Alibaba Cloud: Qwen3-Omni-Flash
qwen3-omni-flash- 輸入 / 輸出
- $0.43 / $1.66
- 上下文
- 49K
- 最大輸出長度
- 16K
- 模態
- 視覺辨識對話
關於 Qwen3-Omni-Flash
Qwen3-Omni-Flash 是阿里巴巴早期的 Omni 聊天模型，可在單次對話中讀取文本、圖像、音頻和視頻。它可以在回答前進行推理的「思考模式」下運行，在該模式下僅返回文本；若不使用該模式，回覆可包含口語音頻。它是 Omni 聊天家族中較舊且上下文較小的成員，位於 Qwen3.5-Omni 和 Qwen3.8-Omni-Flash 之後，具有較短的音頻和視頻限制以及較少的輸出語言。
適用場景
- 同時理解文本、圖像、音頻和視頻，因此單個請求可以將片段與書面問題結合起來。
- 可選的思考模式讓它在回答前能對複雜問題進行推理。
- 在不使用思考模式時，它可以使用多種語音選擇，以語音和文本進行回答。
- 圖像、音頻和視頻作為普通聊天消息中的內容部分傳遞。
其他選擇建議
- 思考模式下會關閉音頻輸出，因此推理後的回答僅以文本形式返回。
- 它處理的媒體長度比後期的 Omni 模型短：約 20 分鐘音頻和 150 秒視頻。
- 語音回覆涵蓋 11 種語言和 8 種方言，少於 Qwen3.5-Omni。
入門指南
建立 API 金鑰
請至 Console 建立金鑰，即可在平台上使用各類模型。
發送您的第一個請求
複製您所選語言的範例，並針對端點執行它。
文字轉文字Messages APIPOST/v1/messagesAPI 格式: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!"} ] }'
定價
Verified 價格用於 Verified，多數模型更便宜；Official 價格是模型廠商公布的價格，用於更穩定的 Official。Auto 按最終完成請求的線路計價。
Text Text Output
每 1M Token- Official 價格
- 輸入 $0.43 / 輸出 $1.66 / 純文字 輸入 $0.43 / 音訊 輸入 $3.81 / 圖片 輸入 $0.78 / 純文字 輸出 $1.66 / 音訊 輸出 $15.11
- Verified 價格
- —
- 折扣
- —
開啟音訊
每 1M Token- Official 價格
- 輸入 $0.43 / 輸出 $1.66 / 純文字 輸入 $0.43 / 音訊 輸入 $3.81 / 圖片 輸入 $0.78 / 純文字 輸出 $0.00 / 音訊 輸出 $15.11
- Verified 價格
- —
- 折扣
- —
isMultimodalInput · true
每 1M Token- Official 價格
- 輸入 $0.43 / 輸出 $1.66 / 純文字 輸入 $0.43 / 音訊 輸入 $3.81 / 圖片 輸入 $0.78 / 純文字 輸出 $3.06 / 音訊 輸出 $15.11
- Verified 價格
- —
- 折扣
- —
開啟音訊 · isMultimodalInput · true
每 1M Token- Official 價格
- 輸入 $0.43 / 輸出 $1.66 / 純文字 輸入 $0.43 / 音訊 輸入 $3.81 / 圖片 輸入 $0.78 / 純文字 輸出 $0.00 / 音訊 輸出 $15.11
- Verified 價格
- —
- 折扣
- —
| Official 價格每 1M Token | Verified 價格每 1M Token | 折扣 | |
|---|---|---|---|
| Text Text Output | 輸入 $0.43 / 輸出 $1.66 / 純文字 輸入 $0.43 / 音訊 輸入 $3.81 / 圖片 輸入 $0.78 / 純文字 輸出 $1.66 / 音訊 輸出 $15.11 | — | — |
| 開啟音訊 | 輸入 $0.43 / 輸出 $1.66 / 純文字 輸入 $0.43 / 音訊 輸入 $3.81 / 圖片 輸入 $0.78 / 純文字 輸出 $0.00 / 音訊 輸出 $15.11 | — | — |
| isMultimodalInput · true | 輸入 $0.43 / 輸出 $1.66 / 純文字 輸入 $0.43 / 音訊 輸入 $3.81 / 圖片 輸入 $0.78 / 純文字 輸出 $3.06 / 音訊 輸出 $15.11 | — | — |
| 開啟音訊 · isMultimodalInput · true | 輸入 $0.43 / 輸出 $1.66 / 純文字 輸入 $0.43 / 音訊 輸入 $3.81 / 圖片 輸入 $0.78 / 純文字 輸出 $0.00 / 音訊 輸出 $15.11 | — | — |
使用量與活動
成功率是請求完成的比例；延遲是一次完整回應所需的時間，P95 表示 95% 的請求在該時間內完成。
用量與可用性
過去 24 小時- 請求數
- 成功率
- P95 延遲
- 總 Token 用量
資料基於彙總的使用者請求，不包含狀態檢查。
直接在 Console 裡試
在 Console 中開啟 Qwen3-Omni-Flash，並準備好編輯或發送提示詞。
協助我使用 qwen3-omni-flash 透過 /v1/messages 進行對話，並顯示回覆、延遲與成本。
應用情境
適合場景- 視覺辨識
語音與圖像助手
讓用戶口述關於照片的問題，並以選定的語音獲得口語回答，無需串聯單獨的語音和視覺模型。
短片段分析
描述片段中發生的事情，包括所說和所展示的內容，時長最長可達幾分鐘。
音頻問答
針對錄製的通話或語音備忘錄提問並獲得書面回答，對於棘手的比較問題可開啟思考模式。
提示詞範例
聽這段語音備忘錄，列出三個行動項目並說明每項的負責人。
此片段中的人在做什麼錯誤的操作，他們應該做出什麼改變？
看看這張我的路由器照片，並口頭告訴我哪根線應該插在哪裡。
此模型按條件計價，僅憑每月 token 總量無法可靠估算；請按請求規格、快取和適用時段查看詳細定價。
FAQ
Qwen3-Omni-Flash 可以接收什麼作為輸入？
文本、圖像、音頻和視頻。所有這些都可以出現在同一次對話中，因此請求可以包含口語問題和圖片。輸出為文本，或在關閉思考模式時為文本加音頻。
為什麼思考模式會關閉音頻？
阿里巴巴文檔指出，思考模式下不支持音頻輸出。如果您需要語音回覆，請關閉思考模式；如果您需要模型先進行推理，請預期獲得書面回答，並使用文本轉語音模型進行轉換。
它與 Qwen3.5-Omni-Flash 有何不同？
Qwen3.5-Omni-Flash 處理更長的媒體，提供更多的語音和輸出語言，並擁有更大的上下文。Qwen3-Omni-Flash 是上一代產品，因此主要在您的提示詞和語音設置已經為其調優的情況下使用它。
媒體長度限制是多少？
每個請求約 20 分鐘音頻和 150 秒視頻，這比後期的 Omni 模型允許的長度要短。發送前請將較長的錄音拆分為多個部分。
它能說哪些語言？
語音回覆涵蓋 11 種語言和 8 種方言，少於 Qwen3.5-Omni。如果您需要更廣泛的語音覆蓋，請選擇 Qwen3.5-Omni 模型；對於文本回答，則不受此口語語言列表限制。
Qwen3-Omni-Flash 的費用是多少？
在 TokenLab 上，Qwen3-Omni-Flash 價格為 輸入 $0.43 / 輸出 $1.66 每 1M Token。完整明細見上方價格表。 價格因計費單位、規格和用量而異。請在模型的詳細定價中比較相同條件下的費率；單一費率不代表總價。
Qwen3-Omni-Flash 的上下文長度與輸出限制為何？
Qwen3-Omni-Flash 支援最高 49,152 tokens 的上下文，單次回應上限為 16,384 tokens。
Qwen3-Omni-Flash 應該使用哪一個端點？
請使用 https://api.tokenlab.sh/v1/messages 進行 Qwen3-Omni-Flash 的呼叫。下方的請求範例展示了對應的程式碼格式。
Qwen3-Omni-Flash 支援哪些操作？
Qwen3-Omni-Flash 支援 文字轉文字。請在上方選擇一項操作以查看其端點與請求範例。
比較 Qwen3-Omni-Flash
來源
更新於 2026年10月2日
