阿里云: Qwen3.5-Omni-Flash
qwen3.5-omni-flash- 输入 / 输出
- $0.40 / $2.20
- 上下文
- 197K
- 最大输出
- 64K
- 模态
- 视觉聊天
Qwen3.5-Omni-Flash 简介
Qwen3.5-Omni-Flash 是阿里巴巴 Qwen3.5-Omni 系列里偏重速度的档位，是原生多模态模型，能读取文本、图片、音频和视频，并以文字或语音作答。它是 Qwen3.5-Omni-Plus 里更快、运行成本更低的版本，比 Qwen3-Omni-Flash 更进一步：媒体长度限制更长，有 55 种音色，语音输出覆盖 74 种语言和 39 种方言。
擅长的任务
- 一次请求就能读取文本、图片、音频和视频，并用文字或语音回复。
- 在非 realtime API 里，每次请求最多可处理约 3 小时的音频或 1 小时的视频。
- 可用 74 种语言和 39 种方言说话，有 55 种内置音色，并支持自定义音色。
- 语音输入识别覆盖 113 种语言，适合混合语言的音频。
什么情况换别的模型
- 实时、可打断的语音对话由另一个 Qwen3.5-Omni-Flash-Realtime 模型负责。
- 回复是文字或语音，要生成图片或视频需要另一个模型。
- 在困难的多模态问题上，Flash 相对 Qwen3.5-Omni-Plus 用一些深度换取了速度。
快速上手
创建 API 密钥
在 Console 生成一把密钥，平台上的模型都能用。
发送第一个请求
复制你所用语言的示例代码，向该端点发起请求。
文本生成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": "qwen3.5-omni-flash", "max_tokens": 1024, "messages": [ {"role": "user", "content": "Hello!"} ] }'
价格
Verified 价格用于 Verified，多数模型更便宜；Official 价格是模型厂商公布的价格，用于更稳定的 Official。Auto 按最终完成请求的线路计价。
Text Output
每 1M token- Official 价格
- 输入 $0.40 / 输出 $2.20 / 文本 输入 $0.40 / 音频 输入 $3.00 / 图像 输入 $0.40 / 文本 输出 $2.20 / 音频 输出 $11.90
- Verified 价格
- —
- 折扣
- —
有音频
每 1M token- Official 价格
- 输入 $0.40 / 输出 $11.90 / 文本 输入 $0.40 / 音频 输入 $3.00 / 图像 输入 $0.40 / 文本 输出 $0.00 / 音频 输出 $11.90
- Verified 价格
- —
- 折扣
- —
| Official 价格每 1M token | Verified 价格每 1M token | 折扣 | |
|---|---|---|---|
| Text Output | 输入 $0.40 / 输出 $2.20 / 文本 输入 $0.40 / 音频 输入 $3.00 / 图像 输入 $0.40 / 文本 输出 $2.20 / 音频 输出 $11.90 | — | — |
| 有音频 | 输入 $0.40 / 输出 $11.90 / 文本 输入 $0.40 / 音频 输入 $3.00 / 图像 输入 $0.40 / 文本 输出 $0.00 / 音频 输出 $11.90 | — | — |
用量与动态
成功率是请求完成的比例；延迟是拿到一次完整响应要花的时间，P95 表示 95% 的请求都在这个时间内完成。
用量与可用性
最近 24 小时- 请求
- 成功率
- P95 延迟
- 总 token 数
数据来自汇总的用户请求，不含状态检查。
直接在 Console 里试
Qwen3.5-Omni-Flash 已在 Console 备好，提示词已填好，可以直接修改或发送。
帮我用 qwen3.5-omni-flash 发一条简短消息，接口是 /v1/messages。返回回复，附上延迟和费用。
使用场景
适用场景- 视觉
会议和通话摘要
发送一段长录音，让它列出决策、负责人和待解决的问题，答案可以是文字，也可以是语音简报。
语音产品帮助
接收客户的照片和语音提问，用客户的语言和方言语音回答。
视频内容打标签
处理上传的视频，识别画面和语音内容，为媒体库输出描述和主题。
提示词示例
总结这段一小时的培训视频，并标出每次话题切换的时间戳。
说话人在粤语和英语之间切换。请转写出来，并翻译其中的粤语部分。
描述这张照片里发生了什么，并用平静的女声把答案读出来。
此模型按条件计价，仅凭月度 token 总量无法可靠估算；请按请求规格、缓存和适用时段查看详细定价。
FAQ
Flash 和 Plus 有什么区别？
两者都是 Qwen3.5-Omni 模型，输入类型和音色相同。Flash 是高速版本，Plus 是更高质量的版本。量大或对延迟敏感的工作先用 Flash，复杂媒体上答案不够好时再换 Plus。
它能输出音频吗？
能。它可以返回文字和语音音频，有 55 种内置音色并支持自定义音色，覆盖 74 种语言和 39 种方言。在请求里选择你要语音还是文字。
它能处理多长的录音？
据阿里巴巴 Qwen3.5-Omni 的文档，每次请求最多约 3 小时的音频或 1 小时的视频。更长的素材请拆成几段，逐段处理。
它能理解哪些语言？
语音输入识别覆盖 113 种语言，语音回复覆盖 74 种语言和 39 种方言，所以混合语言的音频一次请求就能处理，不必先指定语言。
这是用于实时语音对话的模型吗？
不是。Qwen3.5-Omni-Flash 接收的是已经完成的输入。要流式、可打断的语音会话，请用 Qwen3.5-Omni-Flash-Realtime，它保持连接打开，接收实时音频和视频帧。
Qwen3.5-Omni-Flash 的费用是多少？
在 TokenLab 上，Qwen3.5-Omni-Flash 的价格为 输入 $0.40 / 输出 $2.20 每 1M token。完整明细见上方价格表。 价格因计费单位、规格和用量而异。请在模型的详细定价中对比相同条件下的费率；单一费率不代表总价。
Qwen3.5-Omni-Flash 的上下文窗口和输出上限是多少？
Qwen3.5-Omni-Flash 最多接收 196,608 token 的上下文，单次最多返回 65,536 token。
Qwen3.5-Omni-Flash 应该使用哪个端点？
Qwen3.5-Omni-Flash 使用 https://api.tokenlab.sh/v1/messages。代码写法见下方的请求示例。
Qwen3.5-Omni-Flash 支持哪些操作？
Qwen3.5-Omni-Flash 支持 文本生成。选了操作，上面会显示对应的端点和请求示例。
Qwen3.5-Omni-Flash 对比
资料来源
审阅于 2026年10月2日
