Einordnung und Veröffentlichung
Qwen-Audio-3.0-Realtime-Plus ist ein Echtzeit-Sprachdialogmodell für Duplex-Interaktion. Die Standardausführung legt den Schwerpunkt auf hochwertige Antworten und einen natürlichen Gesprächsfluss. Alibaba Cloud Model Studio stellt den Inferenzdienst bereit. Die offizielle Übersicht nennt den 14. Juli 2026 für die Veröffentlichung in China und den 10. August 2026 für die internationale Bereitstellung. (help.aliyun.com)
Fähigkeiten und Einsatz
Das Modell verarbeitet Text und Audio als Eingabe und kann Text und Audio ausgeben. Es unterstützt Function Calling und Websuche. Es eignet sich für Anwendungen mit interaktiven Echtzeit-Sprachgesprächen; die Anbindung erfolgt über die Realtime API, unter anderem über WebSocket, WebRTC oder AOQ. (alibabacloud.com)
Grenzen
Das dokumentierte Kontextfenster umfasst 40.960 Token; die maximale Eingabe beträgt 16.384 und die maximale Ausgabe 8.192 Token. Strukturierte Ausgaben, Prefix Completion, Kontext-Caching, Batch-Inferenz und Fine-Tuning werden nicht unterstützt. Für Peking und Singapur nennt die Modellseite jeweils 60 Anfragen und 100.000 Token pro Minute. (alibabacloud.com)
Preise
Die folgenden offiziellen API-Listenpreise gelten jeweils pro 1 Million Token, ohne zeitlich begrenzte Aktionen. Abfrage: 16. November 2026. Die Angebote der chinesischen und internationalen Plattform sowie ihre Regionen sind getrennt zu betrachten; die Beträge sind keine umgerechneten Vergleichspreise. (alibabacloud.com)
| Plattform und Region | Währung | Eingabe Text | Eingabe Audio | Ausgabe nur Text | Ausgabe Text und Audio |
|---|---|---|---|---|---|
| Chinesische Plattform, Peking | CNY | 5 | 40 | 40 | 150 |
| Chinesische Plattform, Singapur, internationaler Bereitstellungsbereich | CNY | 5.995 | 47.963 | 47.963 | 179.861 |
| Internationale Plattform, Peking | USD | 0.688 | 5.501 | 5.501 | 20.628 |
| Internationale Plattform, Singapur, internationaler Bereitstellungsbereich | USD | 0.8 | 6.4 | 6.4 | 24 |
Bei kombinierter Text- und Audioausgabe wird nur die Audioausgabe berechnet; der begleitende Ausgabetext wird nicht separat berechnet. Bei mehrteiligen Gesprächen können frühere Inhalte als erneute Eingabe berechnet werden. Die chinesische Preisdokumentation nennt für Audio 12,5 Token pro Sekunde, wobei weniger als eine Sekunde als eine Sekunde zählt. (alibabacloud.com)