Einordnung und Veröffentlichung
Qwen-Audio-3.1-Realtime-Plus ist ein Echtzeit-Sprachdialogmodell für bidirektionale Duplex-Gespräche. Alibaba führt es in seiner offiziellen Modellübersicht mit dem Veröffentlichungsdatum 20. September 2026. Es verwendet dasselbe Integrationsprotokoll wie 3.0 Plus und ergänzt dessen Stimmen um acht Systemstimmen. (alibabacloud.com)
Fähigkeiten und Einsatz
- Text und Audio können eingegeben und ausgegeben werden; Audio wird im Duplex-Betrieb gestreamt. Unterstützt werden Function Calling, Websuche und Stimmenklonen. Die Standardstimme ist
longanqian_v3.1. (alibabacloud.com) - Geeignete Einsatzfelder sind Sprachassistenten, intelligenter Kundenservice und KI-Begleiter. Echtzeit-Sprachgespräche unterstützen unter anderem Deutsch. (alibabacloud.com)
Grenzen
Das Kontextfenster umfasst 262.144 Token; maximal sind 245.760 Eingabe- und 16.384 Ausgabe-Token angegeben. Der Audioverlauf im Kontext ist auf 50 Audio-Turns beziehungsweise insgesamt 300 Sekunden begrenzt; bei Überschreitung wird älterer Verlauf automatisch verworfen. Die Websuche ist standardmäßig deaktiviert und kann zusammen mit Function Calling aktiviert werden. Für WebSocket nennt Alibaba 60 Verbindungsanfragen pro Minute und 100.000 Token pro Minute. (alibabacloud.com)
Preise
Abfrage: 16. November 2026. Die folgenden offiziellen nutzungsabhängigen Preise gelten jeweils pro 1 Million Token für dieses Modell. Region, Plattform und Abrechnungswährung sind jeweils gesondert angegeben; die Zeilen sind keine Wechselkursumrechnungen. (help.aliyun.com)
| Plattform und Region | Währung | Texteingabe | Audioeingabe | Textausgabe | Audioausgabe |
|---|---|---|---|---|---|
| Alibaba Cloud Model Studio, chinesische Plattform, Peking | CNY | 5 | 40 | 40 | 150 |
| Alibaba Cloud Model Studio, chinesische Plattform, Singapur | CNY | 5,833 | 46,667 | 46,667 | 175,002 |
| Alibaba Cloud Model Studio, internationale Plattform, Singapur | USD | 0,8 | 6,4 | 6,4 | 24 |
| Alibaba Cloud Model Studio, internationale Plattform, Peking | USD | 0,707 | 5,653 | 5,653 | 21,2 |
Bei reiner Textausgabe gilt der Textausgabepreis. Werden Text und Audio zusammen ausgegeben, wird nur die Audioausgabe berechnet; der begleitende Text verursacht keine separate Ausgabegebühr. Audio-Token werden anhand der Dauer berechnet: 12,5 Token pro Sekunde, wobei weniger als eine Sekunde als eine Sekunde zählt. Gesprächsverlauf kann bei späteren Turns erneut als Eingabe berechnet werden. (alibabacloud.com)
Die offiziellen Preisübersichten nennen für dieses Modell ein Freikontingent von 1 Million Token auf der chinesischen Plattform in Peking beziehungsweise auf der internationalen Plattform in Singapur. Es gilt 90 Tage ab dem jeweils späteren Zeitpunkt von Plattformaktivierung, Modellveröffentlichung oder Antragsgenehmigung; andere Regionen haben laut den jeweiligen Übersichten kein Freikontingent. (docs.bailian.console.aliyun.com)