阿里Qwen3.5-Omni全模态大模型上线，支持音视频多模态交互

阿里千问于3月30日正式推出全模态大模型Qwen3.5-Omni。

核心版本
该系列包含 Plus、Flash、Light 三种尺寸的Instruct版本。

关键特性

• 多模态支持：原生支持文本、视觉、音频、视频的感知与生成。
• 超长上下文：支持256K长上下文处理。
• 强大输入能力：支持超过10小时的音频输入，以及超过400秒的720P（1FPS）音视频输入。
• 多语言增强：相比前代，语音识别支持113种语种和方言，语音生成支持36种。

技术基础
模型在海量文本、视觉及超1亿小时的音视频数据上进行原生多模态预训练。