hồi trả về dưới dạng văn bản hoặc giọng nói, vì vậy việc tạo hình ảnh hoặc video cần một mô hình khác.
Flash đánh đổi một phần chiều sâu để lấy tốc độ so với Qwen3.5-Omni-Plus đối với các câu hỏi đa phương thức khó.

Bắt đầu

Tạo API key
Tạo API key trong Console để dùng cho mọi mô hình trên nền tảng.

Gửi yêu cầu đầu tiên của bạn

Sao chép ví dụ cho ngôn ngữ của bạn và chạy nó với endpoint.

Văn bản sang văn bảnMessages API

POST/v1/messages

Định dạng 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!"}
    ]
  }'

Giá

Giá Verified áp dụng cho Verified, thường rẻ hơn trên hầu hết các model. Giá Official là giá niêm yết từ nhà phát triển, áp dụng cho route Official ổn định hơn. Auto sẽ tính phí dựa trên route hoàn thành yêu cầu.

Text Output

mỗi 1M token

Giá Official: Đầu vào $0.40 / Đầu ra $2.20 / Văn bản Đầu vào $0.40 / Âm thanh Đầu vào $3.00 / Hình ảnh Đầu vào $0.40 / Văn bản Đầu ra $2.20 / Âm thanh Đầu ra $11.90
Giá Verified: —
Giảm giá: —

Bật âm thanh

mỗi 1M token

Giá Official: Đầu vào $0.40 / Đầu ra $11.90 / Văn bản Đầu vào $0.40 / Âm thanh Đầu vào $3.00 / Hình ảnh Đầu vào $0.40 / Văn bản Đầu ra $0.00 / Âm thanh Đầu ra $11.90
Giá Verified: —
Giảm giá: —

	Giá Officialmỗi 1M token	Giá Verifiedmỗi 1M token	Giảm giá
Text Output	Đầu vào $0.40 / Đầu ra $2.20 / Văn bản Đầu vào $0.40 / Âm thanh Đầu vào $3.00 / Hình ảnh Đầu vào $0.40 / Văn bản Đầu ra $2.20 / Âm thanh Đầu ra $11.90	—	—
Bật âm thanh	Đầu vào $0.40 / Đầu ra $11.90 / Văn bản Đầu vào $0.40 / Âm thanh Đầu vào $3.00 / Hình ảnh Đầu vào $0.40 / Văn bản Đầu ra $0.00 / Âm thanh Đầu ra $11.90	—	—

Sử dụng & hoạt động

Tỷ lệ thành công là tỷ lệ yêu cầu hoàn tất. Độ trễ là thời gian của một phản hồi đầy đủ; P95 nghĩa là 95% yêu cầu hoàn thành trong khoảng thời gian đó.

Mức sử dụng & tình trạng

24 giờ qua

Yêu cầu
Tỷ lệ thành công
Độ trễ P95
Tổng token

Hiệu năng mô hình

Cập nhật lần cuối 07:21 1 thg 11, 2026 UTC

Các chỉ số sẽ xuất hiện sau khi đạt ngưỡng về quyền riêng tư và khối lượng dữ liệu.

Dữ liệu dựa trên các yêu cầu tổng hợp của người dùng, không bao gồm các kiểm tra trạng thái.

Mở trong Console

Mở Qwen3.5-Omni-Flash trong Console để chỉnh sửa và gửi prompt ngay.

Giúp tôi thử qwen3.5-omni-flash với tin nhắn ngắn tại /v1/messages. Hiển thị phản hồi, độ trễ và chi phí.

Tình huống sử dụng

Phù hợp cho

Thị giác

Tóm tắt cuộc họp và cuộc gọi
Gửi một bản ghi âm dài và yêu cầu xác định các quyết định, người chịu trách nhiệm và các câu hỏi còn bỏ ngỏ, với câu trả lời dưới dạng văn bản hoặc bản tóm tắt bằng giọng nói.
Hỗ trợ sản phẩm bằng giọng nói
Chụp ảnh và ghi lại câu hỏi bằng giọng nói của khách hàng, sau đó phản hồi bằng lời nói theo ngôn ngữ và phương ngữ của khách hàng đó.
Gắn thẻ nội dung video
Xử lý các video đã tải lên để xác định những gì được hiển thị và nói, sau đó xuất ra các mô tả và chủ đề cho thư viện phương tiện.

Ví dụ prompt

Tóm tắt video đào tạo dài một giờ này và ghi chú lại dấu thời gian của mỗi lần thay đổi chủ đề.

Người nói chuyển đổi giữa tiếng Quảng Đông và tiếng Anh. Hãy phiên âm và dịch các phần tiếng Quảng Đông.

Mô tả những gì đang xảy ra trong bức ảnh này và đọc lại câu trả lời bằng giọng nữ trầm tĩnh.

Mô hình này có giá theo điều kiện. Chỉ tổng token hàng tháng không thể tạo ước tính đáng tin cậy; hãy dùng bảng giá chi tiết theo thông số yêu cầu, bộ nhớ đệm và khung giờ áp dụng.

FAQ

Sự khác biệt giữa Flash và Plus là gì?

Cả hai đều là các mô hình Qwen3.5-Omni với cùng loại đầu vào và giọng nói. Flash là phiên bản tốc độ cao, Plus là phiên bản chất lượng cao hơn. Hãy bắt đầu với Flash cho các công việc cần khối lượng lớn hoặc nhạy cảm về độ trễ, và chuyển sang Plus nếu câu trả lời cho các phương tiện phức tạp chưa đạt yêu cầu.

Nó có thể xuất ra âm thanh không?

Có. Nó có thể trả về văn bản và âm thanh giọng nói, với 55 giọng nói tích hợp sẵn và hỗ trợ giọng nói tùy chỉnh, trên 74 ngôn ngữ và 39 phương ngữ. Bạn chọn việc mình cần giọng nói hay văn bản trong yêu cầu.

Nó có thể nhận bản ghi âm dài bao lâu?

Tối đa khoảng 3 giờ âm thanh hoặc 1 giờ video mỗi yêu cầu, theo tài liệu của Qwen3.5-Omni từ Alibaba. Hãy chia các tài liệu dài hơn thành nhiều phần và chạy từng phần một.

Nó có thể hiểu những ngôn ngữ nào?

Khả năng nhận diện đầu vào giọng nói bao phủ 113 ngôn ngữ, và các phản hồi bằng giọng nói bao phủ 74 ngôn ngữ và 39 phương ngữ, vì vậy âm thanh đa ngôn ngữ được xử lý trong một yêu cầu duy nhất mà không cần chọn ngôn ngữ trước.

Đây có phải là mô hình dành cho hội thoại giọng nói trực tiếp không?

Không. Qwen3.5-Omni-Flash nhận đầu vào đã hoàn thiện. Đối với phiên hội thoại giọng nói trực tiếp, có thể ngắt lời, hãy sử dụng Qwen3.5-Omni-Flash-Realtime, mô hình này duy trì kết nối mở và chấp nhận các khung hình âm thanh và video trực tiếp.

Qwen3.5-Omni-Flash có giá bao nhiêu?

Trên TokenLab, Qwen3.5-Omni-Flash có giá Đầu vào $0.40 / Đầu ra $2.20 mỗi 1M token. Bảng giá phía trên cho thấy chi tiết đầy đủ. Giá phụ thuộc vào đơn vị tính phí, thông số và mức sử dụng. Hãy so sánh các điều kiện tương đương trong bảng giá chi tiết của mô hình; một mức giá đơn lẻ không quyết định tổng chi phí.

Giới hạn ngữ cảnh và đầu ra của Qwen3.5-Omni-Flash là bao nhiêu?

Qwen3.5-Omni-Flash hỗ trợ tối đa 196.608 token ngữ cảnh và trả về tối đa 65.536 token mỗi phản hồi.

Qwen3.5-Omni-Flash nên dùng endpoint nào?

Dùng https://api.tokenlab.sh/v1/messages làm mặc định cho Qwen3.5-Omni-Flash. Nếu mô hình hỗ trợ định dạng native của nhà cung cấp, API workbench cũng hiển thị endpoint đó.

Qwen3.5-Omni-Flash hỗ trợ những thao tác nào?

Qwen3.5-Omni-Flash hỗ trợ Văn bản sang văn bản. Chọn một thao tác trong API workbench phía trên để xem endpoint và mã ví dụ tương ứng.