阿里云: Qwen3.5-Omni-Plus
qwen3.5-omni-plus- 输入 / 输出
- $1.40 / $8.30
- 上下文
- 197K
- 最大输出
- 64K
- 模态
- 视觉聊天
Qwen3.5-Omni-Plus 简介
Qwen3.5-Omni-Plus 是阿里巴巴 Qwen3.5-Omni 系列里质量更高的档位。它在一次请求里读取文本、图片、音频和视频，并用文字或语音回复，采用基于混合专家架构的 thinker-talker 设计。适合素材更丰富的场景，比如同时有画面和对话的录音，这类内容 Qwen3.5-Omni-Flash 可能会漏掉细节；代价是每次请求的计算量更大。
擅长的任务
- 分析语音、声音和画面结合在一起的录制内容，而不是分开处理。
- 识别 113 种语言的语音输入，并能用 74 种语言和 39 种方言语音回答。
- 接受较长的媒体，每次请求最多约 3 小时的音频或 1 小时的视频。
- 提供 55 种内置音色，语音回复还可以使用自定义音色。
什么情况换别的模型
- 每次请求的成本比 Qwen3.5-Omni-Flash 高，只在质量重要的录音上使用。
- 回复是文字或语音，生成图片或视频需要另一个模型。
- 实时流式对话由另一个 Qwen3.5-Omni-Plus-Realtime 模型负责。
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-plus", "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 $1.40 / 输出 $8.30 / 文本 输入 $1.40 / 音频 输入 $11.00 / 图像 输入 $1.40 / 文本 输出 $8.30 / 音频 输出 $44.00
- Verified 价格
- —
- 折扣
- —
有音频
每 1M token- Official 价格
- 输入 $1.40 / 输出 $44.00 / 文本 输入 $1.40 / 音频 输入 $11.00 / 图像 输入 $1.40 / 文本 输出 $0.00 / 音频 输出 $44.00
- Verified 价格
- —
- 折扣
- —
| Official 价格每 1M token | Verified 价格每 1M token | 折扣 | |
|---|---|---|---|
| Text Output | 输入 $1.40 / 输出 $8.30 / 文本 输入 $1.40 / 音频 输入 $11.00 / 图像 输入 $1.40 / 文本 输出 $8.30 / 音频 输出 $44.00 | — | — |
| 有音频 | 输入 $1.40 / 输出 $44.00 / 文本 输入 $1.40 / 音频 输入 $11.00 / 图像 输入 $1.40 / 文本 输出 $0.00 / 音频 输出 $44.00 | — | — |
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-Plus 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-plus 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
访谈与通话分析
上传一段长录音，让它整理出主题、矛盾之处，以及带有音频位置的引用。
视频审查
检查培训或产品视频里说了什么、展示了什么，并指出旁白与画面不一致的地方。
多语言媒体档案
把混合语言的音频（包括方言）转写并总结成一种工作语言，供审阅。
提示词示例
审查这段销售通话录音，标出客户犹豫的每一处，附上时间戳和当时说的话。
对比这段教程里旁白说的和屏幕上显示的，列出不一致的地方。
把这段四川话录音转写成标准中文，并用英文总结。
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
什么时候选 Plus 而不是 Flash？
复杂或较长的媒体上，答案的质量比速度和成本更重要时选 Plus，比如通话或视频的审核。Flash 的输入和音色相同，是快速、大量任务的更好默认选择。
它接受什么输入？
文本、图片、音频和视频，在一次请求里可任意组合。输出可以是文字，也可以是文字加语音，音色可从 55 种内置选项或自定义音色中选择。
录音最长能多长？
据阿里巴巴对 Plus 档的文档，每次请求约 3 小时音频或 1 小时视频。更长的素材请拆成几段，之后再合并答案。
有实时对话版本吗？
有，Qwen3.5-Omni-Plus-Realtime，它在流式会话中运行，用于实时语音。已完成的录音用 Qwen3.5-Omni-Plus，与真人实时对话用 Realtime 模型。
它能处理多少种语言？
阿里巴巴列出音频输入支持 113 种语言，音频输出支持 74 种语言和 39 种方言。文本理解覆盖的语言比语音输出更多，所以用任何语言提问都可以。
Qwen3.5-Omni-Plus 的费用是多少？
在 TokenLab 上，Qwen3.5-Omni-Plus 的价格为 输入 $1.40 / 输出 $8.30 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-Plus 的上下文窗口和输出上限是多少？
Qwen3.5-Omni-Plus 最多接收 196,608 token 的上下文，单次最多返回 65,536 token。
Qwen3.5-Omni-Plus 应该使用哪个端点？
Qwen3.5-Omni-Plus 使用 https://api.tokenlab.sh/v1/messages。代码写法见下方的请求示例。
Qwen3.5-Omni-Plus 支持哪些操作？
Qwen3.5-Omni-Plus 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-Plus 对比
资料来源
审阅于 2026年10月2日
